行业与公司 * 行业：人工智能（AI）基础设施与半导体行业，特别是生成式人工智能（Gen-AI）、代理式人工智能（Agentic AI）在企业的应用，以及相关的资本支出（Capex）[3][6] * 涉及公司：涵盖科技巨头（Big Tech）、半导体制造商、设备供应商及金融机构，具体包括： * 科技/云服务商：OpenAI、Google、Meta、亚马逊AWS、微软[4][8][11] * 半导体设计/制造：英伟达（Nvidia）、台积电（TSMC）、美光（Micron）[13][18][27] * 半导体设备（Semicap）：ASML、ASMI、BESI[25] * 其他：特斯拉（Tesla）、SpaceX（Terafab项目）、Roche、RBC、花旗集团（Citigroup）等[4][13][25] 核心观点与论据 1. 企业AI应用驱动广泛需求与明确投资回报 * 关键用例：聊天机器人（如ChatGPT）、代码生成、内容推荐、药物发现、机器人流程自动化、金融分析等正驱动企业采用生成式AI[3][4] * 生产力与效率提升：Google超过30%的新代码由AI生成，工程师生产力提升约10%[4][29] Meta因AI驱动的视频推荐，Facebook和Instagram的用户参与度分别提升7%和6%[4][29] 微软在2026财年第一季度处理了约100万亿个令牌，同比增长5倍，表明企业级应用已具规模[29] * 明确的投资回报：Simbe机器人在优化货架可用性和促销方面，在数月内实现了3-4倍的投资回报率[4] RBC预计通过在其核心银行系统中使用AI，可带来10亿美元的收入提升[4] 花旗集团整合AI以提高效率并计划到2026年减少2万个工作岗位[4] 2. 代理式AI（Agentic AI）的兴起将加剧计算需求 * 定义与能力：代理式AI是能够规划、执行和迭代多步骤任务的自主系统，超越了单次提示-响应的大语言模型，可以调用工具/API并保持记忆/上下文[6] * 应用与增长：正被用于端到端工作流（如研究、分析、输出生成），用例涵盖法律/合规（Claude）、金融分析以及通过GPT Agents实现的通用数字助理[6] OpenClaw是历史上增长最快的开源项目[6] * 对基础设施的影响：代理式工作流引入了迭代反馈循环和并行代理，显著增加了内存强度，并将AI从辅助角色转向支持端到端自动化的自主角色[6] 3. 云服务商AI收入规模化，资本支出前景强劲 * AWS AI收入：AI服务年化收入运行率超过150亿美元，约占AWS收入的10%，表明其已超越实验阶段，实现规模化变现[8] * 需求可见性高：客户需求有合同/可见性支持，AI工作负载日益呈现多年期和粘性特点，涵盖训练和推理周期[8] 管理层认为AI可能帮助AWS在2036年实现6000亿美元的年销售额，暗示未来十年复合年增长率可达17%[8] * 巨头资本支出大幅上调：基于2026年第一季度的财报，市场对四大科技巨头（Alphabet、亚马逊、Meta、微软）2026年资本支出共识预期总计上调了约1500亿美元，从4800亿美元上调至6210亿美元[10][11] 4. 半导体产业链资本开支激增，设备需求旺盛 * 晶圆厂设备支出预测上调：高盛美国半导体团队将晶圆厂设备支出预测上调，2026年预测从1320亿美元上调至1600亿美元（+21%），2027年从1440亿美元上调至1740亿美元（+21%）[15][16] * 公司具体指引： * 台积电：预计2026年资本支出为520亿至560亿美元，超出市场约500亿美元的预期，且未来三年资本支出将显著高于过去三年的1010亿美元[13] AI加速器芯片收入在2024-2029年间的复合年增长率预测从mid-40%上调至mid-to-high 50%[18][19] 集团整体收入复合年增长率指引从20%上调至接近25%（美元计）[21][22] * 美光：将2026财年资本支出预期从200亿美元上调至250亿美元，其中大部分增长来自洁净室产能扩张[13] * 英伟达：预计到2027年，数据中心收入将超过1万亿美元（2025-2026年期间为5000亿美元），由计算和网络需求驱动[13] * Terafab项目的积极影响：特斯拉与SpaceX合作的Terafab项目旨在每年生产1太瓦（1，000吉瓦）的计算能力，预计1吉瓦的数据中心产能将转化为5亿至6亿美元的光刻设备（Lithography）需求，ASML、ASMI、BESI等欧洲设备商以及英飞凌（Infineon）将受益[13][25] 5. 存储（内存）成为AI关键瓶颈，供应持续紧张 * HBM的重要性：随着模型激增，内存带宽成为核心瓶颈，高带宽内存是AI计算的关键推动因素[27] * 供应紧张：HBM供应商今年已售罄，DRAM/NAND的库存低至2-4周，洁净室可用性成为产能扩张的瓶颈，在2028年之前难以有大量新增供应上线[27] * 设备投资强劲：存储行业正进入强劲的设备投资周期，预计2026年和2027年晶圆厂设备支出增长均约为20%[27] 预计2026/2027/2028年DRAM设备支出分别为400亿/470亿/490亿美元（同比+25%/+18%/+5%），NAND设备支出分别为100亿/150亿/170亿美元（同比+25%/+45%/+15%）[27] 风险与反驳论点 * 成本过高风险：科技巨头等未来几年将在AI资本支出上花费超过1万亿美元[29] * 反驳：企业已看到明确的投资回报，如Google的AI工具带来生产力提升，微软的令牌处理量激增[29] * 缺乏杀手级应用风险：不清楚AI的杀手级应用是什么[29] * 反驳：Meta的AI推荐提升了用户参与度，英伟达40%的GPU需求由推理驱动，表明AI模型已在生产中创造价值[29] * 效率提升降低计算强度风险：模型效率提升（如DeepSeek）和推理优化可能降低对计算的需求[29] * 反驳：成本降低会驱动使用量增加，总AI计算需求仍将上升（杰文斯悖论）[29] * 幻觉/误用风险：不正确的AI预测或滥用可能损害声誉和采用[29] * 反驳：防护措施（如RAG、微调、人类反馈、监管）正在进步，错误率有望随着数据集质量提升而持续降低[29] * 互联网泡沫类比风险：可能与互联网泡沫存在相似之处[29] * 反驳：科技巨头资本充足、盈利能力强、能产生自由现金流，拥有强大的单位经济效益和可见的需求，全球企业级采用表明AI正融入基础工作流[29]