作者：老王
主要观点
一、能力的天花板远，产业的天花板近。未来两到三年最先收紧的约束是资本回报；电力的约束因地而异，美国“有芯缺电”，中国大陆“有电缺芯”。半导体物理是一块"软天花板"，正被先进封装（含玻璃基板、CPO）、HBM等不断抬高。
二、本轮与互联网泡沫"核心不同、外围相似"。核心买家是用自由现金流投资的超大规模云厂商，算力利用率高；但neocloud的高杠杆、表外融资和"卖卡又兜底"的循环融资，与2000年借债铺光纤的电信运营商高度相似。
三、问题不在能否盈利，而在估值透支了多少年的渗透。头部模型厂商已能自我造血，但收入集中在编程与少数大企业，渗透的"宽度"不足。以1.5万亿美元估值测算，收入需在三年左右再增长约2.5倍。
四、我们认为最可能的是"渗透滞后"情景（概率约45%）。2027年下半年至2028年是重点警惕窗口：AI相关半导体收入可能从峰值回落两到三成，存储受冲击最重，台积电最具韧性。硬断裂情景概率约15%。
五、冲击传导约需一年。股市领先2至3个季度；从neocloud砍单、GPU租金转跌，到存储价格、CoWoS，再到设备订单，依次滞后。
六、中国大陆的风险形态是"慢性失血"而非"断裂"。政府主导的智算中心利用率偏低、国产GPU能力有短板，风险更高，但由财政与国有金融体系吸收，表现为长期闲置与隐性减值；国产GPU链最先承压。
七、自主可控最大的短板是缺少市场化的龙头客户。个别垂直一体化龙头企业是最接近龙头客户的角色，但其"既当客户又当竞争者"的垂直一体化模式、封闭生态和行政化需求，难以带动整个产业，反而加深碎片化与单点风险。出路在于让大型互联网企业成为中立的牵引者，并建设开放的软件生态。
八、AI周期调整对中国大陆自主可控是"压力测试加窗口期"。投入具有逆周期特征，但存储价格战、融资收紧、海外管制可能阶段性放松等因素会带来冲击，窗口期应用于突破光刻、HBM、EDA与关键材料等瓶颈。
一、AI的天花板：一串依次收紧的约束
讨论"AI发展到什么程度是天花板"，需要先区分两件事：AI能力的天花板，以及AI产业扩张的天花板。前者目前看不到；后者已经开始显形。我们把约束分为五层，按可能收紧的先后排列。
资本回报。2026至2028年最先收紧的是资本回报。需求端仍然很硬：台积电第三季度营收467亿美元、净利润同比增长68.7%，ASML称2027和2028年供给均无法满足需求，英伟达B300按需租赁价格一个月内上涨超过20%，Anthropic单季营收168亿美元并实现调整后盈利。但Gartner警告到2030年或有3.5万亿美元AI基础设施投资面临减值，美国10年期国债收益率约5.1%，CoreWeave债券收益率约15%。产业层面的天花板，出现在"边际算力的回报率跌破资金成本"的那一刻。届时AI不会停止进步，但扩张会从指数式变为线性，最先出清的是neocloud与二线买家。
能源与电力。芯片一到两年可以扩产，电网和电厂需要五到十年。这一约束在中美之间呈现出截然不同的形态，可以概括为美国"有芯缺电"、中国"有电缺芯"。
美国：有芯缺电。电力是美国算力扩张最主要的瓶颈。美国电网老化，新增数据中心的并网排队普遍以年计；大型变压器、燃气轮机交付周期长达数年，主要设备商的燃气轮机订单已排到本十年末；PJM等区域电力市场的容量价格在2025年大幅跳升，居民电价上涨开始成为政治议题。据劳伦斯伯克利国家实验室2024年报告，数据中心用电占美国总用电量的比例将从2023年的约4%升至2028年的7%至12%。超大规模厂商因此转向重启核电站、签约小型模块化反应堆、在园区自建燃气电站，算力的选址越来越由"哪里有电"决定，而不是"哪里有网络和人才"。对美国而言，电力约束会压慢算力兑现的节奏，也抬高单位算力的成本，进一步挤压资本回报。（以上为2024至2025年公开数据，最新情况有待核实）
