sunlc_ai

之前在6/27的推文里，我不仅提出了存储见顶的观点，而且明确预测了后续市场资金将从AI硬件厂商（卖铲人）向大科技云厂商如MSFT、GOOG、META等以及优质的软件公司如NOW、CRM等（挖金人）转移，在7/29日的OKX直播里也再次强调了这个观点。
目前看来短短一个月时间全部验证了，MSFT从370涨到500，META从540涨到590，NOW从90涨到124，CRM从158涨到192。
今天和GPT又充分讨论了我这个观点，并且让AI给出更充分的数据进行论证，形成以下这篇文章，供大家进一步学习。
一、核心观点
过去三年，AI资本市场最核心的投资逻辑可以概括成一句话：
AI算力短缺，因此利润首先集中在“卖铲子”的硬件产业链。
Hyperscaler、NeoCloud 和 AI Lab 大规模投入资本开支，资金快速流向 NVIDIA、Broadcom、HBM、服务器、网络和数据中心基础设施。由于上游供给受限，GPU、HBM、先进封装等环节拥有极强的议价能力，因此最先兑现收入和利润。
但进入2026年后，AI投资的核心问题正在发生变化。
市场需要回答的不再只是：
“还要买多少GPU？”
而越来越变成：
“这些GPU产生的算力，最终能创造多少收入和利润？”
这意味着AI产业正从第一阶段的：
Infrastructure Build-out
逐步进入第二阶段的：
Monetization & ROI Validation。
基于这一变化，我认为未来6—12个月，AI资金可能从过去高度集中于硬件产业链，逐步向：
Microsoft、Alphabet、Amazon、Meta等大型科技平台，以及真正具备客户基础、数据壁垒、workflow和AI定价能力的软件企业扩散。
这里的核心判断并不是“硬件牛市结束”，而是：
未来市场的边际增量资金，更可能奖励“能够证明AI投入产生收入和利润”的公司。
因此，大科技和部分软件公司未来一段时间存在相对于AI硬件获得估值重估的机会。
二、过去三年的AI资金流：利润为什么首先集中在硬件端
AI产业链的资金流大体如下：
企业、消费者、广告商
↓
Microsoft / Google / Amazon / Meta / AI应用
↓
Cloud / AI Model / NeoCloud
↓
GPU / ASIC / Server / Networking
↓
NVIDIA / Broadcom / AMD
↓
HBM / Foundry / Advanced Packaging
↓
SK Hynix / Micron / Samsung / TSMC
过去三年最大的问题在于：
下游商业模式尚未充分成熟，但上游AI基础设施必须提前建设。
因此资金流呈现明显的“上游先兑现”特征。
大型科技企业首先用自己原有业务产生的现金流补贴AI投资：
Google利用搜索广告利润建设TPU和GPU集群；
Meta利用广告利润投资AI推荐系统和Llama；
Microsoft利用Office、Azure和Windows现金流投资AI基础设施；
Amazon利用AWS和电商现金流增加数据中心投资。
NeoCloud则更多通过：
债务融资、Private Credit、GPU融资和股权融资
购买GPU。
结果是：
NVIDIA、Broadcom、HBM厂商先拿到了真钱，而算力购买者承担未来能否回收投资的风险。
这也是过去几年硬件股表现远强于软件股的重要原因。
三、但是这一资金流无法永远停留在硬件端
一个健康的AI产业必须最终完成：
资本投入
→ 硬件
→ 算力
→ AI服务
→ 企业/消费者购买
→ 收入
→ 利润
→ 再投资
这样的完整闭环。
如果这个循环无法建立，那么目前巨额AI CapEx最终一定会下降。
Goldman Sachs最新基础情景预计，全球AI资本开支2026年约为 7650亿美元，到2031年可能达到 1.6万亿美元/年。
这意味着整个AI故事已经从：
“有没有钱建设？”
转变成：
“建设之后有没有足够的现金流支撑？”
对于每年接近甚至超过1万亿美元的资本开支而言，仅仅证明GPU有需求远远不够。
最终必须证明：
AI产生的收入与经济价值能够支持这些资产的折旧、电费、融资成本和资本回报。
因此未来几年整个AI产业链最重要的变量，将逐步从：
CapEx
转向：
AI Revenue、AI Gross Profit和AI ROIC。
这天然有利于产业链更下游的平台和软件企业。
四、一个重要变化已经出现：Cloud开始真正产生利润
这是我认为AI投资阶段正在转变的重要证据。
Google Cloud是目前最典型的案例。
2026年第二季度Google Cloud经营利润达到 88亿美元，同比增长超过三倍，同时经营利润率明显提升。
这和两三年前的情况完全不同。
过去市场看到的是：
Google增加CapEx
→ 买GPU/TPU。
今天市场开始看到：
Google增加CapEx
→ GCP收入增长
→ Cloud Operating Profit快速增长。
也就是说：
AI基础设施开始形成利润。
Microsoft也出现类似趋势。
