行业投资评级 - 通信行业评级为“增持”，并维持该评级 [8] 核心观点 - 云厂商资本开支高速增长，AI基础设施产业链高景气维持 [1] - AI对科技巨头赋能作用日益显著，货币化路径愈发清晰 [6] - 科技巨头大幅增加资本开支，加码人工智能基础设施建设，有助于消除对“算力过剩”的担忧 [6] 主要云厂商资本开支与业绩表现 - **微软**：2026财年第二季度营业收入813亿美元，同比增长17%；净利润385亿美元，同比增长60% [2] - 微软云计算业务收入515亿美元，同比增长26%，其中智能云业务营收329亿美元，同比增长29% [2] - 微软第二财季资本支出达到375亿美元，同比增长66%，创下纪录，反映出在AI相关和非AI工作负载方面持续看到强劲的云需求 [2] - **Meta**：2025财年第四季度营收598.9亿美元，同比增长24%；净利润227.7亿美元，同比增长9% [3] - Meta预计2026年资本支出在1150亿美元至1350亿美元之间，最高位几乎是其2025年资本支出（722亿美元）的两倍，以支持超级智能实验室的工作和核心业务 [3] - **谷歌（Alphabet）**：2025财年第四季度总营收1138.28亿美元，同比增长18%；净利润344.55亿美元，同比增长30% [4] - Alphabet预计2026年资本支出介于1750亿美元至1850亿美元，较2025年增长近一倍 [4] - **亚马逊**：2025财年第四季度营收2133.86亿美元，同比增长14%；净利润211.92亿美元，同比增长6% [5] - 鉴于市场对现有产品和服务的强劲需求以及人工智能等前沿领域的机遇，亚马逊预计2026年资本支出将达到2000亿美元 [5] 投资建议与看好的产业链环节 - 云厂商资本开支持续高涨，AI基础设施产业链高景气持续，产业链相关标的将持续受益 [6] - 看好人工智能基础设施建设带来放量机会的光模块、高速铜缆、服务器、交换机、液冷等环节 [6] - 建议关注中际旭创、天孚通信、新易盛、英维克等公司 [6]

核心观点 - 科技巨头云业务在AI需求驱动下实现超预期高速增长，但为支撑未来增长而规划的巨额资本支出引发了市场对短期利润率和自由现金流的担忧，投资者焦点正从营收增长转向资本回报的可持续性 [1][10] 云业务表现 - 三大云巨头业务增长均超市场预期，AI需求是核心驱动力 [2] - 谷歌云营收达176.64亿美元，同比增长48%，超出分析师预期9%以上，年化营收已超700亿美元，正摆脱“追赶者”标签 [3] - 微软智能云部门季度营收首次突破500亿美元，其中Azure及其他云服务营收同比增长39% [3] - 亚马逊AWS销售额达356亿美元，同比增长24%，创下自2022年底以来最快增速，年化营收运行率达1420亿美元 [4] - 云业务增长由企业IT上云与生成式AI需求双重驱动，后者被描述为“爆炸性”增长点，且深度融入企业核心流程的AI应用市场“绝大部分尚未到来” [4] - 各公司未来订单金额庞大，为收入提供高能见度：谷歌云未履行订单达2400亿美元，AWS积压订单达2440亿美元，微软商业剩余履约义务达6250亿美元 [5][8] 资本支出与投资 - 科技巨头宣布创纪录的资本支出计划，以支持AI基础设施扩张，引发投资者对短期财务指标的担忧 [1][6] - 亚马逊2026年资本支出计划约2000亿美元，较2025年高位再增50%以上 [6] - 谷歌2026年资本支出指引为1750亿至1850亿美元，几乎是2025年914亿美元的两倍 [6] - 微软单季资本支出达创纪录的375亿美元，同比增长66%，按此趋势全年将超千亿美元量级 [6] - 资本支出主要流向最先进的AI芯片（英伟达或自研）、全球数据中心及绿色电力保障 [7] - 