中国大陆：有电缺芯。中国大陆的电力并不是算力的硬约束。中国发电装机规模全球第一，西部地区风光资源丰富、电价低，特高压输电网络和"东数西算"工程为算力向西部布局提供了条件，部分地区还存在弃风弃光。中国真正的约束在芯片端：先进制程产能、HBM供给和国产GPU的能效。国产芯片单位算力的能耗相对更高，需要用更多的电来弥补芯片性能的差距，而充裕、廉价的电力恰好可以部分对冲这一劣势，这也是"以电补芯"、以规模化集群弥补单卡性能的现实路径。但这条路径的代价是更高的总投资和运营成本，叠加智算中心利用率偏低，会放大前文所述的资本效率问题。
半导体物理。制程微缩的单位成本红利已基本消失，瓶颈转向内存带宽和互连。先进封装、HBM等方向，本质上都是在给这块天花板加高，玻璃基板、CPO等则属于先进封装的范畴。它决定性价比曲线的斜率，但不会让产业停下。
数据。高质量人类文本将在2027年前后被基本用尽，增长转向合成数据、强化学习和多模态，扩展定律的斜率随之改变。
算法。推理时计算、混合专家（MoE）、蒸馏让同等能力的成本每年下降约一个数量级，算法在"拆"其他天花板。但效率提升往往扩大总需求（杰文斯悖论），最终又回到资本与电力两条约束上。
因此，眼下半导体板块的回调（费城半导体指数一周下跌约11%、连跌8个交易日，为2008年以来最长连跌），可以理解为市场在为"回报率天花板"重新定价，而非对技术前景的否定。
二、与互联网泡沫相比：核心不同，外围相似
资料来源：WSTS历年数据，取整约数
2000年泡沫的症结在电信运营商：大规模举债铺设光纤，而光纤利用率仅为个位数百分比，需求远未跟上。泡沫破裂后，2001年全球半导体收入同比下降约32%，思科股价从高点下跌超过八成，行业用了两到三年才恢复。本轮的核心买家是微软、谷歌、亚马逊、Meta，主要以自由现金流投资；算力的利用率很高，租金仍在上涨。这是与2000年最大的不同。
但外围已经出现了2000年的影子。第一，neocloud高杠杆举债。第二，超大规模厂商通过SPV与私募信贷将部分投资移出资产负债表。第三，芯片厂商投资自己的客户、甚至为客户兜底需求，形成循环融资。第四，需求高度集中：据SemiAnalysis，明年全球新增算力约60%将被OpenAI和Anthropic两家占用，一家失速即可引发连锁反应。
neocloud：本轮周期中最薄弱的一环
neocloud（新兴云厂商）是专门出租GPU算力的新型云公司，区别于AWS、Azure、谷歌云等综合云。代表企业包括美国的CoreWeave、Lambda、Crusoe，欧洲的Nebius、Nscale。其商业模式是借钱购买GPU、建设数据中心，再按小时或长约租给模型厂商和企业，赚取租金与融资成本之间的差价。不少企业由加密货币矿企转型而来，手中有现成的电力和机房。2023年以后GPU极度紧缺，英伟达也有意扶持独立云厂商以分散对超大规模客户的依赖，neocloud由此快速崛起。
它们的脆弱性来自四个方面：以GPU作抵押的高杠杆；收入集中于一两家头部客户；资产是三到五年就会被迭代淘汰的GPU，而贷款期限往往更长，租金一旦下跌，抵押品同步贬值；没有广告、软件等现金流业务兜底。Gartner因此判断超过80%的neocloud将被并购或退出。