截至最新FY2026 Q4，Microsoft Cloud单季度收入已经达到 593亿美元，同比增长27%，商业RPO达到 6780亿美元，同比增长84%。
此前Azure依然保持约40%左右的增长速度。
Amazon方面，AWS最新季度收入同比增长 37%，为近年来非常强劲的增长水平。
因此，目前已经出现三个非常重要的信号：
Cloud收入增长快于企业整体IT预算；
Cloud利润率改善；
Cloud backlog/RPO高速增长。
这些数据说明下游买单能力目前并没有出现明显断裂。
五、大科技下一阶段最大的优势：它们同时占据AI产业链多个利润池
大型科技公司的一个巨大优势，是它们并不是单纯的GPU购买者。
以Microsoft为例：
Azure+OpenAI ecosystem+Microsoft 365+Copilot+GitHub+Dynamics+Security
意味着Microsoft既可以：
卖AI算力
又可以：
卖AI应用。
因此Microsoft可以同时获得：
Infrastructure Margin+Application Margin。
Alphabet也是类似结构：
TPU
→ Google Cloud
→ Gemini
→ Workspace
→ Search
→ Advertising。
Amazon：
Trainium
→ AWS
→ Bedrock
→ Enterprise AI。
Meta：
GPU
→ Recommendation
→ Engagement
→ Advertising。
这种垂直整合意味着，大科技不仅承担AI CapEx，同时也掌握了大量AI变现入口。
这使得它们在AI产业链中的位置比单纯NeoCloud要好得多。
六、Meta证明了另一种AI变现方式：AI不一定需要单独收费
分析AI收入时最容易出现的错误之一，是只统计：
ChatGPT Subscription、Copilot、AI API等明确标记为AI的收入。
Meta证明了另外一种商业模式。
2026年第二季度Meta收入达到 608亿美元，同比增长28%。
AI推荐系统并不向消费者收费。
但是AI可以提升：
推荐效果
→ Engagement
→ 广告点击
→ Conversion
→ 广告主ROI
→ 广告价格。
因此：
AI创造的经济价值可以最终体现为广告收入，而不是“AI Revenue”。
Google Search同样存在这一逻辑。
这意味着大科技的AI变现能力实际上可能被市场传统的“AI收入”统计低估。
七、软件产业正在第一次出现可以量化的AI收入
过去两年软件公司普遍讲AI故事，但真正产生新增收入的公司并不多。
2026年这种情况开始变化。
ServiceNow最新季度订阅收入达到 38.77亿美元，同比增长24.5%。
Salesforce的Agentforce已经开始形成明显的收入规模。
FY2027 Q1：
Agentforce ARR达到 12亿美元，同比增长205%；
Agentforce + Data 360 ARR接近 34亿美元，同比增长超过200%。
Adobe的AI-first ARR已经超过：
5亿美元
并且同比增长约三倍。
Palantir更是一个极端案例：
2026 Q2收入达到 19.4亿美元，同比增长93%。
因此软件层正在发生非常重要的变化：
过去：
AI Demo
现在逐渐变成：
AI ARR。
这正是资本市场可能重新评估软件企业的原因。
八、为什么AI软件的利润弹性可能非常大
硬件商业模式有一个天然问题：
收入增长往往需要同步增加资产或制造投入。
AI软件则不同。
一家软件公司如果已经拥有：
客户
数据
workflow
distribution
sales channel
加入AI以后，可以直接提高：
ARPU
Consumption Revenue
Usage
Retention
Upsell。
例如一家企业原本每年支付100万美元CRM费用。
如果Agent功能可以减少客服、销售支持或运营人员，公司可能愿意额外支付：
20万美元。
对于Salesforce而言，这20万美元的新增收入所需要新增的销售和产品成本，可能远远小于20万美元。
这意味着：
AI软件一旦跨过商业化拐点，利润增长可能明显快于收入增长。
因此资本市场可能开始给予这类公司重新估值。
九、企业AI的真正TAM不是软件预算，而是人力成本
这是支持AI软件商业模式最重要的一条长期逻辑。
2026年全球IT支出预计约：
6.15万亿美元，同比增长10.8%。
但企业购买AI，并不一定需要从现有IT预算增长中获得资金。
它还可以替代：
员工成本
外包
咨询
BPO
客服
内容制作
研发
传统软件。
举一个简单例子。
企业过去：
100名员工 × $100,000= $10M成本。
未来：
80名员工
$1M AI软件
如果仍然可以完成原来的工作量：
企业节省：
$1M。
因此即使企业自身收入增长只有5%，AI预算也完全可以增长50%、100%甚至更多。
资金实际上是：
Labor Budget → AI Budget。
所以AI软件最终竞争的并不仅仅是：
