AI 算力栈:钱正在沿着这个栈,从芯片流向电力

「行業研究」AI 算力棧系列·第一篇。存儲那條鏈,我們是從下往上看(HBM 如何卡住 GPU)。這個系列,我們換個視角——把整個算力棧攤開,看錢正在沿着它流向哪裏。

01先把「算力棧」攤開

談 AI 投資,大多數人眼裏只有一個詞:英偉達。但英偉達只是一座冰山的尖。要看清這一輪的錢往哪流,得先把整個**算力棧(compute stack)**攤開。

從下到上,一個 AI 數據中心大致是這樣一個棧:

這四層,共同構成了「把電變成 AI 算力」的完整鏈條。芯片再強,也得插在服務器上;服務器要靠高速網絡互連成集羣;集羣要裝進數據中心;而數據中心,要喝掉海量的電。

理解這個棧,關鍵在一句話——這條鏈上,真正稀缺的環節,會隨時間移動。而每一次移動,都是一次利潤的重新分配。

02瓶頸的第一次移動:從「算力」到「帶寬」

第一個瓶頸,大家都熟悉:GPU。

2023-2024 年,AI 投資最稀缺的就是英偉達的 GPU。誰能搞到 H100、GB200,誰就掌握了算力。利潤高度集中在芯片層,英偉達賺走了這條鏈上絕大部分的錢。

但瓶頸很快開始移動。第一次移動,是從「算力」到「帶寬」——也就是我前面存儲系列講的 HBM 的崛起。當 GPU 不再是唯一稀缺品、當數據「喂不喂得進 GPU」成了新瓶頸,價值就從純算力流向了 HBM。這是瓶頸的第一次下移,海力士、美光吃到了這波紅利。

緊接着,瓶頸又移到了網絡互連。當 AI 訓練要把成千上萬張 GPU 連成一個集羣協同工作時,GPU 之間的通信速度成了新瓶頸。一張 GPU 算得再快,如果和隔壁 GPU 的數據交換慢,整個集羣效率就上不去。於是價值又流向了高速互連和光通信——這正是我之前寫光纖那篇的核心邏輯:在 AI 數據中心裏,光模塊、交換機、未來的 CPO(光電共封裝),是連接千萬張 GPU 的「血管」,而血管,在集羣規模爆炸時,成了卡脖子的環節。

看到這個模式了嗎?瓶頸像一個沿着棧往下游移動的光標:GPU → HBM → 網絡互連 → ……每移動一步,就有一批新的公司,從配角變成主角。

而現在,這個光標移到了最底層、也是這一輪最反直覺的一個瓶頸——電力。

03瓶頸的最新落點:電,成了 AI 最硬的約束

這是這一篇我最想講透的一點——AI 這一輪擴張,正在撞上一堵誰都沒料到會這麼硬的牆:電不夠。

聽起來荒誕:全世界最前沿、最高科技的產業,居然被一個最「土」的東西——電——卡住了脖子。但這是正在發生的現實。

邏輯鏈條是這樣的:

第一,AI 數據中心是「電老虎」。 一個大型 AI 數據中心的耗電量,可以相當於一座中型城市。訓練和運行大模型,本質上是把海量的電,通過 GPU,轉化成算力。模型越大、集羣越大,吃電越狠。

第二,電網跟不上。 美國的電網,過去二十年增長緩慢——因為此前電力需求基本平穩(能效提升抵消了增長)。結果是,當 AI 數據中心突然提出天量的、集中的用電需求時,電網沒有準備好:發電不夠、輸電線路不夠、變電站不夠、併網審批要排隊數年。在一些數據中心聚集的地區,「能不能搞到電」已經取代「能不能搞到 GPU」,成了建設的第一約束。

第三,這把矛盾逼出了一系列前所未有的操作。 當公用電網喂不飽 AI 時,科技巨頭開始自己解決電的問題——直接去買電廠、籤核電長約、甚至投資小型模塊化核反應堆(SMR)。微軟簽下重啓三里島核電站的協議、亞馬遜和谷歌投資 SMR、各家搶購燃氣輪機……當世界上最有錢的科技公司開始親自下場買電、建電,你就知道電這個瓶頸有多真實了。

這就是瓶頸移動的最新落點。價值的光標,從芯片,一路下移到了整個棧的最底層——電子(electron)本身。在 AI 時代,電,第一次成了一種戰略稀缺資源。

04為什麼「電力」可能是下一個十年最確定的故事之一

我對 AI 投資一向保持警惕(後面會講風險)。但在整個 AI 敍事裏,「電力」這條線,是我覺得確定性相對最高的一條。原因有三:

第一,它的需求是「派生」的、且滯後的。 電力需求,派生自數據中心的建設——而數據中心的建設已經是板上釘釘的、未來幾年的資本開支。也就是説,即使 AI 應用層的故事還很虛(誰會贏、能不能賺錢都沒定),但「這些已經在建的數據中心需要電」是確定的。電力需求,某種程度上是 AI 資本開支裏最不依賴「AI 最終能不能賺錢」的那部分——因為機房只要建了,就要喝電。