CoreWeave是最具代表性的样本。它2017年以以太坊矿企起家，2019年转型GPU云，是英伟达最早优先供货的独立云厂商，英伟达亦为其股东。2024年其约六成收入来自微软；2025年3月上市后，先后与OpenAI签订合计约220亿美元、与Meta签订约140亿美元的算力合同，2025年收入约50亿美元、未完成订单超过500亿美元（以上为2025年公开数据）。与此同时，它以GPU抵押借入数百亿美元债务，GAAP口径长期亏损；英伟达既是其股东、供应商，又承诺在2032年前购买其未售出的算力，成为"循环融资"的典型。本周Gartner警告发布当日，CoreWeave股价下跌15%，而B300租金仍在上涨，说明市场担心的不是眼下的需求，而是两三年后的偿债能力。
三、渗透：收入的"宽度"不足
头部模型厂商已经证明业务能够支撑资本与运营开支并实现盈利，真正的问题是：支撑上市高估值所需的应用渗透，目前仍不够。
估值的算术。以Anthropic为例：单季营收168亿美元，年化约670亿美元；按据报1.5万亿美元的IPO估值，约为22倍市销率。若要回到成熟软件公司的估值水平（约30倍市盈率、30%净利率），需要约1700亿美元年收入和500亿美元净利润，即收入再增长约2.5倍，且"调整后盈利"需转为GAAP盈利。按年增35%测算约需三年。这在数学上可行，但要求未来三年渗透不失速。IPO目标估值据报从2万亿美元下调至1.5万亿美元，正是市场在为这一缺口打折。（以上为作者估算）
注：曲线为作者判断的示意，不代表统计数据
四个梯队。我们把应用渗透分为四个梯队。第一梯队是编程，已规模化付费，正接近饱和，后续增长依赖智能体放大单任务的token消耗。第二梯队是客服与后台运营，2026至2027年由试点转向规模部署。第三梯队是金融、法律、咨询等知识工作，受制于可靠性和责任归属，大约在2027至2028年。第四梯队是制造、医疗、政务等受监管或连接物理世界的行业，要到2029年以后。消费端用户已达数亿，但付费转化率仅为个位数百分比。此外，部分收入来自其他AI公司和云厂商的转售，最终用户的真实付费比账面更薄。
收入的机制。AI收入可拆解为token用量乘以单价。用量每年增长约十倍，单价每年下降五到十倍，收入增速取决于用量能否跑赢降价。目前编程智能体让用量跑赢了；2027年的关键考验是第二、三梯队能否接棒。若不能，收入增速可能从目前的50%以上降至20%至30%，而算力承诺对应的支出仍按约70%的速度增长，二者之间会形成剪刀差。这道剪刀差，就是断裂的起点。
（注：增速为作者假设的示意）
IPO是放大器。比收入放缓传导更快的，是头部模型厂商IPO的表现。1.5万亿美元级别的IPO如果破发或遇冷，整个模型行业的融资窗口会随之收紧，而模型厂商的算力承诺很大程度上依赖融资兑现。反过来看，1999年的亚马逊同样估值透支，但业务最终超越了估值，前提是熬过融资冻结期；Anthropic已实现盈利，这一点强于当年多数互联网公司。
四、三种情景下的半导体冲击
（注：作者估算的示意路径，概率为主观判断）
情景A：渗透顺利（概率约40%）。渗透顺利，资本开支在2027年仍增长15%至25%，2028年放缓。半导体行业增速由40%以上平稳回落至10%至15%，估值有回调，但产业链不断裂。