全球SaaS预算。
而是：
全球数十万亿美元的劳动成本和企业运营预算。
这是AI应用长期能够支撑巨额基础设施投资最重要的经济学基础。
十、为什么未来资金可能从“卖铲子”向“使用铲子的人”扩散
资本市场通常不会一直奖励同一个产业层级。
产业周期早期：
稀缺资源价值最高。
因此：
GPU
HBM
先进封装
最赚钱。
产业周期进入第二阶段以后：
供给逐渐扩大，
市场开始关注：
谁能够利用这些资源产生最高ROIC。
AI产业也是一样。
第一阶段：
谁拥有GPU？
第二阶段：
谁能让GPU赚钱？
这两个阶段对应的资本市场赢家未必相同。
我认为2026—2027正在从第一阶段向第二阶段转换。
十一、硬件最大的风险不是盈利下降，而是估值先下降
这里必须强调：
我并不认为AI硬件基本面已经见顶。
恰恰相反。
NVIDIA最新公布季度Data Center收入达到：
752亿美元，同比增长92%。
Broadcom Q2 AI半导体收入：
108亿美元，同比增长143%。
这显然不是典型周期顶部的数据。
所以未来半年完全可能出现：
Hardware Earnings继续增长。
但是股价表现由两个因素决定：
EPS × Valuation。
假设：
NVIDIA EPS：
100 → 140
增长40%。
但是PE：
35× → 28×。
股价：
3500 → 3920。
上涨约12%。
与此同时Google：
EPS：
100 → 120
只增长20%。
但市场认为AI投入终于开始兑现：
PE：
20× → 25×。
股价：
2000 → 3000。
上涨50%。
于是就会出现：
Google股价跑赢NVIDIA，
即使：
NVIDIA盈利增速仍明显高于Google。
这就是我认为未来AI投资最可能发生的变化之一：
硬件继续增长，但估值扩张结束；
Cloud/Software盈利开始增长，同时获得估值重估。
十二、这不是“硬件→软件”的简单轮动
因此我的核心判断不能简单理解成：
SELL NVDA
BUY Software。
更准确应该是：
AI交易由Infrastructure-only进入Infrastructure + Monetization双主线。
过去：
Infrastructure >>> Monetization。
现在：
Infrastructure > Monetization。
未来如果AI产业健康发展：
Infrastructure ≈ Monetization。
最终必须变成：
Monetization > Infrastructure。
否则整个AI投资循环无法持续。
十三、为什么五大科技可能是这轮轮动最好的第一站
与普通软件相比，大科技拥有一个重要优势：
它们既有防守，又有AI增长。
例如Google即使AI商业化速度不够快：
Search仍然产生巨额现金流。
Microsoft拥有：
Office
Windows
Enterprise Software
Security。
Amazon拥有：
AWS
E-commerce
Advertising。
Meta拥有：
Facebook
Instagram
WhatsApp
Advertising。
因此大型科技公司能够：
一边利用传统业务现金流建设AI；
一边等待AI收入逐步成熟。
这使得：
AI Monetization Risk明显低于纯AI公司。
如果未来市场从：
“谁的AI增长最快？”
逐渐转向：
“谁能够稳定地产生AI FCF？”
那么大型科技平台的相对吸引力会明显提高。
十四、软件必须有护城河，而不是简单贴AI标签
与此同时，我们不认为整个软件板块都会受益。
AI甚至可能摧毁大量软件公司的护城河。
未来软件公司可以大致分为三类。
第一类：拥有AI定价权
典型特点：
大量现有企业客户
重要Workflow
高切换成本
独特数据
强Distribution。
AI可以直接提高：
ARPU
Consumption
Seat Price
Retention。
例如：
Microsoft
ServiceNow
Salesforce
Adobe。
这是最值得关注的一类。
第二类：AI直接替代人工
例如：
Coding
Security
Customer Service
Analytics
Workflow Automation。
这类AI产品最大的优势是：
客户ROI非常容易计算。
如果一年花：
$1M AI费用
可以减少：
$3M人工成本，
购买决策非常容易。
这种AI收入持续性可能很强。
第三类：AI Wrapper
只是调用OpenAI/Anthropic模型，然后增加一个UI。
没有：
独特数据
客户关系
Workflow
Distribution
Switching Cost。
这类公司可能反而成为AI时代最大的输家。
因此真正的投资逻辑不是：
Buy Software。
而是：
Buy AI Monetization Moats。
十五、支持“大科技/软件相对跑赢”的五个核心理由
第一：
AI资本周期已经进入商业化验证期。
市场未来需要看到的不仅是GPU订单，还需要看到AI收入和利润。