公司管理层强调投资必要性，称需求真实、产能限制增长，新增AI产能能迅速货币化，并相信将产生强劲的投资资本回报率 [7] 市场反应与财务影响 - 巨额资本支出对利润率与自由现金流构成短期压力，影响股价弹性 [1][7] - 财报发布后，微软股价盘后一度下跌超8%，谷歌跌幅超7%，亚马逊下跌超11% [1] - 亚马逊过去十二个月自由现金流从一年前的382亿美元骤降至112亿美元，随着资本开支再增50%以上，自由现金流转负几乎是必然的 [8] - 大规模资本支出可能吞噬自由现金流，导致用于股东回报（分红与回购）的资金减少 [9] - 分析师指出，巨额开支已开始挤压盈利空间，投资者担心投资增速超过回报速度 [8] - 市场定价逻辑正在转变，投资者关注焦点从营收增长转向资本回报的可持续性 [10]

目标价与评级调整 - Argus Research将Alphabet的目标价从365美元上调至385美元 [1] - 研究机构维持对Alphabet的“买入”评级 [1]

微软公司 - 公司股价在盘后交易中上涨超过1% 此前公司宣布了新的财务业绩 [1] - 公司宣布季度股息为每股0.75美元 较上一季度有所增加 [1] - 公司宣布了一项新的股票回购计划 授权回购高达600亿美元的股票 [1] 甲骨文公司 - 公司股价在盘后交易中上涨超过2% 此前公司宣布了新的财务业绩 [1] - 公司宣布季度股息为每股0.40美元 与上一季度持平 [1] - 公司宣布了一项新的股票回购计划 授权回购高达150亿美元的股票 [1] 谷歌母公司Alphabet - 公司股价在盘后交易中上涨超过3% 此前公司宣布了新的财务业绩 [1] - 公司宣布季度股息为每股0.20美元 这是公司首次宣布派发股息 [1] - 公司宣布了一项新的股票回购计划 授权回购高达700亿美元的股票 [1] 亚马逊公司 - 公司股价在盘后交易中上涨超过4% 此前公司宣布了新的财务业绩 [1] - 公司宣布季度股息为每股0.10美元 这是公司首次宣布派发股息 [1] - 公司宣布了一项新的股票回购计划 授权回购高达1000亿美元的股票 [1] 科技行业动态 - 多家大型科技公司集中发布季度财报并宣布了新的资本回报计划 [1] - 行业出现普遍增加股息和扩大股票回购规模的趋势 [1] - 多家公司股价在财报发布后的盘后交易中均出现上涨 [1]

景林资产美股持仓变动分析 - 截至2025年末，景林资产美股持仓总市值约为40.45亿美元，共有8家公司持仓市值超过1亿美元 [2] - 增持力度最大的公司是谷歌（GOOGL），持股数量增至269万股，较上季度增持52.81%，持仓占比大幅提升11.18个百分点至20.82%，成为第一大重仓股 [2] - 减持力度最大的公司是英伟达（NVDA），去年四季度合计卖出154.09万股，减持幅度高达64.78%，其在投资组合中的占比降至3.86% [2] - 景林资产清仓了谷歌-C（GOOG）、优步（UBER）和Spotify（SPOT） [3] - 景林资产管理合伙人高云程认为，应重视作为重要AI应用入口或平台的公司，如谷歌、Meta、苹果、字节跳动、腾讯、OpenAI等，并预计2026年可能是AI Agent真正普及的元年 [2] 东方港湾美股持仓变动分析 - 东方港湾但斌在2025年四季度同样大笔买入谷歌，其中谷歌-C（GOOG）增持比例超40%，成为其截至2025年末的第一大重仓股，仓位占比高达30.85% [4] - 但斌认为，如果说2025年是人工智能的起步蓄力阶段，那么2026年很可能成为AI应用万马奔腾的一年 [4] - 其持仓中，英伟达（NVDA）持股数量为1,271,525股，变动比例为0.43%，持仓市值为23,713.94万美元，占比18.02% [5] - 东方港湾在当季度清仓了多只股票，包括奈飞（NFLX）和台积电（TSM）等 [5]

