從底層算力到全社會 ROE，我們究竟站在 AI 浪潮的哪一段？

判斷資本開支是否見頂，不要看CEO的口頭承諾，看算力租賃價格。
判斷產業走到哪一步，不要看輿論熱度，看利潤在產業鏈中往哪里流。

2026年4月，英偉達H100的一年期租賃價格，從去年10月的每小時1.70美元漲到了2.35美元， 漲幅接近40% 。

這與很多人的直覺相悖，「算力不是應該越來越便宜嗎？」

恰恰相反。當我們撥開情緒的迷霧，用真實數據去丈量AI產業的真實進度，會發現一個與大眾認知截然不同的圖景。

01

利潤分配的階段

任何一次技術革命，本質上都是一場利潤在產業鏈各環節間的重新分配。

蒸汽時代，利潤從手工工坊流向了擁有蒸汽機的工廠主。電力時代，利潤從分散的小作坊流向了電網和大型制造企業。互聯網時代，利潤從傳統零售流向了平臺巨頭。

AI也不會例外。它正在經歷一場同樣劇烈的利潤遷徙，只是這場遷徙有它自己的節奏和規律。

我們可以把這場遷徙拆解為三個階段。

第一階段，算力是唯一的瓶頸。誰能造出GPU、誰有先進封裝產能、誰能賣光模塊，誰就截走了整個產業鏈最肥的一塊肉。這時候你去看財報，英偉達的毛利率超過75%，臺積電的先進制程業務毛利率突破66%，光模塊企業的凈利潤同比翻倍甚至漲200%。

第二階段，算力開始變得充裕。模型的訓練門檻降低，開源模型追上來，API價格開始崩塌。這時候利潤開始從硬件商向平臺遷移——那些有云服務底座、能把模型打包賣的巨頭，開始吃掉新一輪紅利。

第三階段，AI變成像水電一樣的基礎設施。這時候真正的贏家不再是做AI的公司，而是那些用AI改造自己業務的銀行、工廠、零售商。利潤溢出科技板塊，流向整個經濟。

問題是： 我們現在站在哪個階段？

02

沒有想象中那么快

很多人認為，2025-2026年應該是算力過剩的開始。畢竟臺積電在瘋狂擴產，新玩家的GPU也在不斷涌入，資本開支已經燒了幾年了。

但真實數據講了一個完全不同的故事。

先看算力租賃價格。這是供需關系最直接的溫度計。SemiAnalysis的數據顯示，H100的一年期租賃價格從去年10月的每GPU每小時1.70美元，漲到了今年3月的 2.35美元 。漲幅接近40%。更先進的Blackwell系列，兩個月內租金從2.75美元跳漲到 4.08美元 ，漲幅 48% 。

價格上漲意味著有人在搶，意味著供給跟不上需求，也意味著「過剩」根本不存在。

再看云廠商的資本開支。2026年，北美四大云廠商的資本開支預計達到5700億美元，比去年增長53%。全球云資本開支預計達7350億美元，連續第三年增速超過60%。摩根士丹利說，市場普遍預期的16%增速可能需要大幅上修。

資本開支的增速（二階導）比絕對值更重要。只要增速還在高位，就意味著廠商還在加速投入，硬件需求還在擴張。

最后看臺積電的先進封裝產能。CoWoS是AI芯片的「標配封裝」，供不應求。富邦投顧的數據顯示，2026年全球CoWoS產能缺口高達 20%-30% 。英偉達一家就鎖定了約 60% 的產能，AMD只拿到了8%。中小AI芯片設計公司已經被「系統性排除在高端市場之外」。

把這三組數據拼在一起，結論很清晰：

算力依然緊缺。資本開支還在加速。硬件周期遠未結束。

因為硬件環節抽走了產業鏈的大部分利潤，且大模型依然處于激烈的燒錢價格戰中，當前 AI 發展仍處于「基礎建設期的中后段」與「模型爆發期的中前段」的交匯處，尚未真正進入全行業的應用落地期。