第二,供給端極度剛性,漲價彈性大。 發電廠、輸電線、電網設備,建設週期以年甚至十年計,供給沒法快速增加。當需求突然暴漲而供給剛性,結果就是:發電資產的價值重估、電價上行、電力設備(變壓器、電纜、燃氣輪機)的訂單爆滿。這是一個典型的「需求突變 + 供給剛性」的格局,和存儲 HBM 的邏輯異曲同工——稀缺的環節,定價權最強。

第三,它受益於一個「跨敍事」的需求。 電力不只服務 AI。電動車、再製造業迴流、整體電氣化,都在抬升電力需求(還記得我寫能源轉型那篇)。AI 只是這股電力需求浪潮裏,最猛、最集中的那一波。所以哪怕 AI 單獨的故事降温,電氣化這個更大的趨勢仍在託底電力需求。 這讓電力這條線,比純 AI 的標的多了一層安全墊。

落到美股,這條線上的卡位大致是:獨立電廠 / 公用事業(尤其手握核電、能籤數據中心長約的)、電力設備(變壓器、電網設備——這是真正的「賣鏟子」)、燃氣輪機制造、以及核電與 SMR 這個高彈性、高不確定的前沿。這些,是「不賭哪個 AI 模型贏,只賭 AI 要喝電」的卡位。

05我的警惕:別把「賣鏟子」當成無風險

講了這麼多電力的確定性,我必須潑一盆冷水——「賣水給淘金者」這套邏輯,本身藏着一個被濫用的陷阱。

「淘金時賣鏟子最穩」是句被説爛的投資格言。它的問題在於:當所有人都知道「賣鏟子最穩」時,鏟子也會被買貴。 今天市場已經充分意識到了「AI 缺電」這個故事,電力、電網設備、核電相關的標的,很多已經price in 了大量樂觀預期。一個正確的邏輯,加上一個過高的價格,依然是一筆糟糕的投資(還記得我在《市場先生》和估值那些筆記裏反覆講的——再好的公司,買貴了也是虧)。

更深一層的風險是——電力需求的「確定性」,終究還是建立在 AI 資本開支持續的假設上。我前面説電力是「最不依賴 AI 賺不賺錢」的一環,那是相對的。如果 AI 資本開支整體大幅放緩、在建的數據中心被砍單,那「確定的電力需求」也會跟着打折。已經籤的長約能託一陣,但新增需求會熄火。電力這條線的安全墊比純 AI 厚,但它不是絕緣的。

還有一個具體風險:週期與超建。歷史上每一次「需求暴漲 → 瘋狂建產能」的故事,最後往往以產能過剩收場(存儲業就是活教材)。如果電力和數據中心被過度建設,幾年後可能出現局部過剩。今天的瓶頸,會催生明天的過剩——這是產能型行業逃不掉的宿命。

所以我的立場是:電力是 AI 算力棧裏確定性相對最高的一條線,值得重點研究;但「確定性高」不等於「現在買就對」。邏輯對、價格貴、且仍繫於 AI 資本開支這個總開關——這三點要一起看。

06寫在最後

把整個 AI 算力棧攤開,你會看到一幅清晰的、正在移動的圖景:價值,像一個光標,沿着棧從上往下移動——從 GPU,到 HBM,到網絡,到數據中心,到電力。每移動一步,就有一批新公司從配角變主角,也有一批舊主角的超額利潤開始被稀釋。

這個「瓶頸移動」的視角,比死盯着英偉達,能讓你看到更完整的機會地圖。它告訴你:這一輪 AI 的紅利,從來不只在芯片層,它在沿着整條鏈分配,而且分配的重心在不斷下移。今天它移到了那個最「土」、卻最硬的約束上——電。

但這個視角也提醒我一件事:瓶頸會移動,意味着沒有哪個環節的超額利潤是永久的。 今天卡脖子的電力,會吸引天量的投資去解決它,而解決它的過程,本身就在為下一次過剩埋種子。看懂一條鏈,不只是看清當下的瓶頸在哪,更是看清這個瓶頸會怎麼被填平、然後下一個瓶頸會冒在哪裏。

所以,如果只留一句——

在 AI 這條算力鏈上,別隻盯着最亮的那個環節(芯片)。盯着瓶頸,因為利潤跟着瓶頸走;但也別忘了,瓶頸一旦被看見,就開始被填平——今天的稀缺,正在製造明天的過剩。

下一篇,我們回到這條鏈最亮的那個環節——英偉達,聊一個所有人都在問、卻很少被認真回答的問題:它的護城河,到底還能守多久。

——

風險提示:本文為產業鏈研究,所涉行業與公司僅作分析示例,不構成任何投資建議。市場有風險,投資需謹慎。