AI产品开发的现状与核心矛盾 - 借助Coding Agent等工具，构建AI产品的技术门槛和启动成本已急剧降低，将想法变为可交互的原型变得前所未有的容易[1] - 但一个刺眼的矛盾也随之浮现：大多数AI产品仍在走向失败[1] - 当前构建的成本已经非常低，真正昂贵的是设计，是对产品要解决什么痛点的深度思考，对问题本身和产品设计的执着被低估，而单纯追求“快点做出来”被高估[1][36] AI产品构建的挑战与根本差异 - 2024年很多领导者对AI持怀疑态度，认为可能是泡沫，很多所谓“AI用例”仅仅是“在你自己的数据上套一层Snapchat滤镜”[4] - 2025年，很多公司开始真正反思用户体验和业务流程，意识到构建成功的AI产品必须先拆解现有流程再重建，但执行依然非常混乱，领域只有三年左右历史，缺乏成熟方法论[4] - AI产品的生命周期与传统软件截然不同，打破了PM、工程师、数据团队之间传统的分工，需要更紧密、更复杂的协作[4] - 构建AI系统与传统软件的核心差异之一是“非确定性”，AI产品是与一个非确定性的API打交道，用户输入和模型输出都具有高度流动性和不可预测性[5] - 第二个关键差异是代理性与控制权之间的权衡，自治越高，控制越少，而信任必须通过时间和表现来积累[6] 成功的AI产品开发路径与框架 - 正确的做法是刻意从影响范围小、人工控制强的场景开始，逐步理解当前能力边界，再慢慢增加自治性、减少人工干预[6] - 几乎所有成功的案例，都是从极简结构起步，再不断演化而来的[7] - 以客户支持为例，更合理的第一步是让AI为人工客服提供建议，由人类判断建议的有用性，通过反馈回路识别系统盲点并进行修正，当建立起足够信心后，才可以让AI直接向用户展示答案，并逐步增加复杂能力[8] - 从更宏观的角度看，AI系统的核心在于“行为校准”，关键在于避免破坏用户体验和信任，做法是在不影响体验的前提下，逐步减少人工控制，并以不同方式约束自治边界[9] - 例如，医疗保险预授权中，低风险项目可由AI自动审批，而高风险项目则必须保留人工审核，并持续记录人类的决策行为以构建反馈飞轮[9] - 行业提出了“CC/CD（持续校准、持续开发）”框架，其核心是在迭代初期采用“低自治、高控制”的方式，限制系统可做的决策数量，引入人在回路，随着理解加深，再逐步提高自治程度，以逐步建立对系统行为的认知飞轮[25][28][32] - 以客服Agent为例，演进过程通常拆成三个阶段：第一阶段是“路由”，判断工单该被分配到哪个部门；第二阶段是“副驾驶”，Agent根据标准操作流程生成回复草稿由人工修改确认；第三阶段是端到端的自动处理[29][30] 成功构建AI产品的关键要素 - 成功的公司通常具备三个维度：优秀的领导者、健康的文化，以及持续推进的技术能力[14] - 领导者必须愿意承认过去积累的直觉在AI出现后需要被重新学习，需要重建判断力，接受“我的直觉可能不再完全正确”这一事实，很多真正成功的团队是从这种自上而下的转变开始的[14] - 在文化上，需要领导者建立一种“赋能型文化”，强调AI是用来增强个人能力、放大产出的工具，而不是威胁，以形成组织合力[15] - 在技术层面，成功的团队对自身工作流有近乎执念般的理解，清楚哪些环节适合AI，哪些地方必须有人参与，关键不在于迷信技术，而在于为每个问题选择合适的工具[16] - 成功的团队非常清楚自己在和一个非确定性的API打交道，因此会以完全不同的节奏推进开发，迭代得非常快，但前提是不破坏用户体验，同时快速建立反馈飞轮[16] - 如今竞争焦点并不是谁最早上线Agent，而是谁最早构建起持续改进的机制，真正能产生显著ROI通常至少需要四到六个月，即便拥有最好的数据和基础设施[16] 关于评估（Eval）与监控的见解 - 大家陷入了一种错误的二元对立：要么eval能解决一切，要么线上监控能解决一切[17] - eval本质上，是把你对产品的理解、你的价值判断，编码进一组数据集，而生产环境监控则是在产品上线后，通过关键指标和用户行为反馈真实使用情况[17] - 