過去幾周，AI基礎設施板塊經歷了一輪劇烈調整。
從晶片、存儲、光通訊，到Neocloud、數據中心和電力股，幾乎所有高彈性方向都遭遇估值壓縮。市場開始擔心，科技巨頭正在投入數千億美元建設算力，但AI收入與自由現金流，未必能以同樣速度兌現。
然而，與股價回調形成鮮明反差的是，科技巨頭的資本開支並沒有放慢，反而仍在加速。根據最新財報指引， $Meta Platforms (META.US)$ 、 $微軟 (MSFT.US)$ 、 $Google-C (GOOG.US)$ 和 $亞馬遜 (AMZN.US)$ 四大科技巨頭均進一步上修或維持高位資本開支預期。以區間上限計算，四家公司2026年合計資本開支接近7500億美元，遠高於2025年約4558億美元的實際投入。
相關標的
Meta Platforms(META.US)
539.030
-7.95%
即使市場情緒迅速降溫，巨頭對AI基礎設施的投入意願仍未發生根本變化。這也使華爾街最大的焦慮變得更加直接：如此龐大的AI資本開支，究竟多久才能回本？
亞馬遜給出了一本非常清晰的賬——不到三年回本。
亞馬遜首次拆解ROIC：一筆不到三年回本的「經濟賬」
$亞馬遜 (AMZN.US)$ 首次較為系統地闡述了AI資本開支的ROIC框架。
管理層將AI基礎設施投資拆分為兩類資產：第一類是服務器和網絡設備，使用壽命大約為5至6年；第二類是數據中心、土地、建築和電力基礎設施，使用壽命可以超過30年。
亞馬遜表示，服務器和網絡設備平均不到三年便能實現收支平衡。這意味著，設備在回本後仍有兩至三年的使用週期，可以持續產生可觀的自由現金流。
而使用壽命超過30年的數據中心，則可以容納至少五至六代服務器。換句話說，數據中心並不是一次性的AI投資，而是一項可以被多代晶片重複利用的長期資產。
亞馬遜還表示，看到AI領域的利潤率和回報率與其在核心業務同一發展階段所看到的一致，實際上還略微領先。
這相當於直接回應了市場最核心的質疑：AI基礎設施並非只有折舊和現金流壓力，部分投資已經具備在三年內收回成本的能力。
大摩測算：AI投資的潛在ROIC可達25%至50%
亞馬遜給出了實際經營層面的回本週期，摩根士丹利則從商業模式角度，測算科技公司如何將算力轉化為收入和利潤。
大摩預計，主要超大規模雲廠商累計資本開支可能超過1.4萬億美元，可用算力則有望從2025年的約30GW，增至2028年的約120GW。高額投入引發的ROIC疑慮，正是近期壓制科技巨頭和AI基建估值的重要因素。
但大摩建立的三種GenAI商業模式顯示，AI基礎設施的潛在增量ROIC可以達到25%至50%。
來源：大摩
第一種：出租GPU，ROIC約31%
AWS、Azure和Google Cloud可直接將GPU算力出租。大摩以1GW的GB300數據中心測算，在75%利用率、每小時租金8.5美元的基準情景下，增量EBIT利潤率約67%，ROIC約31%，與亞馬遜「三年回本」的說法基本一致。
第二種：自建算力並出售模型API，ROIC約46%
同時掌握算力、模型和應用入口，回報率更高。大摩估計，模型公司以自有數據中心提供API及AI應用，增量EBIT利潤率可達75%，ROIC約46%。亞馬遜、微軟、Google和Meta可將同一套算力用於雲服務、模型API、廣告及企業軟件，實現多層變現。
第三種：租用第三方算力，ROIC約25%
缺乏自建能力的模型公司，可租用超大規模雲廠商或Neocloud算力，再對外出售API。雖然省下前期資本支出，但需要支付算力租金，大摩測算其增量EBIT利潤率約30%，ROIC約25%。
整體來看，自有算力的回報率通常更高，而同時掌握算力、模型、產品和用戶入口的平台，更有能力消化高額AI資本開支。
深度回調後，哪些方向仍值得關注？
經過本輪深度回調後，大摩仍認為有五條主線值得關注，該行還畫了一張AI基建產業鏈熱力圖，具體如下：
相關標的
Meta Platforms(META.US)
539.030
-7.95%
第一，具備規模與變現能力的雲端巨頭
大摩繼續看好 $Meta Platforms (META.US)$ 、 $Google-C (GOOG.US)$ 、 $微軟 (MSFT.US)$ 和 $亞馬遜 (AMZN.US)$ 。
