2025年1月，DeepSeek-R1横空出世，硅谷的股票买卖员们在睡梦中被唤醒。纳斯达克当天低开，英伟达单日蒸发近6000亿美元市值，单日跌幅17%。
彼时，华尔街的第一反映是发急：若是中国人能用更少的算力训练出一致水平的模型，AI基础设施的投资逻辑是否已经崩塌？
18个月后，答案来了，只是方向齐全相反。K3的颁布被华尔街机构称为“DeepSeek2.0时刻”，这次K3模型卡宣称机能靠近Claude Fable5和GPT-5.6，而早期公开基准测试了局显示，在特定工作（如前端代码天生）上已超过两者之一或全数，关键是比Claude均匀模型便宜40%，比它的Fable更是便宜70%。
然而，K3自身占有2.8万亿总参数，已经属于目前全球最大的开源MoE（混合专家）模型之一，这也注明AI“规模定律”（Scaling Law）在当前阶段依然成立。
换言之，砸钱、堆算力、扩大参数规模，仍是最有效提升模型能力的步骤，这与DeepSeek时期追捧的提升效能截然分歧。
这也是为何当前AI主题买卖出现了显著分化：最舍得砸钱的公司股价却最承担抛压。6月，由微软、谷歌、Meta、亚马逊、苹果组成的超大规模云厂商一揽子股票累计着落18%，这是自Meta2012年上市以来，这个群体有史以来最惨烈的单一月份。
与此同时，AI硬件公司同期上涨16%，走出了一幅美满的“镜像行情”，半导体、存储等板块也被称为“AI本钱开支的受益者”。
这也就是为何谷歌在7月23日颁布逆天财报后，股价反而大跌，本钱开支的大增长剧投资者对未来AI能否盈利的忧郁；另一壁，存储、半导体股价则大幅反弹，由于无论AI终局若何，拼算力仍是未来几年的主题。
一、拼算力仍是王路
作为第一个颁布财报的重要科技巨头和云服务商，谷歌业绩大超预期，云服务收入同比大增超80%，但上调本钱开支令市场吃惊，盘后跌4%。
财报颁布后，谷歌在电话会议中颁发：将2026年整年本钱开支指引从此前的1800-1900亿美元上调至1950-2050亿美元，上调约150亿美元，重要原因是“加快交付产能以满足日益增长的需要”。公司同时预报2027年本钱开支将持续大幅增长，具体数字待日后颁布。
治理层同时警示，技术基础设施的大规模投入将以更高的折旧用度和数据中心运营成本（蕴含能源）大局持续压造利润表，并将持续扩大AI和云推算领域的招聘。
摩根士丹利更是判断，2026年全球前五大云服务商本钱开支总额将超过8000亿美元，2027年有望进一步增至1万亿至1.2万亿美元；若扩大至前14大云服务商，本钱开支年化增速已超90%。目前AI算力供需严重局面尚未缓解。
即便连从来主打省算、拼效能的中国模型，如今也意识到拼算力可能步崆最有效的终极选择。目前K3自身占有2.8万亿总参数，自身就注明行业并未烧毁扩大模型容量。
机构之所以判断AI本钱开支不会终场增长，主题凭据是“杰文斯悖论”（Jevons Paradox）的持续有效。该经济学道理指出，当技术进取压低资源使用成本、提升利用效能时，总需要往往不降反升。这一框架早在“DeepSeek时刻”便已进入市场主流会商，如今更是进一步得到验证。
眼下，模型反映速度或推理速度慢，或者模型有意降速、降智等，底子而言都是算力不及的体现。
中美模型之争，未来可能仍是拼算力。
二、AI硬件躺赢
Kimi K3颁布前后，AI板块一度大跌，此前堆集了大幅浮盈的AI硬件跌幅尤甚。然而，这可能更多只是感情驱策。
一位AI产业链钻研人士向笔者分析，Kimi K3首先扭转的是AI利润池在模型厂商与下游客户之间的分配格局，而非行业整体的芯片亏损量；痪浠八，最先承压的是美国前沿大模型公司的估值溢价，而非硬件需要自身。
更值得关注的是，盛开权沉并不蹬宗算力需要消退。海表科技社区的会商指出，开源模型支持本地化私有部署，企业对业务不变性的掌控不再依赖表部服务商。但问题的关键在于，K3并没有让本地部署变得“轻量化”，而是刚好相反。
有科技领域投资人测算，2.8万亿参数量级的超大模型，仅实现模型加载就至少必要10张GB300级此外顶级GPU。本地部署固然省去了API挪用用度，却必须在本地显存容量、内存带宽和多卡互联网络上投入大量硬件成本。这笔账，并不比云端便宜。
