一、结论：原回答方向基本正确，但不能直接当作买入清单#

综合评价：约 6.5/10。

原回答最大的问题不是“选错了很多公司”，而是把下面三件事混在了一起：

1. 公司处在好赛道。
2. 公司能把行业增长转化为利润和自由现金流。
3. 股票在当前价格仍有足够预期收益。

这三者必须分别判断。
好公司不等于好价格，行业增长也不等于股东回报。

2.1 成立的部分#

智能手机与 AI 都属于平台级技术迁移，具有几个相似特征：

• 底层基础设施先扩张；
• 产业链利润并不只属于终端平台；
• 硬件、制造、互联、软件和应用会分阶段受益；
• 早期最容易验证的是资本开支和订单；
• 后期最大的超额收益可能来自新应用和新商业模式。

因此，用“卖铲子—平台—应用”的结构研究 AI，是合理的。

2.2 不成立或需要修正的部分#

AI 并不是简单的“下一代智能手机”。

智能手机的核心变量是：

• 终端出货量；
• 换机周期；
• 移动操作系统；
• App Store 分发；
• 移动互联网用户时长。

AI 的核心变量则是：

• 训练和推理算力；
• Token 调用量；
• 云服务收入；
• 企业席位和客单价；
• 数据中心电力、网络和折旧；
• AI 对广告、软件和业务流程的增量利润；
• 模型能力与推理成本下降速度。