03

但變化正在發生

雖然基礎建設期還沒走完，但另一個階段已經在敲門了。

最明顯的信號是大模型API的價格崩塌。

DeepSeek把價格壓到了每百萬token輸入2元、輸出3元。Claude Haiku只要1美元就能處理百萬token。GPT-4o-mini更是便宜到每百萬token只要0.15美元輸入、0.6美元輸出。

這是什么概念？用GPT-4o-mini處理一次普通的對話（約2000字輸入、1200字輸出），成本不到 0.005美元 。便宜到幾乎可以忽略不計。

但也有例外。OpenAI剛發布的GPT-5.5，輸入價格漲到了每百萬token 5美元，輸出30美元——是上一代的三倍。為什么敢漲價？因為它在智能體能力上實現了「代際差」，Terminal-Bench 2.0測試準確率82.7%，比前代和競爭對手高出10-15個百分點。

這說明模型市場正在分化： 簡單模型已經商品化，復雜能力仍然可以提價。

另一個值得關注的信號是開源與閉源的差距。在簡單的文本生成、代碼補全任務上，開源模型已經逼近閉源水平。但在需要自主規劃、跨系統操作的復雜智能體任務上，閉源模型仍有20-30%的優勢。

這個差距正在以肉眼可見的速度縮小。Llama、Qwen等開源模型的迭代速度驚人，每個月都在縮小與GPT、Claude的差距。

當開源模型追上閉源的那一刻，基礎大模型將徹底變成「基礎設施」。那時候，真正有價值的就不再是模型本身，而是誰有更低的算力成本、更大的客戶網絡——也就是云平臺巨頭。

04

離應用落地還有多遠？

這是最關鍵的問題。理論上，當AI成為基礎設施，傳統企業應該開始受益。銀行用AI做風控，工廠用AI做預測性維護，零售商用AI做庫存管理，人均產出提升，利潤率改善，ROE抬升。

但現實呢？

數據顯示，28.9%的企業通過配置算力實現了員工生產率14.4%的平均增幅。31.8%的企業運營效率提升了10.1%。這是好消息。

但壞消息是這些提升大多是「點狀」的、局部的、實驗性的。尚未出現系統性的、行業級的利潤率抬升。

再看現象級應用。ChatGPT仍是最大的AI原生應用，但日活增長已經在放緩。其他AI應用要么還在嘗鮮階段，用戶粘性不足，要么收入規模遠無法與基礎設施投入相匹配。

最關鍵的一個數據是： 當前AI產業鏈的絕大部分利潤和自由現金流，依然集中在以英偉達為代表的底層硬件供應商。

這意味著什么？意味著我們離利潤溢出到全社會的第三階段，還有相當長的路要走。

樂觀估計是2027-2028年。中性估計是2028-2030年。悲觀估計……可能更久。

05

投資配置的現實指南

基于以上分析，可以給出一個相對清晰的配置框架。

關于硬件倉位

很多人覺得硬件已經貴了，應該減倉。但真實數據告訴我們：算力租賃價格還在漲，資本開支增速還沒見頂，產能缺口還很大。

這意味著什么？意味著硬件周期遠未結束。保留一定比例的光模塊、芯片倉位，繼續吃這波紅利，是合理的。

但必須設定熔斷機制，而且是左側熔斷，不是右側確認。

為什么？因為股票市場是二階導的貼現機器。它不僅不看絕對值，甚至會提前預判二階導的拐點。資本開支增速從50%滑落到20%是一個持續幾個季度的過程，但財報指引不及預期的那一天，股價就會瞬間反應。等你確認增速真真切切掉到20%以下時，光模塊和芯片的股價可能已經從高點回撤了30%-40%。

