昨晚，AI算力類股迎來久違的全面反彈。
美股雲廠商集體大漲， $亞馬遜 (AMZN.US)$ 收漲4.58%，時隔61個交易日再創歷史新高，總市值站上3兆美元上方。此外， $Google-C (GOOG.US)$ 、 $微軟 (MSFT.US)$ 漲超4%， $Meta Platforms (META.US)$ 漲超6%， $甲骨文 (ORCL.US)$ 更是走出了單日超9%的漲幅。
資金隨後迅速向高彈性的NeoCloud擴散： $CoreWeave (CRWV.US)$大漲近20%， $NEBIUS (NBIS.US)$上漲約12%， $IREN Ltd (IREN.US)$上漲約8%。
表面上看，這是AI算力類股經歷深度調整後的超跌反彈；但從「CSP先漲、NeoCloud跟漲」的資金路徑來看，市場正在重新評估一個更重要的問題：科技巨頭投入數千億美元建設AI基礎設施，究竟能不能賺到錢？
而新一輪CSP（雲服務提供商）業績，正在給出越來越清晰的答案。
一、CSP財報開始回答AI投資的回報問題
過去一年，市場對雲廠商AI軍備競賽的擔憂，可以概括為一條「舊敘事」：
大舉採購GPU、建設數據中心 → 折舊和資本開支援續上升 → 自由現金流承壓 → AI收入何時覆蓋投入仍不確定。
但本輪財報開始驗證另一條更積極的商業閉環：
Token調用量增長 → 企業AI採用和付費轉化加快 → 雲業務收入與利潤同步改善 → 雲廠商繼續上修資本開支 → GPU、光模塊、網絡設備及數據中心需求延續。
這並不意味著折舊壓力已經消失，而是市場開始相信：AI收入的增長速度，有機會逐步覆蓋折舊、利息及新增投資。
此前《亞馬遜算清「三年回本」帳：AI基建深度回調後，那些主線仍值得關注？》一文曾為牛友們梳理過關於AI投入投資回報率（ROI）的關鍵問題:亞馬遜CEO安迪·賈西表示，距離服務器與網絡設備投資盈虧平衡點已「不到三年」，AI投入回報的良性循環已經初步形成。
如果這一回收周期能夠持續，AI資本開支就不再只是消耗現金流的成本，而是能夠帶來後續收入和自由現金流的生產性資產。
華福證券判斷，從北美四大雲廠二季度財報來看，行業整體仍呈現高強度投入周期，當前市場關注焦點正加速轉向AI算力投入的ROI何時能夠兌現。華創證券則指出，CSP資本開支主線未反轉，但後續更應關注推理成本和現金流轉化。
換句話說，市場不再只是看雲廠商買了多少GPU，而是開始追問：這些GPU能產生多少Token、帶來多少收入，又需要多長時間收回成本。
二、算力需求持續外溢，NeoCloud獲得重新定價
CSP與NeoCloud的上漲，反映的是同一條AI需求主線，但兩者的定價邏輯並不完全相同。
CSP上漲，主要反映AI業務收入、利潤和投資回報預期改善；NeoCloud漲幅更大，則是因為市場同時上調了其算力利用率、訂單兌現和融資能力預期。
此前，市場一度擔心：超大規模雲廠商持續自建數據中心，最終可能擠壓第三方算力服務商的生存空間。但現實可能恰恰相反——AI需求的增長速度，仍然快於CSP自身數據中心的交付速度。
即使微軟、亞馬遜和Google不斷增加資本開支，其算力擴張仍受到電力供應、土地審批、機房建設周期、先進GPU供應及網絡部署等因素限制。
在需求快速增長、內部產能來不及交付的階段，CSP和企業客戶仍需要NeoCloud提供彈性算力。NeoCloud因此不只是CSP的競爭者，也可能成為其擴張算力的重要補充。CSP財報越能證明企業AI需求真實存在，市場就越願意上調NeoCloud的幾個核心預期：
1）GPU叢集的利用率能夠維持高位；2）長期算力合同具有更高兌現機率；3）訂單積壓能夠逐步轉化為收入；4）新建數據中心更容易獲得客戶和融資支援；5）算力供給擴張不一定意味著過剩，反而可能填補結構性缺口。
NeoCloud之所以反彈幅度更大，還在於其同時具備三重彈性：經營槓桿、財務槓桿和估值彈性。
當GPU利用率提高時，NeoCloud的大量固定成本可以被更多收入攤薄，盈利能力改善速度往往快於收入增速；當訂單能見度提高時，市場對其債務融資和後續擴張能力的擔憂也會下降；而在經歷深度估值壓縮後，風險溢價回落又會進一步放大股價反彈。