情景B：渗透滞后12至18个月（概率约45%）。编程见顶，第二、三梯队接棒不及预期，头部IPO遇冷，neocloud出现违约。超大规模厂商自2027年下半年起资本开支走平，neocloud订单削减30%至50%。AI加速器收入从峰值回落20%至30%；HBM价格下跌30%至40%，存储受冲击最重，因为长鑫扩产（4F² DRAM、年底推出DDR5服务器内存条）会同时到来；设备订单下降20%至30%，ASML排至2028年的积压订单可提供部分缓冲；台积电增速降至0至5%，CoWoS利用率下滑。费城半导体指数可能自高点回撤40%至50%，过程持续4至6个季度。我们认为这是最可能的情景。
情景C：硬断裂（概率约15%）。某家头部模型厂商无法兑现算力承诺，引发信用事件，资本开支下降30%以上。形态接近2001年：行业收入可能下降15%至25%，指数回撤60%以上，持续6至8个季度。
分环节看。冲击在细分环节间高度不均。存储因牛鞭效应与供给扩张叠加，弹性最大，本周SK海力士单日下跌约10%、美光一周下跌约15%已有预演；设备订单滞后但跌幅深；英伟达的主要风险在估值；台积电在先进制程上不可替代，最具韧性；先进封装（含玻璃基板、CPO）、HBM等"加高天花板"的环节，中长期逻辑不变，但短期会随CoWoS利用率波动。
五、冲击有多快：传导时序
股市最先反应，通常领先基本面2至3个季度，本周费城半导体指数连跌8个交易日，已在提前定价。实体端的传导顺序大致为：neocloud砍单与GPU租金转跌最早出现，是第一个实体信号；英伟达与服务器ODM下调指引，滞后约1个季度；存储现货价与HBM合约价，滞后1至2个季度；台积电CoWoS订单，滞后2至3个季度；设备订单滞后3至4个季度，营收端还要再晚。也就是说，从第一个实体信号出现到设备商财报转差，大约需要一年。对产业链企业而言，这一年是调整产能和库存的窗口。
六、中国大陆：慢性失血而非断裂
中国大陆也有大量类似neocloud的算力运营主体，且多数由地方政府和国资主导建设。公开报道显示不少智算中心利用率仅为一到三成（2024至2025年报道，现状有待核实）。国产GPU在软件生态迁移、大集群稳定性与互联、HBM供给、先进制程产能等方面仍有短板，多数更适合推理，承担大模型训练较为吃力；DeepSeek等高效模型又降低了训练需求，使部分为训练建设的集群失去原有定位。从这个角度看，风险确实更高。
但风险的形态不同。美国neocloud依赖市场化举债，租金下跌和债券违约会迅速传导为砍单，冲击快而猛。中国智算中心的资金主要来自地方财政、城投与国有银行，缺乏市场化挤兑机制，风险更可能表现为资产长期闲置、静默减值、隐性债务累积和资本错配，持续时间长，但不会在单个季度集中爆发。政策层面也在收紧新增项目审批、推动全国算力调度与闲置资源整合（作者根据2025年政策动向推断）。
对半导体的影响集中在国产GPU链。头部国产AI芯片企业的订单相当程度依赖政府与国资背景采购，而A股给予的估值较高。一旦智算中心建设放缓，应收账款和存货会最先暴露，估值调整会快于基本面。值得注意的是，IDC数据显示上半年中国AI加速器出货中英伟达份额降至34%、国产头部厂商升至28%，非GPU加速器出货首次超过GPU，国产替代的需求本身有政策与安全逻辑支撑，与美国资本开支周期关联较弱，这在情景B、C下反而构成缓冲。国产设备与材料的需求主要来自晶圆厂扩产和自主可控，与智算中心利用率关联较小。真正的外部风险在存储：全球HBM与DRAM一旦降价，长鑫扩产将撞上价格战。
七、对中国大陆自主可控的影响：龙头客户是最大短板
首要问题：缺少市场化的龙头客户，垂直一体化模式难以承担这一角色
要点
