对本轮AI财报季的总结与思考

风险提示：本文所提到的观点仅代表个人的意见，所涉及标的不作推荐，据此买卖，风险自负。

作者：陆家嘴幽灵

来源：雪球

美股新一轮财报季 ， AI科技板块几大主要玩家的披露告一段落 ， 叠加国内中报季 ， 简单做个总结分享 。

01
美股AI财报季总结

此前市场对AI板块的担忧集中在是否过度投资 、 超大规模云厂商资本开支能否持续 、 大模型ARR增速放缓等问题上 。 但从本轮财报的交叉验证来看 ， 算力基建并未有放缓迹象 ， 相反能见度甚至在向2028年延伸 。

1. 算力需求远未见顶

以英伟达为例 ， 二季度营收962亿美元 ， 同比增长106% ； 其中数据中心业务收入890亿美元 ， 占比高达92.5% ， 同比增长117% 。 值得注意的是客户结构的变化 ， 涵盖AI云 、 工业 、 企业和主权AI的ACIE业务收入达到403亿美元 （ 同比增长138% ） ， 规模已逼近传统超大云厂商 （ 487亿美元 ） 。

这表明算力采购正在快速从少数头部云巨头向更广泛的主权实体和企业级客户扩散 。

英伟达拆解了数据中心单位电力的营收转化逻辑 ： 从Hopper时代的约180亿美元/GW ， 到Blackwell时代的约250亿美元/GW ， 再到Vera Rubin时代单吉瓦对应营收机会高达400亿美元 。 整机柜系统迭代使得每兆瓦吞吐量提升了30倍 ， 单Token成本降低了35倍 。

极高的生产率让下游算力租赁具备了极强的单位经济模型 。

以往 ， 管理层很少会给出跨年的具体收入指引， 但这次英伟达 、 博通都在电话会上给出了长线指引 ：

英伟达 ：预计2028财年营收将实现约70%的同比增长 。 管理层特别强调 ， 这依然是一个受到晶圆代工 、 先进封装 、 HBM及电力严格约束的数字 ； 若非受限 ， 预测的需求增速接近100% ；

博通 ：预计2027财年AI半导体收入将接近翻倍至1150亿美元 ， 2028财年将再次翻倍达到2300亿美元 。 这一指引是基于其6家核心大客户 （ 包括A家规划在2027年部署的5GW算力和OA在2028年规划的超5GW算力 ） 实质性的锁定需求 。

如果说博通代表上游芯片设计端的乐观 ， 那么身处下游交付端的戴尔 ， 则用订单数据完成了逻辑闭环 。 戴尔Q2单季收获609亿美元AI服务器订单 （ 上季240亿美元 ） ， 期末AI服务器积压订单总量更是高达创纪录的950亿美元 ， 相当于未来近6个季度的确认收入规模 。

上下游数据互证打消了市场对于算力需求的疑虑，科技巨头的算力竞赛正处于加速兑现期。

2. 算力格局双轨并行

随着AI集群从万卡向十万卡级别演进 ， 算力生态的底层路线之争已经较为清晰 ： 通用GPU与定制ASIC正形成双轨并行的格局 。

博通本季AI半导体收入同比增长221%至167亿美元 ， 占其半导体总收入的80% 。 头部模型实验室为了追求单位经济模型 （ 定制XPU成本不到高端GPU的一半 ） ， 正在大举采购博通的定制加速器 。

这印证了云巨头正试图摆脱对单一GPU依赖的战略 。

而另一边 ， 面对定制芯片的崛起 ， 英伟达同样做出回应 。 英伟达近期以35亿美元零息可转债形式注资联发科 ， 核心目的是强推其NVLink Fusion互联平台 。

背后的逻辑是 ： 云厂商可以找联发科设计定制ASIC ， 但这些定制芯片必须使用英伟达的互连技术 ， 最终接入英伟达主导的机架级AI系统中 。 通过这套动作 ， 英伟达将竞争壁垒从单颗芯片的算力参数向上迁移到了整个机架和网络互连的标准 。