不過，這套邏輯同樣會反向運行。如果AI需求轉弱，NeoCloud的利用率、融資成本、資本開支和估值都可能同時承壓。因此，NeoCloud既是AI算力需求回升時彈性最大的方向之一，也是基本面出現波動時風險更高的環節。
三、大摩推算AI三大結局：不同模型生態下，那些股份最受惠？
除了CSP業績，開源權重模型的快速發展，也是市場重新評估AI算力需求的重要變量。一種常見擔憂是：如果開源模型性能不斷提升、推理價格持續下降，AI行業是否會出現算力需求見頂？
摩根士丹利認為，開源模型反而可能推動「傑文斯悖論」顯現：當單位智能成本下降，AI應用門檻隨之降低，企業和個人會開發更多應用、發起更多調用，最終推動Token總量和整體算力消耗上升。
因此，模型變得更便宜，並不等於算力需求下降。更可能出現的結果是，AI從少數高價值、高成本場景，擴散至海量低成本、高頻率場景。圍繞開源與閉源模型的競爭，未來可能形成三種主要格局。
情景一：閉源模型領先，價值繼續向科技巨頭集中
第一種情景是，以OpenAI、Google等為代表的頭部閉源模型持續保持領先。
大模型研發需要巨額算力、數據和資本投入，技術門檻與規模效應會令競爭優勢集中在少數科技巨頭手中。模型訓練規模越大、調用量越高，對GPU、交換機、光模塊、網絡安全及數據中心電力的需求也越強。
在大摩的推演中，這一情景下的核心受益者包括：
– 雲服務商： $Google-C (GOOG.US)$ 、 $亞馬遜 (AMZN.US)$ ；
– 模型及平台企業： $Google-C (GOOG.US)$ 、 $Meta Platforms (META.US)$ ；
– 半導體公司： $輝達 (NVDA.US)$ 、 $博通 (AVGO.US)$ ；
– 網絡與光通訊： $Arista Networks (ANET.US)$ 、 $Lumentum (LITE.US)$ 、 $Coherent (COHR.US)$ ；
– 網絡安全： $Palo Alto Networks (PANW.US)$ 、 $CrowdStrike (CRWD.US)$ 、 $Zscaler (ZS.US)$ 、 $Netskope (NTSK.US)$ 、 $Okta (OKTA.US)$ 。
閉源模型越強，AI訓練和推理任務就越可能集中在大型雲平台，產業價值也會繼續向上游集中：模型巨頭掌握用戶入口，雲廠商控制算力資源，輝達和博通則掌握核心晶片與網絡能力。
微軟在這一情景下仍然受益，但大摩將其列入「其他受益者」，而非最大受益者。這可能反映出，在純閉源模型競爭中，微軟一方面需要依賴外部模型合作夥伴，另一方面也要面對Google和亞馬遜在模型及雲服務上的直接競爭。
情景二：開源與閉源共存，多模型體系擴大受益範圍
第二種情景是，閉源模型與開放模型長期共存。這可能也是更接近現實的發展路徑。
對企業而言，並非所有任務都需要調用成本最高、能力最強的前沿模型。複雜推理和高價值任務可以交給閉源模型；內部知識庫、智能客服、代碼生成及垂直行業應用，則可以採用開源模型、私有模型或小型模型。
企業最終使用的很可能不是單一模型，而是一套根據成本、性能、安全性和部署方式靈活切換的多模型體系。
在這種格局下，受益範圍最為廣泛：
– $Google-C (GOOG.US)$ 、 $亞馬遜 (AMZN.US)$和 $微軟 (MSFT.US)$ 三大雲廠商均被列為核心受益者；
– $Datadog (DDOG.US)$ 、 $Palantir (PLTR.US)$ 和 $Appian (APPN.US)$ 等基礎設施軟件公司，受益於模型編排、監控及數據管理需求；
– $SAP SE (SAP.US)$ 、 $ServiceNow (NOW.US)$ 等企業軟件廠商，有望將AI能力進一步嵌入現有產品；