真正的问题不在于“选哪个”，而在于你想解决什么，构建可靠系统，上线前必须有底线测试，上线后需要监控来提示问题，发现新的失败模式后再反过来构建新的eval集，这个循环缺一不可[17] - “eval”这个词在2025年下半年被赋予了沉重的含义，出现了“语义扩散”，不同人看到的是它的不同侧面，但所有资深从业者都会告诉你：一切取决于上下文，不要迷信固定方法论[18][19] - 在Codex团队，采取一种相对平衡的方式：eval是必要的，但同时必须高度重视用户反馈，会通过A/B测试来验证新版本是否还在“做对的事情”，并非常主动地关注社交媒体上的用户反馈[21][22][23] AI产品面临的风险与当前采用阶段 - 一篇研究指出，约**75%** 的企业认为“可靠性”是他们在AI项目中面临的最大问题，这也是他们迟迟不敢将AI产品直接面向用户的重要原因，目前很多AI产品更多集中在提升生产力，而不是彻底替代端到端流程[11] - 提示注入（prompt injection）和越狱（jailbreaking）对AI产品来说几乎是一个“生存级风险”，它可能既没有成熟解法，甚至在理论上也很难被彻底解决[11] - 一旦AI系统真正进入主流应用，安全性会成为一个非常严重的问题，尤其是在面对非确定性API的情况下，几乎无法完全防范[12] - 2025年是AI Agent和企业尝试落地AI的一个高峰期，但整体渗透率依然不高，很多流程还远未被真正改造[12] - 在大多数公司还没走到能充分获益的阶段时，只要在关键节点引入“人在回路”，其实可以规避相当一部分风险[13] 被高估与低估的概念及未来展望 - 多Agent系统概念被严重误解，很多人认为拆分子任务交给不同Agent就能实现“Agent乌托邦”，但现实并非如此，在当前的模型能力和工程范式下，期望Agent“自发协同”往往行不通[35] - 相比预先设计一堆各司其职的Agent，更现实的路径可能是让一个更强的Agent自己完成任务拆解和协调，或者由人来编排多个Agent[36] - Coding Agent仍然被低估，它的真实渗透率依然很低，而潜在价值却极大，2026年会是集中优化这些流程、释放巨大生产力的一段时间[35] - eval是被误解的概念，它当然重要，但“不断切换工具、学习新工具”这件事被高估，真正值得投入精力的是对要解决的业务问题保持极度专注[36] - 非常看好“后台型”或“主动型”Agent，一旦Agent被更深地嵌入真实工作流，获得更丰富的上下文，就能由Agent主动反过来提示用户，这会在2026年成为非常重要的产品方向[38] - 期待2026年的多模态体验，如果能构建真正丰富的多模态交互，将会更接近人类对话的真实复杂度，并能解锁大量此前无法触及的数据资源[38][39] 对AI产品构建者的核心建议 - 对于当下的产品构建者而言，实施成本在未来几年会变得极低，真正稀缺的将是设计能力、判断力和审美品位[40] - 每个人的价值会更多体现在品味、判断，以及那些“只属于你”的东西上，这种能力并不一定来自年龄或多年经验[40] - 真正重要的是主动性和责任感，“忙碌但无效”的工作时代正在结束，必须思考端到端的流程，以及如何创造更大的影响[41] - 坚持和承受“痛苦”的能力同样被严重低估，真正的差别在于是否愿意经历反复试错的过程，这种在实践中积累的经验会沉淀为难以复制的优势[41] - 专注于问题本身，AI只是工具，关键在于是否真正理解自己的工作流，真正的差异化永远来自对用户和问题的深度理解[42]