因此，更准确的判断应是：

AI 基础设施已经进入规模化商业阶段；企业应用处于早期到中期；消费级应用分化明显；不同细分环节并不处于同一个产业阶段。

把整个 AI 行业统一定义为“2009—2010 年”，会掩盖各环节的差异。

4.1 算力平台：GPU、ASIC、CPU 与软件生态#

代表公司： NVIDIA、AMD、Broadcom、海光信息、寒武纪。

核心驱动：

• 模型训练规模；
• 推理调用量；
• 单位推理成本下降；
• 软件生态和开发者黏性；
• 芯片供货能力。

主要壁垒：

• 芯片性能与能效；
• 编译器、软件栈和开发工具；
• 网络与整机协同；
• 客户迁移成本。

主要风险：

• 云厂商自研 ASIC；
• 推理效率快速提高；
• 出口限制；
• 高估值；
• 先进制程和供应链约束。

4.2 晶圆制造与先进封装#

代表公司： TSMC。

核心驱动：

• 先进制程需求；
• 大尺寸 AI 芯片；
• Chiplet；
• 先进封装；
• 资本开支扩产。

主要风险：

• 地缘政治；
• 超大规模资本开支；
• 客户集中；
• 先进节点扩产回报；
• 周期波动。

4.3 HBM 与内存#

代表公司： Micron、SK Hynix、Samsung。

核心驱动：

• 单颗加速器搭载 HBM 容量；
• HBM 代际升级；
• 良率；
• 封装能力；
• 合同价格。

主要风险：

• 存储行业固有周期；
• 扩产后供需反转；
• 良率和认证不达预期；
• 客户议价。

4.4 高速网络与光互联#

代表公司： Broadcom、Arista、中际旭创、新易盛、天孚通信。

核心驱动：

• GPU 集群规模；
• Scale-up 和 Scale-out 网络；
• 800G 向 1.6T 升级；
• 交换机端口数量；
• 数据中心互联。

主要风险：

• 客户集中；
• 产品降价；
• 技术路线变化；
• CPO、硅光和新封装方案替代；
• 产能扩张后竞争加剧。

4.5 服务器、机架与 ODM#

代表公司： 工业富联、浪潮信息、中科曙光、Dell、Supermicro。

核心驱动：

• GPU/ASIC 服务器出货；
• 高密度机架；
• 液冷服务器；
• 云厂商采购；
• 国产算力集群建设。

主要风险：

• 毛利率偏低；
• 客户集中；
• 营运资金占用；
• 收入确认和商业模式变化；
• 上游芯片供给；
• 价格竞争。

4.6 PCB、连接和信号链#

代表公司： 沪电股份、胜宏科技、澜起科技。

核心驱动：

• 高速交换机；
• AI 服务器；
• 高多层 PCB；
• 高速信号完整性；
• PCIe、CXL 与内存接口升级。

主要风险：

• 大客户认证；
• 产品良率；
• 新产能爬坡；
• 技术迭代；
• 下游削减资本开支。

4.7 电力、液冷和数据中心基础设施#

代表公司： Vertiv、英维克及相关电源、配电、制冷企业。

核心驱动：

• 单机柜功率提升；
• 液冷渗透率；
• 数据中心新建；
• 电网接入和备用电源；
• PUE 改善。

主要风险：

• 项目制业务；
• 回款周期；
• 竞争者进入；
• 客户自研；
• AI 芯片能效提升降低单位需求；
• 电力基础设施建设滞后。

4.8 云平台、模型和应用#

代表公司： Microsoft、Alphabet、Amazon、Meta、Palantir、金山办公、科大讯飞。

核心驱动：

• 云服务增量收入；
• AI 席位付费；
• API/Token 收入；
• 广告转化率；
• 客户留存和扩张；
• AI 对人力和流程成本的替代。

主要风险：

• 推理成本过高；
• 免费功能侵蚀付费；
• 模型同质化；
• 数据合规；
• 客户试用后不续费；
• 应用公司估值提前透支多年增长。

5.1 对原 A 股名单的具体修正#

第一层：平台型核心资产#

这一层的共同特点是：

• 既有 AI 受益，又有既有业务现金流；
• 不完全依赖单一产品；
• 产业位置和客户黏性较强。

但它们仍然不是“无风险资产”。
尤其应观察 AI 资本开支能否转化为收入、利润和自由现金流。

第二层：高增长但周期或竞争风险更高#

这里的风险并不相同：

• Amazon 和 Meta 是平台与现金流公司；
• AMD 是芯片挑战者；
• Micron 是典型周期资产。

它们不能因为都属于 AI，就使用相同估值方法。

第三层：应用高弹性、估值敏感#

Palantir 能证明企业 AI 应用可以产生真实收入，但这不代表任何价格都合理。
它更适合被归入高估值、高增长卫星仓，而不是与 Microsoft、TSMC 放在同一风险等级。

8.1 AI 主题仓建议结构#

8.2 仓位纪律#

• 单一普通标的原则上不超过 AI 主题仓的 8%—10%；
• 未稳定盈利或极高估值标的不超过 3%—5%；
• 光模块、PCB、服务器等同一 CapEx 因子合计不宜过高；
• 分 3—4 批建立仓位，避免在单一业绩或主题催化后追涨；
• 不以“股价跌了很多”作为补仓的唯一理由；
• 先定义基本面失效条件，再决定仓位。

9.1 云厂商资本开支与 AI 收入的匹配度#

需要同时观察：

• CapEx 增速；
• AI/云收入增速；
• 折旧费用；
• 自由现金流；
• 数据中心利用率。

如果资本开支持续上升，但 AI 收入和自由现金流没有同步改善，基建链估值会承压。

9.2 GPU 与 ASIC 的份额变化#

观察：

• NVIDIA 通用 GPU；
• 云厂商自研 ASIC；
• Broadcom 定制加速器；
• AMD 第二供应来源；
• 推理场景是否更快转向低成本芯片。

ASIC 增长不一定意味着 NVIDIA 立即失去市场，但可能改变长期利润分配。

9.3 HBM 和先进封装供需#

观察：

• HBM 合同价格；
• 良率；
• CoWoS 和其他先进封装扩产；
• 交货周期；
• 客户认证。

供给紧张带来高利润，供给释放也可能带来价格和利润率下行。

9.4 800G、1.6T 与新互联技术#

观察：

• 1.6T 放量节奏；
• 单位速率价格下降；
• CPO 和硅光；
• 交换机平台升级；
• 客户集中度。

产品升级可以推动收入，但价格下降和技术替代会影响利润。

9.5 中国国产算力的真实商业化#

观察：

• 芯片实际出货；
• 软件适配；
• 客户复购；
• 毛利率；
• 存货；
• 应收账款；
• 政府补贴占利润比例。

国产替代逻辑不能只用政策和订单公告验证，最终必须落到现金流和可持续盈利。

9.6 AI 应用付费与留存#

观察：

• AI 付费用户数；
• 续费率；
• ARPU；
• API/Token 收入；
• 毛利率；
• 客户使用频率；
• AI 是否带来增量收入，而非仅替代原有功能。

全球公司与产业数据#

• NVIDIA FY2027 Q1 Results
• TSMC 2026 Q2 Results
• Microsoft FY2026 Q3 Earnings
• Alphabet 2026 Q2 Earnings Call
• AMD 2026 Q1 Results
• Broadcom 2026 Q2 Results
• Micron 2026 Q3 Results
• Palantir 2026 Q1 Results

A 股公告与年报#

• 海光信息 2026 年半年度业绩预告
• 工业富联 2026 年第一季度报告
• 沪电股份 2025 年年度报告
• 中际旭创 2025 年度业绩预告
• 新易盛 2026 年半年度业绩预告
• 科大讯飞 2025 年年度报告
• 澜起科技 2025 年年度股东会材料
• 胜宏科技 2025 年年度报告
• 英维克 2025 年年度报告

免责声明#

本文仅用于产业研究和投资框架讨论，不构成针对任何个人的证券投资建议、资产配置建议、买卖指令、目标价或收益承诺。文中公司可能存在估值过高、业绩不及预期、行业周期、政策、监管、汇率、地缘政治和流动性风险。投资者应结合自身资金期限、风险承受能力、税务和账户条件独立决策。