一、一句話結論

微軟和亞馬遜近期股價表現強勁，表面原因是Azure和AWS增長超預期，深層原因則是市場首次較為清晰地確認：

巨額AI資本開支已經開始轉化為雲收入加速、利潤率改善、長期訂單增長和AI應用變現。

這意味著全球AI交易正在從第一階段的“資本開支擴張”，進入第二階段的“資本開支回報驗證”。

對A股的啟示不是簡單買入所有算力租賃公司，而是應當沿著以下路徑逐層驗證：

海外CSP雲收入加速
→ 海外AI硬體供應鏈訂單延續
→ 國內AIDC上架率和利用率提升
→ 算力租賃收入、毛利率和現金流兌現
→ MaaS、Token及AI應用形成持續付費

因此，未來A股算力類股的選股標準，將從“規劃多少P、採購多少卡、簽了多少合同”，逐步切換為：

已經交付多少、實際使用多少、確認多少收入、產生多少利潤、回收多少現金。

二、為什麼美股CSP公司股價分化

1. 微軟：形成“底層算力＋上層軟體”的雙層變現

微軟的優勢不只是Azure向客戶出租計算、記憶體和網路資源，而是能夠繼續通過Microsoft 365 Copilot、GitHub、Dynamics、安全產品等軟體收取訂閱費用。

其商業模式是：

GPU及雲資源收入
＋資料庫、記憶體和網路收入
＋Copilot軟體訂閱收入
＋企業安全及開發工具收入

這意味著同一份算力投入可以被多次變現。

微軟與普通算力租賃公司的最大區別在於：

• 算力租賃企業主要賺取伺服器租金；
• 微軟不僅賺算力租金，還可以賺模型呼叫費和軟體訂閱費；
• 算力成本下降後，微軟上層軟體產品的毛利率反而可能提升。

因此，市場願意給予微軟更高估值，並不是因為它擁有更多GPU，而是因為微軟能夠把GPU轉化為高黏性的企業軟體收入。

2. 亞馬遜：AWS增長加速，同時利潤率明顯改善

亞馬遜本輪最受市場認可的地方，是AWS不但恢復較快增長，而且利潤增速明顯快於收入增速。

這證明AWS的增長並非單純依靠降價或低毛利項目，而是受到以下因素推動：

• AI算力利用率提升；
• 高附加值雲產品佔比提高；
• 自研晶片降低單位算力成本；
• 資料庫、記憶體、網路等配套收入增加；
• 規模效應覆蓋折舊和營運費用。

AWS還有一個重要優勢：模型中立。

微軟與OpenAI繫結較深，而AWS同時服務Anthropic、OpenAI、Meta、開源模型及企業自建模型。無論那一家模型公司最終勝出，只要訓練和推理需求增長，AWS都可以受益。

AWS更接近AI時代的基礎設施收費站，而不是押注單一模型路線。

3. 市場真正獎勵的是“資本開支回報率”

微軟和亞馬遜同樣在進行巨額資本開支，但市場願意給予正面反饋，因為它們同時證明了：

1. 雲收入繼續加速；
2. AI需求不是短期試驗項目；
3. 大量新增產能已有客戶需求和訂單支援；
4. 利潤率沒有因為折舊和電費明顯惡化；
5. 原有業務現金流能夠支撐持續投入。