市场表现与资金动向 - 2月9日A股市场强劲反攻，沪指涨超1%，两市超4400股上涨，太空光伏概念爆发，带动光伏、电池等新能源板块走强 [1] - 截至当日14:15，光伏ETF汇添富（516290）放量大涨近4%，冲击两连阳，已连续2日吸金超2000万元 [1] - 电池ETF汇添富（159796）震荡冲高，涨1.78%，成交额超2.1亿元，交投活跃 [1] - 光伏ETF成分股多数冲高，聚和材料20cm涨停，协鑫集成连收4个涨停板，TCL中环10cm涨停，爱旭股份、罗比特科等涨超9%，隆基绿能涨超4% [2] 太空光伏行业前景与市场空间 - 中信证券表示，SpaceX引领商业航天发展，加快星链建设和卫星升级，并申请部署百万颗卫星，正式进军太空数据中心，太空光伏是现阶段卫星和轨道算力的唯一能源 [5] - 中信证券测算，在保守情景下，2030年全球太空光伏需求量和市场空间或分别达1GW和800亿元以上；在乐观情景下，2030年全球太空光伏需求和市场空间或分别达70GW和近3万亿元 [5] - 中信证券预计，未来5年，太空P型HJT和钙钛矿电池市场成长空间或达百倍、甚至千倍以上 [5] - 根据中信证券预测表格，全球太空光伏总需求在2030年保守情景下为1GW，乐观情景下达72GW，终极目标为1150GW [6] - 全球太空光伏市场空间在2030年保守情景下为867亿元，乐观情景下达29179亿元，终极目标为173783亿元 [6] - 太空P-HJT电池需求在2030年保守情景下为1.2GW，乐观情景下达61GW，终极目标为747GW；其市场空间在2030年保守情景下为580亿元，乐观情景下达24490亿元，终极目标为112103亿元 [6] - 太空钙钛矿电池需求在2030年保守情景下为0.2GW，乐观情景下达10.8GW，终极目标为402GW；其市场空间在2030年保守情景下为107亿元，乐观情景下达4330亿元，终极目标为60330亿元 [6] 关键驱动事件与技术路线 - 市场传闻马斯克团队近期秘密走访多家中国光伏企业，并重点考察了有异质结、钙钛矿技术路线的光伏企业，协鑫集团、晶科能源、TCL中环等证实有过接洽 [3] - 马斯克在2026年达沃斯论坛重点提到太空光伏，“太空AI能源网络”再添增长极 [4] - 特斯拉计划自建100GW地面光伏产能，带动储能设备需求 [4] - 马斯克在2026年达沃斯论坛透露，特斯拉和SpaceX或分别基于地面用电和太空光伏需求规划在未来几年各建100GW光伏上下游制造产能 [6] - 预计现阶段特斯拉或将主要采用TOPCon技术方案，SpaceX或将选定P型HJT技术路线 [6] - 中国光伏设备龙头具备高效迭代和快速响应等突出优势，更契合特斯拉和SpaceX对设备供应商的高标准和严要求，各环节头部企业有望斩获其设备供应链较高份额 [6] 储能需求与关联机会 - 东吴证券表示，AI&政策带动全球储能装机需求快速增长，海外AI数据中心等负荷侧需求爆发，叠加OBBA法案落地，储能IRA补贴保留，出现抢装热潮 [7] - 特斯拉计划自建100GW地面光伏产能，若考虑到美国光储平均3.3h配储时长，或带动超300GWh储能设备需求 [7] - 特斯拉外，微软、谷歌、亚马逊等科技巨头均在积极布局AI数据中心，光伏配储能或是最可行的清洁能源解决方案，预计将进一步放大储能设备需求 [7] - 美国电网在AI时代严重错配，燃气轮机产能不足下，光储方案将陆续放量 [7] 行业趋势与产品信息 - 在政企联动“反内卷”、新技术加速迭代的背景下，光伏行业有望迎来基本面修复，叠加太空光伏等热点催化，板块情绪有望迎来拐点 [8] - 光伏ETF汇添富（516290）的管理费率为0.15%，托管费率0.05%，为光伏主题ETF中的低费率品种，仅为市场主流费率的三分之一 [8] - 电池ETF汇添富（159796）标的指数储能含量大幅领先同类，固态电池含量高，前瞻性地瞄准了产业技术迭代和需求爆发的核心驱动力，其管理费仅为0.15%/年，同类最低一档 [8]