无论底层芯片是GPU还是ASIC，只要总算力规模在扩张，巨头们都必须向这套互联高速公路缴纳过路费。

此前不久 ， 英伟达129亿美元收购Hugging Face ， 一系列动作都标志着其正加速完成商业模式扩展 。 从提供单一加速芯片 ， 到构建数据中心互联标准 ， 再到建立关键生态伙伴 ， 英伟达正不断向AI基础设施全栈运营商转变 。

在AI产业进入大规模基建的当下 ， 核心玩家的护城河已不再局限于单个硬件参数的领先 。

更重要的，是制定系统级连接标准的能力，以及在全球算力供应链中调配资源、分配利润的生态控制力。

3. AI重塑数据中心底层架构

此前市场普遍存在一种担忧 ， 认为企业有限的IT预算投入到昂贵的AI服务器后 ， 将会大幅削减传统IT设备采购 。 然而 ， 戴尔财报证伪了这一逻辑 。

戴尔财报数据显示 ， 在AI优化服务器营收翻倍的同时 ， 其传统服务器和网络业务营收同比增长122% ， 存储业务也实现26%的稳健增长 。

背后的逻辑是 ， 大模型运转绝非几台高算力服务器就能独立完成 。 它需要海量数据的筹备 、 清洗和传输 ， 这倒逼企业必须对老旧数据中心的存储架构 、 网络带宽以及安全系统进行全面现代化改造 。 同时 ， 运行多并发Agent的推理工作流 ， 也激发出对高规格CPU服务器的增量需求 。

此外 ， 博通在电话会上指出 ， 未来AI收入兑现的真正限制因素 ， 不再是需求端 ， 而是物理基础设施 ， 例如土地 、 电力并网 、 数据中心外壳以及先进封装基板产能 。

AI基础设施投资正在带动全体IT基建迎来一轮系统性的水涨船高。

02
国内AI中报总结

再说说国内中报季 。 全A非金融板块的利润增速达到15% ， 由负转正 （ 前年-10% 、 去年-2% ） ， 实现双位数正增长 。 在总量企稳的背后 ， 各板块的表现存在差异 。

1. AI产业链权重快速膨胀

如果将大约900家AI产业链相关公司剥离出来 ， 会发现其利润占全A的比例 ， 已经从去年约10%提高到了今年的18% 。 AI公司整体收入增长30% ， 利润增速接近80% ， ROE达到10%左右 ； 而同期非AI公司的利润增速仅为8%左右 。

总体上，AI产业链公司开始释放业绩，从核心环节向材料、设备等方向延申，汇聚的力量在变大；而另一边，非AI公司也在企稳回升。

市场资金向科技板块涌入 ， 并非单纯情绪 ， 而是沿着景气度与ROE回升的逻辑在配置 。

在AI内部 ， 二季度上中下游普遍都呈上升趋势 ： 上游加速 （ 利润翻倍的细分行业增多 ） 、 中游中枢提高 、 下游应用端增速向上 （ 平均提高约10个点 ） 。

AI产业链不仅上游景气度扩散 ， 中游和下游利润中枢也在积极兑现 。

2. 核心硬件表现

在算力硬件中 ，光模块是阿尔法最强的细分赛道 ， 核心企业中报利润增速普遍在150%到200%左右 。 在800G和明年1.6T需求接力的背景下 ， 板块未来几个季度环比加速的确定性很高 。

与此同时 ， AI的高景气正在向半导体上下游蔓延 ：

晶圆代工与设备 ：中芯交出了大超预期的财报 ， 产能利用率即将打满 ， EBITDA利润率向国际头部靠拢 。 半导体设备和零部件公司受国内逆周期扩产驱动 ， 预付款与合同负债高增 ， 下半年有望进入利润释放期 。