另一个市场误判同样值得厘清。有投资者以为K3验证了稀少架构与训练步骤的效能提升，进而引发了对英伟达、博通、台积电的发急性抛售。但这一推导忽略了一个乘法关系：训练算力的总需要，蹬宗单次训练成本乘以训练频次。即便K3将单次训练成本压低40%，中美模型军备较量若同步推动头部尝试室将训练频次翻倍，总训练算力需要的净了局反而是增长20%。效能提升，反而为更高强度的竞争提供了弹药。
说到AI硬件板块，当前最紧缺的环节无疑是存储板块。随着AI服务器持续扩容，高带宽存储（HBM）以及DRAM需要急剧增长。若是没有HBM配套，GPU的算力阐扬不出来。这也是为何三星、SK海力士、美光科技、闪迪的股价在今年都不休翻倍大涨。
传统DRAM重要利用于PC、智能手机及通常服务器，其产品尺度化水平较高，价值受供需关系影响显著，拥有典型的大量商品属性；而HBM则属于AI GPU主题配套产品，是当前AI训练和推理所必须的高端存储器，技术壁垒远高于通常DRAM。
目前HBM市场重要由SK海力士、三星电子和美光三家公司主导。其中，SK海力士市场份额约占六成，居全球第一。业内普遍预计，HBM市场未来两至三年仍将维持供不应求状态。
除了存储，另一个关键AI硬件就是半导体。当前，AI产业真正的瓶颈依然是半导体，这也是由于AI对于算力的需要不休提升。
与从前显著受库存周期影响分歧，本轮半导体行业正逐步进入新的发展阶段。越来越多芯片企业已经起头与大型云厂商签署未来5年至10年的持久供给和谈，这意味着行业未来颠簸性有望降落，持久成长逻辑越创造确。
AI推理（Inference）和AI Agent的发展也正推动CPU沉新进入增长周期。近一年来，ARM、高通、博通、英特尔等都是由于CPU主题而沉新获得投资者热捧的公司。
从前十多年CPU行业相对清淡，但此刻随着AI推理急剧发展，CPU产业链沉新起头复苏，也有机构预计，有关产业未来有望实现4至5倍增长，并带头服务器、封装测试等高低游同步扩张。
此表，AI发展的最大瓶颈之一也未来自网络传输。好多时辰AI不是在思虑，而是在期待数据。随着AI集群规模持续扩大，数据中心网络正从400G急剧升级至800G，并进一步迈向1.6T时期。在这一过程中，光？椤⒐庑酒⒏咚貾CB、互换机等产业链均将持续受益。
中国在这一AI硬件领域占有话语权，由于中国占有全球竞争力较强的光通讯产业链，而随着AI集群不休扩大，有关行业未来3至5年仍拥有巨大成长空间。同时，光纤、PCB也是关键的组成部门。
三、本钱开支承担者备受审视
相比起AI硬件公司，超大型云服务商等科技巨头（谷歌、微软、Meta等）则遭到投资者抛售。原因只有一个，他们是这轮AI算力较量的本钱开支承担者，而盈利远景却扑朔迷离。
可见，花钱的人被惩治，收钱的人得嘉奖。
最新颁布业绩的谷歌则是最佳案例：从主交易务来看，谷歌依然展示出较强增长势头。
Google Cloud二季度收入达到247.7亿美元，同比增长82%，远高于去年同期的136亿美元；Google Search（搜索业务）、YouTube告白业务收入实现超预期增长。
不外，市场更关注的是谷歌持续扩大的AI投资。本季度，公司本钱支出达到449亿美元，较去年同期224亿美元险些翻倍。与此同时，治理层再次上调整年本钱支出指引。
今年4月，公司刚刚将整年本钱开支预期上调至180亿至190亿美元；这次又进一步提高至195亿至205亿美元。这已经是Alphabet今年第二次上调本钱支出指标。
更值妥贴心的是，公司还提前预报，2027年本钱支出将进一步大幅增长。分析人士指出，这意味着Alphabet未来几年仍将持续投入巨额资金建设AI基础设施，蕴含数据中心、服务器及AI芯片等。
然而，市场关注焦点则在于：如此重大的AI本钱投入，何时能力真正转化为持续盈利？不少机构以为，只有这一问题尚未得到明确答案，而公司估值又处于较高水平，即便短期财报阐发优异，股价仍可能面对回调压力。
事实上，和谷歌一样占有强劲云业务的微软，此前其实已经跌完了五年的涨幅。市场的态度不言而喻。
面对当下的格局，AI硬件板块或仍是资金的最佳去向。而云厂商估值已大幅回落，凭借不变盈利和较强业绩确定性，投资价值或许在大跌后会逐步显露，着落买入的战术似乎仍被采取。
当然，在AI主题普遍堆集了较大涨幅后，当前的投资布局必要更为多元化。就美股部门来看，除科技板块表，基于通胀维持和善可控的判断，可选消费、交通运输及区域性银行等板块下半年同样具备配置价值。