文章核心观点 - 将数据中心部署到太空正从一个科幻概念转变为科技巨头们积极布局的现实战略，旨在解决地面AI算力发展面临的能源、散热和延迟等核心物理瓶颈 [1][3] - 太空数据中心建设目前主要探索“在轨边缘计算”和“轨道云数据中心”两条技术路径，前者已进入实践验证阶段，后者则代表更长期的规模化野心 [13] - 尽管面临技术、工程成本及监管等多重挑战，且短期内无法替代地面设施，但太空数据中心为算力的长期增长提供了一条不受地面资源约束的可行路径，未来可能形成天地混合的算力体系 [60][62][63] 地面数据中心面临的挑战 - **能源消耗巨大**：超大规模AI数据中心的持续用电规模已从几十兆瓦跃升至数百兆瓦，甚至逼近1吉瓦（GW），1吉瓦功率全年运行耗电约8.8太瓦时，相当于一座中等规模城市一年的用电量 [6] - **散热成为昂贵系统难题**：以H100 GPU为例，单卡功耗近700瓦，集群散热成本高昂；大型数据中心每消耗1千瓦时电力，通常需要1至2升淡水用于冷却，一个百兆瓦级AI数据中心日耗水量可达上百万升 [6] - **能源获取竞争激烈**：AI巨头为保障电力供应，采取收购发电厂、自建电网、抢购燃气轮机乃至研究核能等多种手段，地面已陷入“AI能源战争” [8] 太空数据中心的优势 - **近乎无限且稳定的能源**：近地轨道太阳能利用效率是地面的8到10倍，可提供24小时不间断、几乎零成本的清洁能源；太阳本身被视为一个稳定运行了45亿年的天然核聚变反应堆，能量极其充沛 [9] - **高效自然的散热环境**：太空背景温度仅约3开尔文（-270℃），热量可通过辐射方式直接排向深空，理论上可使数据中心能源使用效率（PUE）无限逼近于1，即几乎所有电力都用于计算而非制冷 [10][11] - **极低的通信延迟**：光在真空中的传播速度比在光纤中快30%，通过激光链路可实现“全球算力秒达”，太空算力节点可能成为更接近用户的快速中继节点 [13] 当前主要技术路径：在轨边缘计算 - **核心逻辑**：将AI加速器直接部署于在轨卫星，使数据（如遥感图像）在太空就地处理、筛选和压缩，减少下行数据量，降低延迟和通信能耗 [16][17] - **实践案例**：初创公司Starcloud与英伟达合作，于2023年11月将搭载H100 GPU（系统重60公斤）的Starcloud-1卫星送入轨道，并成功在太空中完成调用Gemma模型、训练NanoGPT以及实时识别野火等任务 [19] - **技术特点与意义**：使用成熟的数据中心级硬件进行适应性封装，任务专用，技术难度相对可控；商业模式清晰，可立即提升效率；更重要的是为验证算力在太空辐射环境下的长期稳定运行提供了关键第一步 [21][22][24][25] - **局限性**：受卫星体积、供电和散热限制，无法无限堆叠GPU，不适合训练超大模型，主要服务于图像识别、目标检测等特定任务，存在明确的天花板 [25][27] 当前主要技术路径：轨道云数据中心 - **谷歌的Suncatcher计划**：目标是在轨道上构建固定位置的算力平台，作为地面云计算的补充；计划于2027年初发射两颗原型卫星进行测试；设想由81颗卫星组成半径1公里的集群，卫星间通过自由空间光通信（FSO）互联并保持近距离编队飞行 [28][30][31][33] - **SpaceX基于Starlink的演进路线**：依托现有约9300颗活跃卫星（占所有在轨可运行卫星约65%）组成的、已具备激光链路的星座网络，通过后续发射专门的“算力增强型卫星”来逐步使网络具备分布式计算属性，形成分层式轨道云系统 [34][36][38][40] - **太空站式集中数据中心**：探索在国际空间站或大型在轨平台集中部署机柜级算力，结构接近地面数据中心，但面临极高的发射建设成本、有限扩展性及在轨维护挑战，目前多处于研究和早期验证阶段 [41][42][44] 建设挑战与成本分析 - **技术挑战**：需重新设计卫星的整个工程逻辑，包括扩大太阳能板面积以提供持续稳定电力、在卫星平台内集成计算载荷、以及增加专门的辐射散热板来处理持续发热问题 [47][48] - **工程与成本挑战**：建设流程复杂且容错率低；当前1GW太空数据中心的预估建设成本可能高达千亿美元，其中仅发射和在轨组装成本就可能达到200至300亿美元（基于将上万吨级系统送入轨道的测算） [51][53] - **成本未来展望**：尽管前期投入巨大，但在发射成本大幅下降（如SpaceX星舰实现完全复用后可能低至每公斤15美元）的前提下，凭借近乎零的长期运行能源成本，其全生命周期成本未来有望与地面数据中心接近甚至更低 [33][55][56] - **监管挑战**：大规模部署将加剧近地轨道拥挤，增加碰撞风险与太空垃圾问题，需要建立全新的跨国界轨道治理机制，包括更严格的离轨与退役标准 [57][59] 未来前景与定位 - **角色定位**：在可预见的未来，太空数据中心并非地面数据中心的替代者，而是作为补充，与地面设施共同构成“混合算力体系” [60][63] - **适用场景**：特别适合处理对能耗要求极大、对延迟和可靠性要求相对不高的计算任务，如部分AI训练；也适用于在太空采集并需要就地计算的数据，充当边缘数据中心 [64] - **长期意义**：为持续膨胀的算力需求开辟一条不受地面能源、散热、用水及土地资源约束的增长路径，重新定义算力的物理边界，标志着算力开始被视为一种需要跨越行星尺度来规划的基础资源 [62][65][67]

文章核心观点 - 人工智能初创公司（如Anthropic）持续发布新的生产力工具，加剧了市场对AI将广泛颠覆传统行业商业模式的担忧，这种担忧在上周集中爆发并引发股市剧烈抛售，尤其是软件、金融及资产管理类股票 [1][2][4] - 尽管市场对AI颠覆的恐慌导致相关股票被大幅抛售且估值降至历史低位，但华尔街分析师对行业基本面的盈利预期却在改善，部分投资者认为当前抛售过度，已出现技术性超卖和“抄底”机会 [11][12][13] AI工具发布引发市场恐慌 - AI初创公司Anthropic发布了旨在自动化法律、数据服务及金融研究等多个行业工作任务的新工具，引发市场对无数企业将被颠覆的恐惧 [2] - 作为回应，投资者广泛抛售股票，波及公司包括Expedia Group Inc、Salesforce Inc以及London Stock Exchange Group Plc等 [2] - 另一家人工智能公司Alphabet Inc的谷歌发布了一款仅凭简单图像或文字提示即可创建沉浸式数字世界的工具，扰动了视频游戏类股票 [7] - Anthropic基于其Claude编码服务发布的工作助手，直接导致软件类股票下跌 [7] 受影响行业及公司的市场表现 - 上周，软件、金融服务和资产管理三大行业的164只股票市值合计蒸发6110亿美元 [5] - 个股方面：汤森路透集团在加拿大上市的股票当周暴跌20%，创历史最大单周跌幅；金融研究公司晨星经历了自2009年以来最糟糕的一周；软件制造商HubSpot Inc、Atlassian Corp和Zscaler Inc股价均下跌超过16% [4] - 追踪半导体相关股票的指数自2022年底以来上涨超过两倍，而iShares科技软件ETF（IGV）同期上涨61%，标普500指数上涨81%，显示此前市场资金集中于AI受益方（如芯片制造商） [6] - 软件板块成为今年以来净卖出最严重的行业，对冲基金对该板块的净敞口在2月3日降至低于3%的历史低点，远低于2023年18%的峰值 [10] 软件行业面临的特定压力 - 一系列令人失望的财报加剧了市场焦虑，例如微软因其云计算业务收入增长放缓引发对AI巨额支出的担忧，单日市值蒸发3570亿美元；ServiceNow Inc和SAP SE在财报后也分别下跌10%和15% [8] - 