– $Palo Alto Networks (PANW.US)$ 、 $CrowdStrike (CRWD.US)$ 、 $飛塔資訊 (FTNT.US)$ 、 $Zscaler (ZS.US)$ 、 $Netskope (NTSK.US)$ 、 $Okta (OKTA.US)$ 、 $SailPoint (SAIL.US)$ 和 $Varonis系統 (VRNS.US)$ 等安全廠商，受益於多模型環境下更複雜的安全需求。
值得注意的是，大摩還將MiniMax、智譜、阿里巴巴和騰訊列入受益名單。這表明在大摩的框架中，中國模型廠商已不只是海外模型的低成本替代者，也正在成為全球開放模型生態的重要參與者。
混合模式還會推動AI算力在公有雲、私有雲和終端設備之間重新分配。一部分任務留在大型雲平台，另一部分則部署在企業服務器、私有數據中心或終端設備。因此， $戴爾科技 (DELL.US)$ 、 $慧與科技 (HPE.US)$ 、 $Everpure (P.US)$ 等本地基礎設施和設備廠商也有望受益。
情景三：開放模型成為主流，價值向平台、終端與管道擴散
第三種情景是，開源或開放權重模型逐步成為主流。
當開放模型與前沿閉源模型之間的能力差距縮小，同時調用成本持續下降，基礎模型本身將更難維持長期壟斷。企業可以自行下載、微調和部署模型，不必完全依賴單一閉源模型供應商。
在這種環境下，產業價值將由模型層向雲平台、本地部署、企業軟件、終端設備及管道商擴散。
大摩認為， $微軟 (MSFT.US)$ 可能成為這一情景下最大的雲服務受益者。原因在於，模型越開放，企業越需要一個統一平台來部署、管理、調用和整合不同模型。
Microsoft同時擁有Azure、Windows、GitHub、Microsoft 365、Copilot及龐大的企業客戶基礎。無論客戶最終採用OpenAI、智譜、MiniMax，還是其他開放模型，Microsoft都可以通過雲服務和企業軟件生態參與價值分配。其角色更接近AI時代的「操作系統＋分發平台」。
開放模型普及也會令AI部署從少數雲平台擴散至更多企業和終端：
– 模型廠商： $智譜 (02513.HK)$ 、 $MINIMAX-W (00100.HK)$ 、 $阿里巴巴 (BABA.US)$ 、 $騰訊控股 (00700.HK)$ ；
– 本地基礎設施： $戴爾科技 (DELL.US)$ 、 $慧與科技 (HPE.US)$ 、 $美國網存 (NTAP.US)$ 、 $Everpure (P.US)$ ；
– 邊緣設備： $戴爾科技 (DELL.US)$ 、 $慧與科技 (HPE.US)$ 、 $蘋果 (AAPL.US)$ ；
– 分銷商： $新聚思 (SNX.US)$ 、 $英邁科技 (INGM.US)$ 、 $CDW Corp (CDW.US)$ 。
開放模型越普及，企業部署AI的成本和技術門檻就越低，服務器、記憶體、PC、手機及管道服務需求也越容易擴散。
整體而言，三種情景的主要區別，不是算力需求會不會存在，而是模型價值和產業利潤最終由誰掌握。按照摩根士丹利的判斷，輝達及電力基礎設施企業在不同情景下均有望受益，因為無論模型以何種方式交付，Token調用量和算力消耗仍可能持續增長。相比之下，超大規模雲廠商的受益程度，則取決於開源、閉源及本地部署之間的市場份額變化。
四、AI基建正在進入「驗證回報」的新階段
昨晚AI算力類股的上漲，真正重要的不是單日漲幅，而是市場定價邏輯出現了變化。
過去，市場主要關注資本開支有多高、折舊壓力有多大；接下來，更重要的問題將變成：
Token調用量能否持續增長；企業AI能否轉化為真實付費；雲業務收入和利潤能否同步改善；NeoCloud訂單能否兌現為收入和現金流；AI收入增長能否最終覆蓋折舊、利息和新增投資。
如果這些指標持續改善，AI資本開支就不再是一場無法計算回報的「軍備競賽」，而會逐步形成「需求增長—收入兌現—繼續投資」的正向循環。
CSP財報正在證明，AI算力並非「只有投入，沒有回報」；而NeoCloud的大漲，則是市場開始為這條商業閉環重新定價。
這或許意味著，AI基礎設施的敘事並沒有結束，只是從「買多少GPU」，進入了更嚴格、也更健康的「誰能把算力變成收入和現金流」的階段。 (牛牛課堂)