中国大陆半导体自主可控最缺的不是资金和产能，而是市场化、中立的龙头客户。目前最接近龙头的是个别垂直一体化企业，但其"既是客户、又是竞争者"的垂直一体化模式、封闭的生态，以及依靠行政化方式形成的需求，难以把能力外溢给整个产业，反而可能加深碎片化和单点风险。问题不在某家企业本身，而在产业只有这一种牵引模式。
从全球经验看，龙头客户是半导体产业链成长的关键推手：台积电的先进制程与苹果深度绑定，SK海力士的HBM领先离不开英伟达的牵引。龙头客户的作用在于定义规格、与供应商协同开发、在良率爬坡期愿意承担早期成本，并且相对开放、中立，即只做客户、不做竞争者，供应商因此敢于投入，能力也能外溢到整个行业。
垂直一体化模式的贡献与局限。中国大陆目前最接近龙头客户角色的是个别垂直一体化企业。在全面制裁背景下，垂直一体化几乎是其生存与突围的必然选择，它也确实带动了国产设备、先进制程（中芯国际N+2/N+3）与关键配套的突破，这一点应当充分肯定。但如果以这一模式作为产业的主要牵引方式，存在四方面结构性局限。
其一，既当客户，又当竞争者。这类企业覆盖芯片设计、整机、云与AI平台，并与关联企业布局设备与制造，对供应商和其他整机、云厂商而言，它同时是客户和潜在竞争者。三星晶圆代工长期难以获得头部设计公司大单，原因之一正是客户对"既是代工厂又是竞争对手"的顾虑，垂直一体化龙头面临同样的结构性问题。
其二，生态封闭，导致碎片化。其AI芯片软件栈主要服务于自身体系，字节跳动、阿里巴巴、腾讯等不愿被单一厂商锁定，于是各自自研芯片（如平头哥、昆仑芯），国内算力芯片与软件生态由此碎片化，每家规模都难以摊薄研发成本。
其三，行政化需求掩盖真实竞争力。政府项目优先采购与针对进口芯片的窗口指导，制造了"被安排的需求"。供应商围绕行政订单而非市场的性能与成本进行优化，真实竞争力被掩盖；周期下行时，这部分需求最先暴露，与前文所述智算中心的"慢性失血"是同一问题。
其四，单点风险。产业链过度围绕一家企业，一旦其战略调整或遭遇进一步制裁，上下游都会被拖累。
出路在于培育"中立的龙头客户"与"公共的技术平台"。第一，让字节跳动、阿里巴巴、腾讯等资本开支最大、拥有真实工作负载的互联网企业成为牵引者，以市场化的长期订单带动国产GPU、HBM与存储的迭代。第二，建设中立、开放的软件生态，推动算子库与编译栈的开放与互通，使不同国产芯片可以相互替换，避免单一厂商锁定。第三，采购规则从"国产优先"转向"按性能与成本择优、国产给予合理溢价"，行政力量重在托底而非替代市场。第四，保持代工、存储与设备等平台环节的中立性，使其服务所有客户，而非依附于某一体系。
AI周期调整的影响：底层逻辑不随周期改变
中国大陆推进半导体自主可控，由产业安全逻辑而非短期回报率驱动。国家集成电路产业投资基金三期（注册资本3440亿元）与地方资金将持续投入，因此在全球AI周期调整时，中国的投入天然具有逆周期特征。历史上，三星在1980年代DRAM低谷逆势扩产，美光在多轮行业洗牌中通过并购崛起，追赶往往是在下行期完成的。这是本轮调整给中国大陆带来的最大机会。
有利的一面
其一，国产设备与材料的需求主要来自晶圆厂扩产与自主可控目标，与全球AI资本开支关联较弱，订单相对稳定。其二，全球裁员与估值回落有利于引进海外人才，下游客户在降本压力下也更愿意导入第二供应商，为国产产品争取验证机会。其三，调整会挤出"被安排采购"的部分，留下真正具备竞争力的企业，从长期看有利于产业健康。
不利的一面
存储首当其冲。长鑫存储、长江存储正处于扩产爬坡期，全球HBM与DRAM一旦降价，将在最需要现金流的阶段遭遇价格战，扩产节奏可能被迫放缓。融资环境趋紧：国产GPU与设备企业高度依赖科创板融资和较高估值，而A股半导体板块情绪与费城半导体指数高度联动。地方财政承压：闲置智算中心消耗地方财力，削弱继续支持半导体项目的能力。
