AI Infrastructure
AI 的物理构建层——加速器、高级封装、高带宽内存、数据中心网络和 GPU 云——其中超大规模资本支出直接转化为硬件需求。
故事
AI 工作负载已引发现代历史上最大的基础设施建设之一，仅美国最大的四家超大规模企业就计划在 2026 年大幅增加资本支出，其中约四分之三用于 AI 计算。对加速服务器、先进节点芯片和高带宽内存的需求在整个链条中都超过了供应，导致代工厂封装、内存和网络容量在结构上一直紧张到 2027 年。其结果是多年的需求拉动，而不是单一的产品周期，由长期资本支出承诺和数十亿美元的积压订单支撑。
到2030年的展望
到 2030 年，麦肯锡预测累计计算价值链投资在基本情况下约为 5.2 万亿美元（其中约 3.3 万亿美元为 IT 设备），这由估计的 125 吉瓦 AI 数据中心容量的增量驱动。经济学从训练主导的需求转变为推理主导的需求，扩大了买方基础，并提高了定制加速器和基于以太网的 AI 结构的市场份额。瓶颈随着时间的推移从原始 GPU 供应转移到电力、高级封装、内存和网络——使得镐和铲层变得越来越具有价值关键性。
是什么在推动资本
目前将资金导入该主题的力量。
超大规模企业 2026 年资本支出增加
美国最大的四家超大规模企业预计 2026 年的资本支出将大幅增加，而 2025 年的资本支出约为 3880 亿美元，其中约 75% 用于 AI 基础设施。
HBM 和 DRAM 供应短缺
SK Hynix 报告称，其 2026 年的内存容量基本上已售罄，HBM4 的大规模生产提前到 2026 年初，结构性紧张将持续到 2027 年。
高级封装 (CoWoS) 容量提升
TSMC 正在将高级封装产能翻倍，但仍将其描述为“非常紧张”，使封装成为加速器输出的限制因素。
定制 AI 加速器 (XPU/ASIC) 扩展
超大规模企业定制芯片计划正在扩展，Broadcom 称已收到 100 亿美元的 TPU 机架订单，以及 110 亿美元的后续订单，将于 2026 年底交付。
领导者
结构性大盘股锚点——主题的较低方差敞口。
NVIDIA是AI基础设施堆栈的引力中心，有望在AI计算需求激增时占据超大规模企业资本支出的最大份额；其软件堆栈增强了GPU的通用性，推动收入超出可折旧寿命。
为什么兴奋: 管理层指出，数据中心收入为750亿美元，同比增长92%，这得益于对GB300和NVL72系统的强劲需求。
诚实的风险: 由于更高的内存和系统价格，消费者需求略有下降，表明对组件成本波动存在潜在的敏感性。
TSMC是AI基础设施的关键，几乎制造了所有领先的AI芯片。其近乎垄断的地位和3nm和2nm等先进工艺技术使其成为AI硬件支柱的结构性参与者。
为什么兴奋: TSMC的2026财年第一季度收益突出了领先工艺技术的优势，其中3纳米贡献了晶圆收入的25%，表明对AI相关芯片的强劲需求。
诚实的风险: 2纳米技术和海外晶圆厂的启动导致毛利率稀释，可能会在未来几年给盈利能力带来压力。
Broadcom是AI基础设施的结构性参与者，提供定制ASIC和网络解决方案，为超大规模企业的AI建设提供支持；其深厚的合作伙伴关系和关键的芯片地位使其成为参与AI资本支出周期的一种较低方差的方式。
为什么兴奋: Broadcom预计到2027年，AI芯片收入将超过1000亿美元，这得益于其客户群中定制AI加速器的部署。
诚实的风险: 依赖于集中的超大规模企业客户群使Broadcom面临潜在的需求变化或内部采购计划。
非对称玩法
具有更高上涨空间和更深潜在回撤的较小名称。
CoreWeave是一家专门从事GPU即服务的Neo云提供商，有望获得大量的AI基础设施支出，这得益于超大规模企业的重大承诺和快速扩张的合同电力足迹。但是，其较高的债务权益比值得警惕。
为什么兴奋: CoreWeave在2026财年第一季度签署了超过400亿美元的新承诺，使合同收入积压增加到近1000亿美元。
诚实的风险: 0.3的流动比率表明，鉴于扩展AI基础设施的资本密集型性质，可能存在潜在的短期流动性挑战。
非对称性: 如果GPU需求和执行力保持不变，则具有很高的上涨空间；如果AI资本支出放缓或融资收紧，则会出现深度回撤。
Astera Labs是一家规模较小、增长较快的AI基础设施公司，专注于连接数据中心内AI加速器的解决方案。该公司的重定时器和结构对于实现高性能AI系统至关重要。