原因並不是它們「花錢最多」，而是這些公司擁有龐大的用戶入口、企業客戶、生態系統和自研晶片能力，更有機會通過廣告、雲服務、企業軟件和AI Agent收回資本開支。
當市場開始質疑AI投資回報率時，真正需要觀察的不是CapEx金額本身，而是新增算力能否轉化為雲收入、廣告效率、用戶黏性及自由現金流。
第二，掌握「通電時間」的瓶頸資產
在AI數據中心建設中，最稀缺的不再只是土地，而是已經取得的電力容量、併網資格和可快速部署的能源設備。
受益方向包括燃料電池、天然氣渦輪機、儲能、備用電源，以及將原有位元幣礦場改造成AI數據中心的「帶電機房」運營商。
部分礦場本身已經擁有土地、變電站和電網接入能力，可以比新建數據中心更早投入使用。這使 $Cipher Digital (CIFR.US)$ 、 $TeraWulf (WULF.US)$ 、 $Hut 8 (HUT.US)$ 、 $Riot Platforms (RIOT.US)$ 、 $Applied Digital (APLD.US)$ 及 $Galaxy Digital (GLXY.US)$ 等公司，從單純的位元幣概念逐步轉向AI基建資產。
但這類公司波動較大，估值高度依賴合同能否落地、融資成本和建設進度，不適合只看「簽約故事」追高。
第三，算力製造生態仍是核心主線
只要算力供應長期落後於需求，晶片製造、存儲、先進封裝、半導體設備、PCB和光通訊仍將持續受益。
大摩重點關注 $英偉達 (NVDA.US)$ 、 $博通 (AVGO.US)$ 、 $美光科技 (MU.US)$ 、 $台積電 (TSM.US)$ 、 $三星電子 (005930.KR)$ 、 $SK海力士 (SKHY.US)$ 、 $鎧俠 (285A.JP)$ 、 $阿斯麥 (ASML.US)$ 及 $愛德萬測試 (6857.JP)$ 等產業鏈公司。
其中，存儲仍是大摩相對看好的環節。研報指出，數據中心採購端尚未看到存儲短缺明顯緩解，AI對HBM、DRAM和企業級SSD的需求，可能令2027年至2028年的供應繼續偏緊。
不過，這條主線需要區分「需求放緩」和「增速放緩」。當市場已經給出過高估值時，即使訂單仍在增長，增長斜率下降也可能引發劇烈調整。
第四，中國AI解決方案提供商
中國模型的競爭力提升，不只是海外算力股的風險，也可能成為中國AI公司的估值催化劑。
大摩認為，部分中國公司的模型能力、成本效率和本地化服務優勢，尚未被市場充分定價。代表公司包括 $阿里巴巴 (BABA.US)$ 、 $騰訊控股 (00700.HK)$ 、 $中芯國際 (00981.HK)$ 、 $聯想集團 (00992.HK)$ 及 $萬國數據 (GDS.US)$ 等。
這條主線的優勢是估值相對較低、AI商業化仍有上修空間；風險則來自監管、晶片供應限制以及全球AI生態進一步分化。
第五，能源安全與電網設備
AI正在將能源需求從傳統公用事業問題，升級為科技產業的核心競爭力。
儲能、電網、變壓器、燃氣發電、核電和數據中心電力管理設備，都可能成為AI資本開支外溢的受益方向。大摩提及的代表公司包括 $Bloom Energy (BE.US)$ 、 $GE Vernova (GEV.US)$、 $Vistra Energy (VST.US)$ 及 $Talen Energy (TLN.US)$ 等。
相比純算力概念，這些公司的需求來源更加多元，既受益於AI，也受益於能源安全、電網升級和製造業回流。
結語
雖然「高投入、慢回報」引發了 AI 基建板塊的深度回調，但巨頭上修資本開支指引，證明產業基本面並未改變。
在算力需求攀升以及存儲、電力瓶頸依然存在的背景下，本輪調整本質上是估值擠壓與資金倉位的結構性重設。
展望下一階段，板塊行情將從「全面普漲」轉向「結構分化」。具備長線組態價值的標的，將集中於擁有明確資源壁壘的環節——包括晶片產能、先進存儲、電力併網、數據中心資源以及終端變現入口。
隨著市場回歸理性，資金將更加注重投資回報率（ROIC）與現金流兌現能力。未來的超額收益，將不再取決於主題炒作，而取決於企業能否將 CapEx 轉化為可持續的商業化利潤。
(牛牛課堂)