三个容易被忽视的风险
一是海外管制可能"放松"，反而冲击国产替代。海外企业在下行期更急于保住中国市场，ASML已公开反对MATCH法案，美国芯片企业也持续游说对华销售。若部分芯片或设备出口限制阶段性放宽，国产GPU与国产设备刚刚建立的市场空间可能被性价比更高的进口产品挤压，此前英伟达H20的情况即为先例。
二是成熟制程产能过剩与贸易摩擦。逆周期扩产若集中于成熟制程，将加剧全球价格竞争，并可能招致海外针对中国传统芯片的反倾销与关税措施，压缩出口空间。
三是以"建设规模"替代"真实可用"。下行期最容易出现的偏差是继续扩充产能、新建智算中心，而真正的瓶颈环节，即光刻机与EUV光源、HBM、EDA、高端材料以及GPU软件生态，投入相对不足。
综合来看，AI周期调整对中国大陆自主可控是一次"压力测试加窗口期"。窗口期应主要用于三件事：把资源从扩充产能转向光刻、HBM、EDA与关键材料等瓶颈环节；以大型互联网企业的真实采购验证国产算力并补齐软件生态；存储逆周期扩张要有节制，守住现金流以穿越价格战。最大的风险不在外部管制，而在资金继续投向规模扩张，却没有用来突破关键瓶颈。
八、持续跟踪的预警信号
海外方面，我们建议按传导顺序跟踪以下信号，目前仅neocloud债券利差一项亮灯：
•GPU租赁价格转跌：最早的实体信号，目前B300仍在上涨。
•neocloud债券利差走阔：CoreWeave等债券收益率与利差，已处高位。
•头部模型厂商IPO表现：上市定价、首日与首季表现，决定模型行业融资窗口。
•资本开支指引与折旧政策：超大规模厂商下调指引或延长服务器折旧年限，是"悄悄收缩"的信号。
•收入与承诺的剪刀差：头部模型厂商收入增速是否跌破算力承诺增速。
•存储价格与CoWoS：HBM合约价松动、台积电削减CoWoS订单。
中国大陆方面：国内算力租赁价格；地方新建智算中心的审批与招标数量；国产GPU厂商的应收账款周转天数与存货；字节、阿里、腾讯资本开支中国产卡的占比。最后一项最能区分国产算力是"真被用起来"还是"被安排采购"。
九、对业界的建议
模型与应用企业：把算力承诺与收入增速挂钩，避免长约锁定超过可预见收入的算力；把收入的重心从编程扩展到第二、三梯队，优先解决可靠性、责任归属与流程改造问题；在融资窗口仍开放时储备现金，为可能的融资冻结期留出余量。
海外半导体链企业：存储企业应控制扩产节奏，避免在2027年下半年集中释放产能；设备企业应甄别在手订单质量，区分超大规模客户与neocloud背景的订单；晶圆代工与封测企业应分散客户结构，关注CoWoS利用率的边际变化。
中国大陆半导体企业：国产GPU企业应把重点放在推理场景和软件生态的可用性上，以大厂的真实采购而非政府项目作为核心验证，并严控应收账款；大型互联网与整机企业可以通过长期订单和开放生态承担龙头客户角色；国产设备与材料企业可将AI周期波动视为客户导入窗口；存储企业需为全球价格战做好成本与现金流准备。
地方政府与金融机构：智算中心应从"建设补贴"转向"按利用率补贴"，推动跨区域调度与整合，避免继续新增低效产能；对算力租赁类企业的信贷，宜以真实合同和利用率作为核心评估依据。
结语：AI本身会继续发展。泡沫的出清会淘汰杠杆最高、收入最薄的环节，留下的过剩算力反而会降低应用层的成本，为下一轮渗透铺路。对产业链而言，关键不是预测泡沫何时破，而是在2027年下半年至2028年的窗口到来前，把自己放在"活下来并接住便宜资产"的一侧。