這與單純宣佈建設資料中心、採購GPU的公司完全不同。

資本市場目前更關注的公式是：

AI資本開支價值＝收入增長×利潤率×訂單可見度÷融資和折舊風險

而不是資本開支金額本身。

三、算力租賃與大模型公司的合作模式變化

當前行業正在經歷四個階段。

第一階段：按卡時或伺服器租賃

算力商採購GPU伺服器，按照單卡、整機、P數或卡時向客戶收費。

這一階段的主要競爭要素是：

• GPU採購管道；
• 融資能力；
• 伺服器數量；
• 機房資源；
• 客戶關係。

這種模式簡單，但同質化嚴重，且算力商承擔較高的裝置殘值風險。

第二階段：長期算力單元＋叢集維運

大模型公司開始要求算力商提供完整服務，包括：

• GPU採購；
• 機房部署；
• 網路和記憶體配置；
• 模型適配；
• 叢集維運；
• 故障恢復；
• 服務等級承諾。

行雲科技、東陽光的大額項目更接近這一模式。

這一階段已經不是簡單出租伺服器，而是“算力基礎設施交付＋長期營運”。

第三階段：MaaS和Token計費

客戶不再關心使用多少張GPU，而是採購：

• 模型API；
• 每百萬Token服務；
• 推理吞吐量；
• 響應時延；
• 行業模型；
• Agent呼叫能力。

算力公司的核心能力開始由“有多少卡”轉向：

• 單位Token成本；
• 模型推理效率；
• 異構算力調度；
• KV Cache管理；
• 多租戶管理；
• 叢集穩定性。

第四階段：保底收入＋Token增量分成

理論上最優的合作模式是：

• 客戶支付最低固定服務費；
• 算力商保證容量和服務質量；
• 超出約定Token呼叫量後雙方分成；
• 上游伺服器供應商也可能參與收益分配。

這種模式可以在一定程度上實現風險共擔。

但需要強調：

按Token計費並不天然意味著算力商利潤率更高。

如果完全按照實際Token呼叫收費，利用率風險會重新轉移給算力商。一旦模型呼叫不足、模型價格下降或推理效率提升，算力商收入反而可能下降。

因此，最有利於算力商的模式不是純Token分成，而是：

最低保底收入＋超額呼叫分成。

目前國內公開合同仍以固定服務費和長期算力租賃為主，真正按Token收入分成的成熟案例仍較少。

四、A股炒作路徑

第一階段：海外CSP直接供應鏈繼續得到驗證

Azure和AWS增長加速，首先驗證的是海外AI基礎設施需求仍然旺盛。

直接受益環節包括：

• 光模組和光器件；
• AI伺服器；
• 高速PCB；
• CCL材料；
• 高速連接器；
• 資料中心電源；
• 液冷和溫控；
• 記憶體及網路裝置。

這一層的特點是產業鏈關係直接、訂單可驗證、利潤兌現速度較快。

但由於海外硬體鏈已經經歷較長時間上漲，未來超額收益將更多來自：

• 新產品放量；
• 客戶份額提升；
• 單機價值量增加；
• 毛利率改善；
• ASIC和定製晶片帶來的增量。

單純依靠CSP資本開支上調，可能不足以推動所有硬體公司再次全面估值擴張。

第二階段：從硬體擴散到AIDC營運

當雲業務收入持續增長，說明伺服器正在形成實際負載和計費需求。

市場隨後會關注：

• 新資料中心是否按期交付；
• 機櫃上架率是否提升；
• 單機櫃功率是否增加；
• AIDC收入是否加速；
• EBITDA和經營現金流是否改善。

這一層主要對應：

• 潤澤科技；
• 奧飛資料；
• 光環新網；
• 資料港；
• 寶信軟體等。

AIDC公司的優勢在於不直接承擔GPU技術迭代和殘值風險，但需要承擔土地、電力、機房建設、折舊和融資成本。

第三階段：算力租賃進入業績篩選

海外CSP財報容易刺激市場交易國內算力租賃，因為表面邏輯是：

雲需求旺盛
→GPU需求旺盛
→國內算力利用率提高
→算力租賃公司利潤增加

但其中存在較大的邏輯跳躍。

微軟和亞馬遜的新增產能通常有成熟客戶、長期訂單和現金流支援，而部分A股算力租賃公司仍處於：

先融資、先採購、先部署，再尋找持續使用需求

因此，算力租賃行情後續會從主題交易進入基本面篩選。

市場關注點將從：

• 合同金額；
• 算力規劃；
• 伺服器數量；
• 大模型合作公告；

逐步轉向：

• 已驗收規模；
• 已確認收入；
• 算力業務毛利率；
• 經營現金流；
• 融資利率；
• 固定資產回報率；
• 客戶回款。

第四階段：雲平台、MaaS和AI應用補漲

微軟Copilot的變現說明，雲業務需求最終必須由上層AI應用驅動。

只有當企業持續購買模型呼叫、AI辦公、AI程式設計和Agent服務，底層算力需求才具備可持續性。

