2025年1月，DeepSeek-R1横空出世，硅谷的股票交易员们在睡梦中被叫醒。纳斯达克当天低开，英伟达单日蒸发近6000亿美元市值，单日跌幅17%。

　　彼时，华尔街的第一反应是恐慌：如果中国人能用更少的算力训练出同等水平的模型，AI基础设施的投资逻辑是否已经崩塌？

　　18个月后，答案来了——只是方向完全相反。K3的发布被华尔街机构称为“DeepSeek2.0时刻”，此次K3模型卡宣称性能接近Claude Fable5和GPT-5.6，而早期公开基准测试结果显示，在特定任务（如前端代码生成）上已超越两者之一或全部，关键是比Claude平均模型便宜40%，比它的Fable更是便宜70%。

　　然而，K3本身拥有2.8万亿总参数，已经属于目前全球最大的开源MoE（混合专家）模型之一，这也说明AI“规模定律”（Scaling Law）在当前阶段仍然成立。

　　换言之，砸钱、堆算力、扩大参数规模，仍是最有效提升模型能力的方法，这与DeepSeek时期追捧的提升效率截然不同。

　　这也是为何当前AI主题交易出现了明显分化——最舍得砸钱的公司股价却最承担抛压。6月，由微软、谷歌、Meta、亚马逊、苹果构成的超大规模云厂商一揽子股票累计下跌18%——这是自Meta 2012年上市以来，这个群体有史以来最惨烈的单一月份。

　　与此同时，AI硬件公司同期上涨16%，走出了一幅完美的“镜像行情”，半导体、存储等板块也被称为“AI资本开支的受益者”。

　　这也就是为何谷歌在7月23日发布逆天财报后，股价反而大跌，资本开支的大增加剧投资者对未来AI能否盈利的担忧；另一边，存储、半导体股价则大幅反弹，因为无论AI结局如何，拼算力仍是未来几年的主题。

　　作为第一个发布财报的主要科技巨头和云服务商，谷歌业绩大超预期，云服务收入同比大增超80%，但上调资本开支令市场受惊，盘后跌4%。

　　财报发布后，谷歌在电线年全年资本开支指引从此前的1800～1900亿美元上调至1950～2050亿美元，上调约150亿美元，主要原因是“加速交付产能以满足日益增长的需求”。公司同时预告2027年资本开支将继续大幅增加，具体数字待日后公布。

　　2026年全球前五大云服务商资本开支总额将超过8000亿美元，2027年有望进一步增至1万亿至1.2万亿美元；若扩大至前14大云服务商，资本开支年化增速已超90%。目前AI算力供需紧张局面尚未缓解。

　　AI资本开支不会停止增长，核心依据是“杰文斯悖论”（Jevons Paradox）的持续有效——该经济学原理指出，当技术进步压低资源使用成本、提升利用效率时，总需求往往不降反升。这一框架早在“DeepSeek时刻”便已进入市场主流讨论，如今更是进一步得到验证。

　　——据笔者了解，智谱正依托1GW级AI数据中心布局，已建成多个万卡级AI算力集群。据悉，该1GW智算中心将为其下一代基座模型的训练提供充沛算力保障。

　　AI产业链研究人士向笔者分析，Kimi K3首先改变的是AI利润池在模型厂商与下游客户之间的分配格局，而非行业整体的芯片消耗量。换句话说，最先承压的是美国前沿大模型公司的估值溢价，而非硬件需求本身。

　　2.8万亿参数量级的超大模型，仅完成模型加载就至少需要10张GB300级别的顶级GPU。本地部署虽然省去了API调用费用，却必须在本地显存容量、内存带宽和多卡互联网络上投入大量硬件成本——这笔账，并不比云端便宜。

　　K3验证了稀疏架构与训练方法的效率提升，进而引发了对英伟达、博通、台积电的恐慌性抛售。但这一推导忽略了一个乘法关系：训练算力的总需求，等于单次训练成本乘以训练频次。即便K3将单次训练成本压低40%，中美模型军备竞赛若同步推动头部实验室将训练频次翻倍，总训练算力需求的净结果反而是增长20%。效率提升，反而为更高强度的竞争提供了弹药。

　　说到AI硬件板块，当前最紧缺的环节无疑是存储板块。随着AI服务器持续扩容，高带宽存储（HBM）以及DRAM需求快速增长。如果没有HBM配套，GPU的算力发挥不出来。这也是为何三星、SK海力士、美光科技、闪迪的股价在今年都不断翻倍大涨。

　　DRAM主要应用于PC、智能手机及普通服务器，其产品标准化程度较高，价格受供需关系影响明显，具有典型的大宗商品属性；而HBM则属于AI GPU核心配套产品，是当前AI训练和推理所必需的高端存储器，技术壁垒远高于普通DRAM。

　　AI硬件就是半导体。当前，AI产业真正的瓶颈依然是半导体，这也是因为AI对于算力的需求不断提升。

　　5年至10年的长期供应协议，这意味着行业未来波动性有望下降，长期成长逻辑更加明确。

　　GPU之外，AI推理（Inference）和AI Agent的发展也正推动CPU重新进入增长周期。近一年来，ARM、高通、博通、英特尔等都是因为CPU主题而重新获得投资者热捧的公司。

　　CPU行业相对平淡，但现在随着AI推理快速发展，CPU产业链重新开始复苏，也有机构预计，相关产业未来有望实现4至5倍增长，并带动服务器、封装测试等上下游同步扩张。

　　AI发展的最大瓶颈之一也将来自网络传输。很多时候AI不是在思考，而是在等待数据。随着AI集群规模持续扩大，数据中心网络正从400G快速升级至800G，并进一步迈向1.6T时代。在这一过程中，光模块、光芯片、高速PCB、交换机等产业链均将持续受益。

　　AI硬件领域拥有话语权，因为中国拥有全球竞争力较强的光通信产业链，而随着AI集群不断扩大，相关行业未来3至5年仍具有巨大成长空间。同时，光纤、PCB也是关键的组成部分。

　　AI硬件公司，超大型云服务商等科技巨头（谷歌、微软、Meta等）则遭到投资者抛售。原因只有一个——他们是这轮AI算力竞赛的资本开支承担者，而盈利前景却扑朔迷离。

　　4月，公司刚刚将全年资本开支预期上调至180亿至190亿美元；此次又进一步提高至195亿至205亿美元。这已经是Alphabet今年第二次上调资本支出目标。

　　——如此庞大的AI资本投入，何时才能真正转化为持续盈利？不少机构认为，只要这一问题尚未得到明确答案，而公司估值又处于较高水平，即使短期财报表现优异，股价仍可能面临回调压力。

　　AI硬件板块或仍是资金的最佳去处。而云厂商估值已大幅回落，凭借稳定盈利和较强业绩确定性，投资价值或许在大跌后会逐步显现，下跌买入的策略似乎仍被接纳。