第二：
Cloud monetization已经开始加速。
Google Cloud利润快速增长，Azure和AWS继续保持高增速。
第三：
AI软件开始产生真正ARR。
Salesforce Agentforce、Adobe AI-first ARR以及ServiceNow增长说明企业已经从AI试验逐渐进入付费阶段。
第四：
软件的Incremental Margin通常高于硬件。
一旦AI收费规模扩大，软件利润可能出现更大的经营杠杆。
第五：
硬件已经处于极高盈利和极高预期状态。
NVIDIA Data Center +92%，Broadcom AI +143%。
这意味着：
继续超预期的门槛越来越高。
而软件/Cloud的AI利润仍处于较早期阶段：
Earnings Estimate Revision可能刚刚开始。
十六、未来最重要的观察指标
判断我的观点是否正确，未来几个季度应该重点观察以下数据，而不是单纯看NVIDIA订单。
1. Azure / AWS / Google Cloud收入增长
如果继续保持：
30%—50%+
说明下游需求仍然健康。
2. Cloud Operating Margin
这是最重要的指标之一。
AI收入增长但利润率下降：
不是很好的投资。
AI收入增长同时利润率提高：
说明AI商业模式开始形成规模效应。
3. AI Software ARR
重点关注：
Microsoft Copilot
Salesforce Agentforce
ServiceNow AI
Adobe AI
Palantir。
AI ARR开始达到公司收入5%、10%、20%以后，对EPS影响才会真正显著。
4. Hyperscaler CapEx / Cloud Revenue Growth
这是判断AI资本效率非常好的领先指标。
如果：
CapEx +50%
Cloud +40%
差距尚可。
如果未来：
CapEx +50%
Cloud +15%，
风险快速上升。
5. AI Backlog / RPO
只要RPO仍然高速增长，就说明大量AI算力已经有客户承诺购买。
6. NVIDIA/AVGO Revenue Growth的二阶导
不是看收入是否下降，而是：
+100%
→ +70%
→ +50%
→ +30%。
即使收入仍然高速增长：
Earnings Momentum已经开始下降。
资金往往会提前寻找二阶导更高的产业环节。
十七、一个可能的AI资金轮动路径
如果AI牛市继续，我认为最合理的顺序可能是：
第一阶段：2023—2025
GPU / HBM / AI Networking
↓
NVIDIA
Broadcom
SK Hynix
Micron。
第二阶段：2026—2027
Cloud Platforms
↓
Microsoft
Alphabet
Amazon
Meta。
第三阶段：2026—2028
AI Monetization Software
↓
ServiceNow
Salesforce
Adobe
Palantir
以及未来真正跑出来的Agent公司。
最终阶段
AI提高整个企业经济效率
↓
金融
医疗
制造
广告
电商
互联网
全面产生AI productivity uplift。
这才是AI真正成为通用技术之后的最终状态。
十八、投资结论
我认为未来6—12个月AI投资的核心逻辑正在发生变化。
过去市场主要奖励：
谁能够为AI提供稀缺的基础设施。
未来市场将逐步开始奖励：
谁能够利用这些基础设施产生最高的收入、利润和ROIC。
因此：
AI硬件并不意味着进入熊市。
NVIDIA和Broadcom当前AI收入仍保持异常强劲增长，硬件景气周期暂时没有明确结束信号。
但从相对收益角度看：
大科技和有AI定价权的软件公司正在进入一个更有利的位置。
原因不是：
硬件利润下降。
而是：
硬件的盈利高速增长已经被市场充分认识，而Cloud和Software的盈利兑现可能刚刚开始被重新认识。
因此未来最有可能发生的并不是：
Hardware崩跌 → Software上涨。
更可能是：
Hardware盈利继续创新高，但估值倍数逐渐稳定甚至压缩；与此同时Cloud和优质Software出现盈利预测上修 + 估值扩张。
最终产生：
Big Tech / AI Software相对收益 > AI Hardware。
这也是目前AI产业资金流演化最值得关注的变化。
最核心的一句话
整个AI牛市能否继续，最终并不取决于NVIDIA还能卖多少GPU。
而取决于：
买了这些GPU的人，能不能赚到足够多的钱。
如果Microsoft、Google、Amazon、Meta以及下游AI软件开始持续证明：
AI CapEx → AI Revenue → AI Profit → AI FCF
这个循环成立，那么AI资本开支才有能力长期维持。
而一旦这个循环得到资本市场确认，AI投资的最大边际机会自然会从：
“卖AI基础设施的人”
逐渐转向：
“利用AI基础设施赚钱的人”。
这正是未来一段时间大科技云厂商与真正具备护城河的软件公司，有可能相对跑赢硬件股的核心逻辑。