因此，行情的下一層可能擴散至：

• AI雲平台；
• MaaS平台；
• 模型API；
• 邊緣推理；
• AI閘道器；
• 企業AI應用；
• Agent平台。

國內對應公司包括優刻得、網宿科技，以及其他具備真實模型呼叫和企業客戶收入的平台型公司。

但這一階段的驗證標準不再是模型接入數量，而是：

• AI相關收入；
• 付費客戶數量；
• Token呼叫量；
• 客戶續費率；
• 毛利率；
• 經營現金流。

五、重點公司

第一層：基本面確定性較高

潤澤科技

潤澤科技本質是AIDC基礎設施營運商，而非GPU租賃公司。

優勢包括：

• 大型園區及電力資源；
• 長周期客戶合同；
• 客戶遷移成本高；
• AIDC收入增長較快；
• 經營現金流質量相對較好；
• 不直接承擔GPU殘值風險。

主要風險：

• 客戶集中度高；
• 新園區建設帶來折舊和利息壓力；
• 資本開支較大；
• 利潤增速可能低於收入增速。

定位：類股基本面底倉。

協創資料

協創資料已經形成較大規模算力產品及服務收入，利潤兌現速度較快。

優勢包括：

• 伺服器供應鏈能力；
• 海外資料中心資源；
• 算力伺服器銷售、再製造和服務協同；
• 收入和利潤已經實際兌現；
• 業績彈性較強。

主要風險：

• 算力收入中包含硬體銷售和供應鏈屬性；
• 資產和營運資金佔用較大；
• 客戶及供應商集中；
• 一次性伺服器銷售收入不能按雲服務估值。

定位：利潤彈性和兌現速度較強。

奧飛資料

奧飛資料擁有成熟的資料中心資產、機櫃容量和經營現金流。

優勢包括：

• 已有成熟IDC及AIDC資產；
• EBITDA和現金流相對穩定；
• 新項目投產後具備利潤釋放空間；
• 業務兌現度高於純合同型公司。

主要風險：

• 資本開支較大；
• 上架率決定資產回報；
• 融資和折舊壓力；
• 大客戶集中度。

定位：低於熱點彈性，但基本面質量較高。

第二層：算力業務已經形成收入，利潤質量仍需驗證

利通電子

利通電子算力業務收入已經達到較大規模，相比純事件型公司具備更高兌現度。

優勢包括：

• 算力收入已經形成；
• 海內外項目同步推進；
• 擁有叢集維運和算力服務能力；
• 業務增速和利潤彈性較高。

主要風險：

• 部分利潤來自伺服器分銷、轉售或產品銷售；
• 資產負債表開始重資產化；
• 短期借款和租賃負債增長；
• 一次性利潤不能直接年化。

定位：彈性較高，但需要剔除貿易和分銷利潤後估值。

宏景科技

宏景科技已經由傳統系統整合業務明顯轉向算力服務，算力收入佔比較高。

優勢包括：

• 算力服務已經成為主要業務；
• 收入增長真實；
• 項目逐步進入結算期；
• 利潤具備較大彈性。

主要風險：

• 固定資產和使用權資產增長較快；
• 資產回報率仍然偏低；
• 客戶和合同集中；
• 融資成本可能侵蝕利潤。

定位：算力業務純度較高，但需要驗證資本回報率。

第三層：長期商業模式更優，短期利潤彈性有限

優刻得

優刻得的價值不在於擁有多少GPU，而在於雲平台、算力調度、模型部署和MaaS能力。

優勢包括：

• 中立雲平台；
• 公有雲、混合雲和私有雲協同；
• 具備模型服務和算力調度能力；
• 更適合Token和API計費時代；
• 不完全依賴單一硬體租賃利差。

主要風險：

• 規模小於頭部雲廠商；
• 盈利能力剛剛改善；
• AI業務收入披露不足；
• 持續研發和折舊壓力較大。

定位：中長期平台型標的，等待AI雲收入加速。

網宿科技

網宿科技不是典型算力租賃公司，而是邊緣網路、CDN、安全和邊緣推理平台。

優勢包括：

• 分佈式邊緣節點；
• 低時延網路；
• CDN調度能力；
• AI安全和模型閘道器；
• 可以受益於推理流量下沉。

主要風險：

• 傳統CDN業務承壓；
• 邊緣AI收入仍需驗證；
• 算力租賃純度低；
• 短期彈性弱於GPU租賃公司。

定位：AI推理流量和邊緣計算受益標的。

第四層：合同彈性極大，但仍處於履約驗證階段

行雲科技

行雲科技披露的長期算力及記憶體合同金額相對上市公司現有收入體量非常大，具備較高想像空間。

優勢包括：

• 長周期算力合同；
• 固定服務費能夠提供一定收入保障；
• 控股股東具備跨境供應鏈資源；
• 理論利潤彈性較高。

主要風險：

• 合同金額遠大於現有收入；
• 大量算力單元尚未交付；
• 需要大量融資和伺服器採購；
• 客戶採用代號，信用質量難以完整核驗；
• 延遲交付可能觸發合同解除；
• “Token收入相關服務費”不等於實際Token收入分成。