所以熔斷點必須前移：

第一個信號：算力租賃價格停止上漲轉為走平的第一個月。 不需要等它下跌，走平就已經說明供需拐點到了。

第二個信號：資本開支環比增速首次不及華爾街一致預期的當季。 不需要等它降到20%，只要"不及預期"這個事實出現，市場就會殺估值。

目前來看，這兩個指標并沒有觸及。

關于美股平臺倉位

這是當前被低估的板塊之一。

當模型商品化，利潤會向哪里轉移？向擁有算力成本優勢和客戶網絡的云平臺轉移。微軟、谷歌、亞馬遜，它們既是模型的最大買家，也是模型的最大分銷商。它們可以把模型打包進Office、打包進Google Workspace、打包進AWS，變成訂閱服務的一部分。

但增配的節奏很關鍵。需要注意的是，美股云巨頭既是AI模型的賣方，也是算力硬件的最大買方。當硬件周期頂部信號出現、引發半導體板塊估值殺跌時，這些云巨頭大概率也會遭遇情緒性的錯殺——市場會擔憂其前期的巨額投入變為沉沒成本。

因此，增配不應是一次性的倉位切換。正確的做法是：在硬件左側離場后，利用市場恐慌進行 分批逢低買入 。不要試圖抄到底，而是在情緒宣泄的過程中逐步建倉。

另外需要提醒的是實操層面的摩擦。國內直接配置美股受限于外匯額度，通過QDII基金（如納斯達克100 ETF）增配時，需要密切監控并規避過高的場內溢價風險。

關于寬基和傳統行業倉位

這是最需要耐心的部分。AI的效率紅利溢出到全社會，還需要時間。寬基倉位應該作為底倉配置，但不宜過早大幅加倉。

等待什么信號？

等待看到某個行業系統性的人均利潤率提升。等待看到某個傳統龍頭的財報里，AI貢獻的收入占比開始變成兩位數。那時候，才是真正應用落地期的開始。

06

關鍵監測節點

未來一兩年，有幾個時間點值得重點關注。

第一個是2026年下半年，GB300和B300集群的規模化落地。這是觀察新增算力供給能否緩解短缺的關鍵窗口。如果供給上來后，租賃價格還在漲，說明需求增長比供給更快。

第二個是臺積電CoWoS產能的爬坡進度。如果產能利用率從滿載降到80%以下，硬件溢價就會開始回落。

第三個是AI實驗室的營收增長。OpenAI的年化收入據說已經接近200億美元，Anthropic幾個月增長了近9倍。當這些公司的收入能夠覆蓋資本開支的時候，商業模式閉環就形成了。

07

總結

回到最初的問題，AI產業究竟走到哪一步了？

我們正處于基礎建設期的中后段，正在向模型爆發期切換。離應用落地期還有距離。

判斷的依據不是各路專家的觀點，不是股價的漲跌，而是冰冷但誠實的真實數據。

指標

當前狀態

含義

算力租賃價格

持續上漲（+30%-50%）

供不應求，周期未結束

資本開支增速

50%+，未見拐點

投入還在加速

CoWoS產能缺口

20%-30%

硬件產能仍緊張

API價格

入門級崩塌，旗艦級可漲價

模型市場分化

傳統行業ROE

未系統性提升

應用落地尚早

記住兩條核心原則：

判斷資本開支是否見頂，不要看CEO的口頭承諾，看算力租賃價格。

判斷產業走到哪一步，不要看輿論熱度，看利潤在產業鏈中往哪里流。

當前利潤還在往硬件流。這就是我們站的位置。

本文數據來源：SemiAnalysis、Ornn Compute價格指數、摩根士丹利、富邦投顧、瑞銀、各公司財報及官網（截至2026年4月）

不構成投資建議。

作者：坦桑尼亞老云 | 編輯：栗加

每個視角都是拼湊世界真相的碎片，聽真誠的行業觀察者講述獨特的故事。我們有深耕行業的資深顧問，連續跨界探索的未來創業者，專注細節的產品匠人，和許多志同道合的你們，如果你有想要分享的故事或者感想，可以留言或者郵件聯系（AiysJY@outlook.com），也歡迎點分享給需要的朋友們，記得點一下在看和星標，期待共同在這個行業的宏大敘事中，留下一句詩。：）