模拟与PCB ：Rubin架构推进带来了高速互联PCB的强劲需求 ； 而处于景气加速早期的模拟芯片 ， 头部公司未来三年有望迎来较高的利润增速 。

存储与光纤 ：存储板块业绩增速高 ， 不过内部也存在差异 ： 具备先进技术的原厂更具持续性 ， 而模组类公司更容易面临价格回落的压力 。 光纤光缆受空芯光纤 、 保偏光纤等多维AI需求拉动 ， 周期属性大幅弱化 ， 业绩同比翻倍 。

虽然算力仍受一定限制 ， 但企业广泛采用带来的规模经济 、 国产硬件占比提升 、 推理成本优化 ， 都将共同推动token单价下降 。

3. 互联网与软件表现

在应用端 ， 行业逻辑正在从上半年的Token Max （ 追求用量 ） 转向下半年的Token Optimization （ 追求性价比与ROI ） 。

互联网与模型 ：国内大模型的能力已逼近全球前沿 ， 更重要的是具备显著成本优势 （ API定价仅为海外10%-20% ） 。 腾讯 、 阿里等在经历资本开支效率优化后 ， 云业务恢复高速增长 。 不过 ， 资本开支大幅提高也导致了现金流承压 。

未来模型间差距会进一步缩小 ， 重心从跑分转向实际应用 、 用户采用和收入 。

软件 ：随着模型价格战的不断演进 ， 算力成本的下降将持续促进B端应用落地 。 拥有庞大企业客户基数 、 且真实将AI Agent接入产品工作流的SaaS软件公司 ， 其产品获得了提价与拓客的空间 ， 内在价值在中短期内有望迎来重估 。

另外 ， 虽然视频 、 音乐生态受到AI一定冲击 ， 但也验证了视频模型的商业化路径 。

03
总结

结合国内外市场表现 ， 本轮财报季传达的核心信息是 ：

产业趋势的强劲确定性与市场当前定价的焦虑，存在巨大的错配。

一方面 ， AI算力各环节的财报业绩呈现翻倍式增长 ， 景气度正从核心的存储 、 光模块 、 定制芯片 ， 向模拟芯片 、 晶圆代工 、 半导体设备甚至底层能源基础设施全面蔓延 。

限制收入确认的 ， 并非下游订单意愿 。

另一方面 ， 受制于整体流动性偏好与杠杆资金被动出清 ， 许多明年业绩能保持50%甚至100%增长的算力细分优势厂商 ， 其估值已经被压缩到了10倍-15倍PE的水位 ， PEG显著小于1 。 这种高增长与低估值的组合 ， 在科技股的历史上并不多见 。

此次财报季在总量上验证了基本面景气，这比筛选具体行业更为重要。

展望下半年 ， 几点值得关注 ：

第一，AI公司业绩可分类观察。第一类是收入利润全面高增 ； 第二类是合同负债 、 预收款增速放缓 ， 有待观察 ； 第三类是收入利润表现尚可 ， 但周转率和利润率并不突出 ； 第四类是收入增速偏低 。

第二，顺着交付的物理路径寻找卡位者。算力竞赛已从芯片 ， 蔓延至电力接入 、 液冷散热 、 高阶光互联 、 先进封装材料等 。 卡位交付环节的物理环节具备较强溢价能力 。

第三，关注每Token毛利与现金流：在模型成本不断下行的背景下，单纯的套壳应用将被加速出清。值得重视的 ， 是那些在传统主业具备稳定现金流能力 ， 同时能够将AI转化为垂直工作流工具 、 实质性降低交付成本或获得溢价的企业 。

企业的护城河已由单点技术演变为涵盖资本调度 、 标准制定与供应链把控的综合体系 。

短期的供应链缺料 、 海外监管的扰动 ， 亦或是大模型定价的竞争 ， 都只是产业在发展过程中遇到的摩擦 。 科技的巨轮不会因短时间的波动而停滞 。