站在分歧时点AI后续怎么看20260731

AI产业链研报；存储与CPU预期差凸显，云厂商订单加速释放 摘要 ·四大CSP资本支出指引积极，AWS积压订单从3,000亿激增至5,000亿美元，验证AI需求正加速转化为实际订单。●微软资本支出预测下调系会计政策变更(折旧年限15->25年),实际投资未减，Meta与Google均上修支出计划。●AI应用端降本增效显著,ServiceNow等B端业绩向上传导，形成“企业-SaaS-云厂商”的正向投资循环。●存储(DRAM/HBM)取代GPU成为AI硬件核心主线，Agent长上下文导致KVCache膨胀10倍以上，供需缺口预计持续至2027年。·CPU环节存在显著预期差，处理Agent长上下文使GPU:CPU配比从8:1向1:1甚至1:2演进，拉动CPU及接口芯片需求。●AI视频生成与金融应用有望接棒编程成为千亿美金市场，中国AIAgent渗透率不足10%,存在巨大资本开支潜力。●存储扩产带动国产半导体设备放量，中微公司(刻蚀)、拓荆科技(键合)、澜起科技(接口芯片)等标的受益。 Q&A 如何解读近期AI相关标的在不同区域市场以及软硬件之间的分化走势，尤其是在四大云服务提供商发布财报后，市场对AI产业持续性的分歧似乎有所加剧? 近期市场表现确实存在显著分歧。一方面，海外市场如美国和韩国的AI相关标的，包括存储和光模块领域，出现了强劲反弹。另一方面，国内市场则呈现高开低走的态势，反映出市场对AI产业持续性的疑虑。同时，软硬件之间也出现分化，部分AI应用表现相对稳健，而许多硬件标的则面临压力。然而，这种分歧可能被视为一个机会。首先，应用与硬件并非割裂。AI应用的超预期表现，例如ServiceNow的业绩，理应利好硬件，因为它验证了需求的真实性，从而为硬件投资注入信心，形成正向投资循环。其次，市场对未来的不确定性可能反应过度悲观。四大CSP的财报实际上提供了积极信号。尽管微软在口径上调降了全 年资本支出预测，但这主要源于会计政策变更，即将数据中心的租赁方式从融资租赁转为经营租赁，并将资产折旧年限从15年延长至25年。公司明确表示，实际投资额并未减少，且此项变更对2027财年(即2026年)的营业利润影响甚微。因此，这不应被解读为投资收缩的信号。其他CSP的资本支出均呈上调趋势。Meta和谷歌均上修了其资本支出计划。特别是AWS的财报表现尤为突出，其收入增速从2025年第四季度的24%和2026年第一季度的28%,大幅提升至第二季度的37%,同时营业利润率也从35%逐步攀升至近40%,实现了连续三个季度的加速增长。这表明一个健康的增长正循环已经形成。综上，从四大CSP的财报来看，AI需求的稳固性和可见性相较于财报发布前已大为增强，市场无需对AI的持续性过度悲观。 AWS最新财报揭示了哪些关键信息，这些信息对于判断AI需求的强度和可持续性有何启示? AWS的最新财报传递了三个层面的积极信号，显著增强了对AI未来需求的信心。首先，公司确认其资本支出决策有坚实的需求作为指引。服务器和网络设备的采购是在确认客户需求存在的前提下，提前数月进行的。如果需求不存在，就不会投入资本。这表明，其最新的全年2,200亿美元资本支出指引并非超前或粗放的投资，而是基于明确、坚实的需求预测。其次，公司对未来AI收入的展望极为乐观。其AT收入预计将从第一季度的150亿美元增长至第二季度的250亿美元，并给出了长期可达到万亿美元规模的方向性指引。虽然这并非正式的财务指引，但这一强劲的表态为市场注入了极大的信心。最后，从客户需求传导的视角看，AWS的积压订单从上一季度的3,000多亿美元激增至近5,000多亿美元、这清晰地表明，企业端对AI的需求正在加速转化为云厂商的实际订单。管理层的论述也证实，AI带来的投资增长不仅限于GPU服务器，还连带拉动了对CPU、硬盘驱动器等存储实例的需求，因为这些基础设施需要在同一个云厂商的数据中心内协同运作。 从ServiceNow等B端应用公司的业绩来看，AI技术在企业端的实际赋能效果如何，这种效果又是如何传导至上游云厂商的? B端应用公司的财报，特别是ServiceNow的业绩，清晰地展示了AI技术已在企业端产生显著的赋能效果，并形成了一个从终端用户到云厂商的完整正向传导链条。具体来看，AI为企业客户带来了双重价值。一方面是降本，企业通过使用CRM公司提供的AI智能体，能够节省大量人工成木。另一方面是增效，AI的应用提升了企业的交易签单率，直接促进了收入增长。这种降本增收的价值使得企业客户的复购意愿和重复签约率保持稳定，这些受益于AI的企业客户会持续向ServiceNow这类B端应用服务商下单。随后，B端应用公司再将这些需求传导至上游的云厂商，采购更多的服务器和云服务。这一传导路径清晰地体现在云厂商的业绩上，例如AWS的积压订单出现了显著增长.这个过程形成了一个正向循环：企业通过AI降本增效，增加对SaaS服务的投入，SaaS服务商再向上游云厂商 采购更多基础设施，从而拉动整个Al产业链的增长。 市场普遍担忧，除了编程之外，短期内似乎难以看到其他千亿美金级别的大规模AI应用出现，这一担忧是否会制约AI产业的长期发展? 尽管短期内确实难以立刻识别出除编程之外、规模可达千亿美金的AI应用，但这并不构成对产业长期发展的实质性制约。