定位：高賠率訂單期權，尚不是成熟基本面標的。

東陽光

東陽光擁有原有產業和現金流底盤，並披露多筆大額算力服務合同。

優勢包括：

• 原有產業規模較大；
• 融資和供應鏈能力理論上強於純轉型公司；
• 合同規模大；
• 可能形成機房、伺服器和維運協同。

主要風險：

• 需要投入巨額資金採購伺服器；
• 伺服器必須通過客戶驗收才能計費；
• 合同金額不等於業績承諾；
• 融資成本和裝置折舊可能顯著侵蝕利潤；
• 客戶解除權和硬體殘值風險較高。

定位：高彈性重資產算力租賃項目，等待首批收入確認。

第五層：算力尚未改變整體盈利趨勢

潤建股份

潤建股份具備算網維運、Token工廠和算力調度佈局。

優勢包括：

• 通訊網路維運能力；
• 地方政企客戶基礎；
• 算網平台和Token工廠概念；
• 具備算力調度和維運基礎。

主要風險：

• 算力收入佔整體收入比例仍低；
• 主業利潤明顯承壓；
• Token工廠尚未形成可觀利潤；
• 算力業務是否能夠改善整體毛利率尚不明確。

定位：暫不作為基本面優先標的。

六、後續最可能的A股交易節奏

第一階段：財報對應和情緒擴散

微軟、亞馬遜雲業務超預期，短線資金通常先交易：

• 海外AI硬體供應鏈；
• 資料中心；
• 液冷和電源；
• 算力租賃；
• 大額合同型公司。

這一階段往往是高彈性公司表現更強，市場暫時不嚴格區分收入質量。

第二階段：類股內部強弱分化

行情持續後，資金開始比較：

• 誰已經確認收入；
• 誰的利潤增速更高；
• 誰的合同已經驗收；
• 誰的資金壓力更小；
• 誰的現金流更好。

這一階段利通電子、宏景科技、協創資料等已有業務兌現的公司，通常更容易獲得基本面資金關注。（進行中）

第三階段：中報和季報驗證

進入財報期後，市場將重點檢查：

• 算力服務收入；
• 伺服器銷售收入；
• 毛利率；
• 財務費用；
• 固定資產和使用權資產；
• 經營現金流；
• 應收帳款；
• 預付款和合同負債。

如果收入增長但現金流和利潤沒有同步改善，行情容易退化為主題炒作。

第四階段：向MaaS和AI應用擴散

如果國內雲廠商同樣出現雲收入加速、Token呼叫增長和AI應用付費提升，資金可能進一步向：

• 優刻得等AI雲平台；
• 網宿科技等邊緣推理；
• MaaS平台；
• AI應用和Agent公司；

進行擴散。

這將標誌著行情從“賣鏟子”進一步進入“AI商業化”。

七、最終判斷

微軟和亞馬遜近期股價表現強勁，標誌著全球AI產業進入了新的定價階段。

過去市場主要交易：

• 買多少GPU；
• 建多少資料中心；
• 資本開支增長多少；
• 算力是否緊缺。

現在市場開始交易：

• 雲收入是否加速；
• AI收入是否可持續；
• 利潤率是否改善；
• 新增產能是否已有客戶；
• 資本開支能否產生現金回報；
• AI應用是否真正形成付費。

因此，A股算力行情仍然存在產業基礎，但選股方法必須變化。

未來能夠獲得持續估值溢價的，不會只是擁有伺服器、簽訂大額合同或公佈算力規劃的公司，而是能夠完成以下閉環的公司：

低成本獲得算力資源
→穩定交付和運行
→提高裝置利用率
→形成持續收入
→覆蓋折舊和利息
→產生經營現金流
→繼續投入下一輪擴張

從目前的公司結構看：

• 潤澤科技代表AIDC基礎設施和現金流確定性；
• 協創資料代表最快的收入利潤兌現；
• 奧飛資料代表被低估的成熟資料中心營運能力；
• 利通電子、宏景科技代表已有收入基礎的算力彈性；
• 優刻得、網宿科技代表從算力向MaaS和邊緣推理升級；
• 行雲科技、東陽光代表大額合同驅動的高賠率期權；
• 潤建股份仍需證明算力業務能夠改變整體盈利趨勢。

本輪A股算力租賃行情是否能夠從主題炒作升級為中期主升，最終取決於兩個條件：

第一，國內雲廠商和大模型公司的真實付費需求能否持續增長；
第二，算力租賃公司能否把合同和伺服器轉化為利潤與現金流。

如果這兩個條件同時滿足，行情路徑有望從海外硬體鏈逐步擴散至國內AIDC、算力租賃、雲平台和AI應用。 (IntelliVest)