部分传统软件公司股价已从高点大幅回落：Salesforce较2024年12月的历史高点下跌48%；ServiceNow较2025年1月的峰值下跌57% [9] - 软件股估值持续走低：高盛追踪的一篮子软件股市盈率降至21倍的创纪录低点，远低于2021年末超过100倍的峰值；Salesforce目前基于未来12个月预期利润的市盈率为14倍，而过去十年平均为46倍 [13] 市场技术指标与分析师观点 - 广泛关注的iShares科技软件ETF（IGV）在上周前四个交易日下跌12%，尽管周五有所反弹 [3] - 该ETF的14日相对强弱指数在周四跌至15，为近15年最低水平，当前约24，低于30即被视为超卖 [12] - 华尔街分析师对行业盈利前景的看法趋于乐观：根据彭博行业研究数据，标普500指数中软件和服务公司2026年的盈利预计增长19%，高于几个月前预测的16% [11] - 有市场研究观点认为，尽管存在颠覆风险，但企业利润和利润率可能保持良好，当前抛售可能过度，为增长型投资者提供了逢低买入的机会 [12]

全球云服务市场增长核心驱动力 - 生成式AI是推动全球云基础设施服务市场增长的核心驱动力 [1] - 2025年全球企业在云基础设施服务方面的支出达到4190亿美元，创下三年来的最高增长率 [1] 市场竞争格局 - 亚马逊、微软与谷歌是全球三大云服务厂商，合计市场份额达63% [1] - 亚马逊市场份额为28%，微软为21%，谷歌为14% [1] 主要厂商资本支出计划 - 为提升竞争力，三大云厂商资本支出规模持续飙升，预计累计支出约5300亿美元 [3] - 亚马逊预计2026年资本支出约2000亿美元 [3][6] - 谷歌预计2026年资本支出达1750-1850亿美元，较2025年的914.5亿美元大幅提升近一倍 [7] - 微软单季资本开支高达375亿美元，以此估算全年支出约1500亿美元 [5] 微软业绩与市场表现 - 微软2026财年第二财季整体营收达813亿美元，同比增长17%；净利润为385亿美元，同比增长60% [4] - 该季度微软云收入为515亿美元，同比增长26% [4] - 智能云部门收入为329亿美元，同比增长29% [4] - Azure及其他云服务收入同比增长39%，AI是驱动云服务增长引擎 [4] - 财报发布当天股价大跌9.99%，市值蒸发3574亿美元 [4] - 市值跌破3万亿美元至2.98万亿美元，相比历史峰值4.15万亿美元减少1.17万亿美元 [5] - 云业务的商业剩余履约义务同比增长超过一倍，达到6250亿美元，其中近一半由OpenAI贡献 [5] 亚马逊业绩与市场表现 - 亚马逊2025年总营收高达7169亿美元，同比增长12%，净利润777亿美元 [6] - 亚马逊云服务（AWS）2025年营收1287亿美元，同比增长20%，营业利润456亿美元 [6] - AWS积压订单总额高达2440亿美元，同比增长40% [6] - 亚马逊市值约为2.25万亿美元 [6] 谷歌业绩与市场表现 - 谷歌2025年全年营收4028亿美元，同比增长15%，净利润为1321亿美元，同比增长32% [7] - 谷歌云2025年Q4营收176.6亿美元，同比大增48% [7] - 谷歌云2025年全年总收入超700亿美元 [7] - 谷歌云未完成订单金额高达2400亿美元，同比增长超一倍 [7] - 谷歌市值已突破4万亿美元大关，成为资本市场炙手可热的AI公司 [7] 各公司AI战略与竞争态势 - 微软与OpenAI深度捆绑，构建Azure AI基础设施，云服务市场份额提升至21% [9] - 谷歌凭借从Gemini到TPU芯片的全栈产品集成，驱动云业务高速增长 [8] - 在AI大模型时代，亚马逊的市场份额逐渐被微软及谷歌所吞噬 [9] - 谷歌云不仅是公司整体业绩的增长引擎，也是支撑其资本市场表现的核心因素，有望借AI浪潮与英伟达争夺全球市值冠军 [9]