首先，AI应用的爆发性增长速度极快。以编程应用为例，其市场规模在2025年仅为百亿美元级别，但在一年内实现了约七倍的快速增长。这表明，一个新兴应用从起步到形成巨大市场规模的过程可能非常迅速，我们无需等待其自然增长到数百亿美元。其次，应用的渗透过程同样迅速。回顾2025年，编程应用似乎还局限于程序员群体。但目前，包括Copilot、Codex以及更偏向办公场景的Workday等工具，已经被更广泛的用户群体所接受和使用。这说明AI应用的普及速度和广度可能超出预期。因此，即使当前未能看到明确的下一个“杀手级”应用，但基于AI技术快速迭代和渗透的特性，未来出现新的大规模应用是大概率事件。 除了编程应用：当前Al领域还有哪些应用方向有望接替其增长势头，其市场规模潜力如何? 在编程应用之外，AI视频生成和金融是两个极具潜力的方向。首先，AI视频生成自2025年4月起己显现出明显的发展苗头，至2026年，C-dance和可灵等公司的合计ARPU已达到近30亿美元的水平。尽管这一规模与编程应用相比仍有差距，但考虑到AI内容生成的整体渗透率尚低，尤其在中国及海外的短剧和内容产业中存在巨大的渗透空间，AI视频方向的未来潜在市场总额预计不亚于千亿美元级别。其次，金融应用是另一个明确的增长点，例如Anthropic巴开始布局该领域。金融从业者是除程序员外，AI渗透率第二高的群体，其付费意愿非常强。据观察，身边的金融从业者中使用Coding Agent或办公类Agent产品的比例已从2026年初的不足10%增长至50%-60%。因此，金融类应用同样被视为一个潜在的千亿美元级别市场。这两个领域均被看作是能够接棒编程应用，成为C端新增长点的有力候补。 目前中国市场与海外市场在A!Agent的渗透率方面存在哪些差异?这对于中国的云厂商意味着什么? 中国与海外市场在AI Agent的渗透率上存在显著差异，中国市场的渗透率目前还非常低。在国内，虽然高达80%-90%的人可能使用过像“豆包”这样的产品，但当问及是否使用过Claude、Codex或国内的Workbody等Agent产品时，肯定回答的比例可能不足10%,甚至低于5%。相比之下，海外市场的渗透率要高得多。与欧洲的AI开发者交流可以发现，他们身边几乎每个人都在使用Claude或Copilot等产品，并且应用场景不仅限于编程，还广泛涉及网页信息收集、邮件处理和文本转录分析等非编程类的办公任务。这种国内外渗透率的巨大差距表明，中国市场存在一个庞大的潜在用户群体等待开发。因此，未来相当一部分与 Agent相关的资本开支预计将发生在中国，利好中国的云厂商。 为什么在以Agent为主导的AI时代，存储被认为是比GPU更重要的硬件环节?其背后的技术逻辑和市场前景是怎样的? 在Agent主导的AI时代，存储之所以比GPU更重要，核心原因在于Agent应用的长上下文特性导致KVCache急剧膨胀，而HBM容量的增长相对有限，两者之间形成了尖锐矛盾。Agent的上下文长度远超传统Chatbot,导致HBM无法承载海量的KVCache,必须将其卸载到DRAM中。以一台B300服务器(80张卡)为例，其1.6TB的HBMKVCache池仅能承载约5milliontoken的上下文。若每个用户都使用1 milliontoken的长上下文，服务器若不进行KVCache卸载，将只能支持个位数的用户。这种由Agent任务引发的KVCache膨胀(至少是Chatbot的十倍以上)直接驱动了DRAM的需求和价格上涨。这一矛盾根植于Transformer架构，该架构通过存储K和V矩阵来节省解码时间、提升响应速度，本质上是用HBM或DRAM空间换取算力效率。只要Transformer架构在2028年前仍是主流，由KVCache问题引发的存储需求就会持续存在。考虑到许多新增产能要到2030年才能释放，预计2026年和2027年存储的供需缺口将继续扩大。因此，存储是当前AI硬件投资中最核心的主线，其重要性甚至超过GPU。 基于对AI硬件发展趋势的判断，当前哪些细分领域存在显著的投资机会和预期差? 当前AI硬件领域存在显著投资机会和预期差的环节主要有三个。首先是存储，这是最强的投资主线，以长鑫存储为代表的国产DRAM厂商正处于核心位置。其次是沿着存储产业链上游延伸的半导体设备，尤其是国产设备。存储原厂为维持产能和议价权优势有强烈的扩产需求，但为降低顺周期扩产的风险，它们倾向于采用成本更低的国产设备，这为国产设备厂商带来了巨大的产业转移机会。例如，使用国产设备可以帮助厂商以扩产60-80万片的成本实现100万片的目标。其中，中微公司的刻蚀设备和拓荆公司的键合设备等值得关注。第三个预期差最大的领域是CPU。尽管市场普遍认为CPU在AI硬件中并非通胀环节，但实际测试表明，在处理Agent的长上下文任务时，GPU与CPU的配比会因CPU处理能力瓶颈而从传统的8:1走向1:1,甚至1:2。这是因为长上下文对CPU造成了巨大压力，增加CPU配比可以缓解这一压力，从而提升Agent的输出速度和响应延迟。此外，Chiplet(如CXL)技术的发展也要求更高的CPU配比。近期Intel等厂商的CPU已出现价格上涨，显示出这一趋势。因此，CPU接口芯片供应商如澜起科技具备较大的增长潜力。