为什么兴奋: Astera Labs预计到2026年及2027年，收入将实现强劲增长，这得益于AI结构以及向PCIe 6、800 gig和1.6T以太网连接的过渡。
诚实的风险: 作为一家规模较小的公司，Astera Labs更容易受到客户集中度和超大规模企业支出优先级潜在变化的影响。
非对称性: 与加速器数量相关的强劲上涨空间；如果单个大客户提前或放缓，则会出现急剧回撤。
Credo Technology Group是一家规模较小、高增长的互连公司，通过其有源电缆（AEC）和SerDes解决方案，充分利用了AI基础设施的建设。虽然风险较高，但Credo提供了来自数据中心机架密度上升和带宽需求加速的不对称上涨空间。
为什么兴奋: Credo管理层预计，在2025财年翻一番以上之后，2026财年的收入将增长两倍，这表明半导体领域的增长非常出色。
诚实的风险: Credo的规模较小和较高的估值（价格/销售额为37.7）使其更容易受到客户集中度和超大规模企业支出潜在变化的影响。
非对称性: AI网络加速带来的巨大上涨空间；鉴于客户集中度和估值，存在很高的回撤风险。
主题内部
子层和锚定每个子层的领导者。
常见问题
AI 基础设施股票在 2026 年仍然值得投资吗？
该论点基于超大规模企业在 2026 年的资本支出超过 4000 亿美元，以及到 2030 年代的购电协议可见性。这使得 AI 基础设施成为一个结构性的多年建设，而不是单年的峰值，尽管估值和资本支出速度是影响因素。
NVDA 还是较小的供应商？
NVIDIA 是结构性领导者和参考设计，但 CoreWeave、Astera Labs 和 Credo 等较小的供应商具有更高的不对称性——如果建设继续进行，则有更大的上涨空间；如果 AI 资本支出放缓，则有更深的回调。
AI 基础设施周期持续多久？
超大规模企业的购电协议已经延伸到 2030 年代，预计的建设以 20% 多的高位到 30% 多的低位的复合年增长率运行——这被定义为一个结构性而非单年的主题。
MoonshotScore 如何评估这个主题？
对于 AI 主题，该分数更侧重于收入增长、内部人士购买、研发强度和市场份额增长——这些因素将结构性赢家与动量名称区分开来。
主要风险是什么？
主要风险是超大规模企业从 2027 年开始的资本支出放缓、中国芯片限制以及 GPU 供应过剩——其中任何一个都可能迅速降低整个链条的评级。
研究来源
- IDC — Artificial Intelligence Infrastructure Spending to Reach $758Bn USD Mark by 2029
- IDC — AI Infrastructure Spending Caps Historic Year at ~$90 Billion in Q4 2025; 2029 Spending to Eclipse $1 Trillion
- McKinsey & Company — The cost of compute: A $7 trillion race to scale data centers
- Statista — Big Tech's AI Spending to Reach $725 Billion in 2026 (capex of Meta, Alphabet, Amazon, Microsoft)
- NVIDIA / SEC — NVIDIA Q4 and FY2025 Results (Form 8-K)
- Asia Business Outlook — TSMC 2025 Revenue Jumps 32% on Strong AI Chip Demand
- Futurum Group — Broadcom Q4 FY2025 Earnings: AI And Software Drive Beat
- Tom's Hardware — Samsung and SK hynix warn AI-driven memory shortages could last until 2027 and beyond
相关主题
Energy — The Electricity of AICopper — The AI BottleneckAI Agents & Agentic Software
教育内容，而非投资建议。过去的表现并不保证未来的结果。