邦道咨询全球算力产业投资分析研究报告

研究视角： 产业投资研究 / 证券分析师

算力产业：AI时代的核心基础设施与长期资本投资机会

研究基准日：2026年11月

 

研究范围： 全球算力产业链、中国算力产业链、AI数据中心、GPU及AI加速芯片、服务器、存储、光通信、交换机、液冷、电源、IDC及算力运营。

核心研究目标： 判断算力产业未来5—10年的市场空间、产业链利润分配、企业竞争壁垒、资本回报能力，以及当前阶段哪些细分行业更值得投资。

重要说明：本报告采用全球投资银行研究框架。2026年完整年度财务数据尚未全部披露，因此区分已披露财务数据、市场预测、模型假设和投资情景，不将预测值当作企业实际业绩。

 

 

一、投资核心观点：算力产业进入基础设施资本投入周期

1.1 投资逻辑

算力产业不是单一的芯片行业，而是由计算、存储、网络、能源、散热、数据中心和算力服务共同构成的基础设施产业。

其投资逻辑正在从第一阶段的AI芯片需求，逐步扩展到整个AI基础设施体系。

 

核心逻辑可以概括为：

1. 需求驱动： 大模型训练、推理、多模态AI、智能体和物理AI持续提升计算需求。
2. 资本驱动： 全球科技巨头持续增加AI数据中心、GPU集群和网络基础设施投资。
3. 技术驱动： GPU、ASIC、高带宽存储、先进封装、高速光模块和液冷技术共同升级。
4. 能源驱动： 算力中心从单纯的数据中心建设，升级为计算、电力、散热一体化工程。
5. 商业驱动： 算力逐渐成为可交易、可租赁、可调度的生产要素。

1.2 产业投资价值判断

细分领域	长期成长性	投资核心逻辑
AI芯片/GPU	极高	算力核心价值与技术壁垒
AI服务器	高	GPU集群扩张与整机交付
高速光模块	极高	数据中心网络带宽升级
高速交换机	高	集群规模扩大带来网络升级
高带宽存储HBM	极高	AI计算内存带宽瓶颈
液冷散热	高	单机功率提升带来散热需求
数据中心电源	高	高功率供电及能源转换
IDC数据中心	中高	长期基础设施与租赁收入
算力租赁	中高	GPU资源商业化，但资本风险较高
AI算力调度平台	高	提高资源利用率和运营效率

初步投资判断：

算力产业中，最值得关注的并不一定是收入规模最大的企业，而是具备技术壁垒、客户黏性、持续订单、定价能力和高资本回报率的企业。

在产业链投资中，应重点关注三个层次：

• 第一层：GPU、AI芯片、HBM等核心技术环节。
• 第二层：光通信、服务器、交换机、液冷、电源等关键设备环节。
• 第三层：IDC、算力租赁、算力调度等基础设施运营环节。

 

 

二、市场与需求：算力产业的全球市场空间

2.1 全球算力基础设施市场规模

算力市场没有完全统一的统计口径，需要将AI基础设施资本开支、数据中心投资、服务器销售、芯片销售和算力服务收入区分开来，避免重复计算。

目前可参考的几组重要预测：

指标	市场数据	研究机构
2026年全球AI资本开支	约9000亿美元	摩根大通，2026年10月
2026年全球数据中心资本开支	约8000亿美元	PwC，2026年9月
2026年全球AI服务器出货量增速	接近31%	TrendForce，2026年8月
2026年全球AI光模块市场	260亿美元	TrendForce，2026年4月
2026年全球AI数据中心巨头资本开支	超8867亿美元	TrendForce，2026年8月

数据来源：

摩根大通+3

需要注意：AI资本开支和数据中心资本开支存在交叉，不能简单相加。

2026年算力基础设施关键市场指标

不同研究机构预测的市场指标，单位：亿美元；仅作规模比较，不代表互斥市场。

0亿美元2500亿美元5000亿美元7500亿美元1万亿美元AI资本开支数据中心资本开支九大CSP资本开支AI光模块

2.2 全球AI服务器市场

 

AI服务器是算力基础设施中最直接的硬件载体。

其主要构成包括：

• GPU或ASIC计算加速芯片。
• CPU及主板。
• HBM高带宽内存。
• DDR内存及SSD存储。
• 高速网络接口和交换模块。
• 服务器电源及散热系统。
• 机柜、液冷管路和管理系统。

TrendForce在2026年8月将全年AI服务器出货增长预测上调至接近31%，并指出全球九大云服务商资本开支同比增长约90%。

TrendForce+1

投资判断：

AI服务器的增长不只是传统服务器数量增加，而是单台服务器价值量提升、GPU密度提高、网络复杂度增加和整机功耗提升共同推动。

应重点跟踪：

1. AI服务器订单增长率。
2. GPU交付周期。
3. 单机柜价值量。
4. 服务器毛利率。
5. 主要客户采购集中度。
6. 应收账款和库存变化。

2.3 高速光通信市场

 

AI集群规模扩大以后，GPU之间需要进行高速、大容量、低延迟的数据交换。

光通信由此成为算力产业的重要瓶颈环节。

TrendForce预测：

• 2025年全球AI专用光收发模块市场规模约165亿美元。
• 2026年预计达到260亿美元。
• 同比增长超过57%。

技术发展方向：

技术	投资价值	产业意义
400G	成熟	传统数据中心升级
800G	高	当前AI集群重要配置
1.6T	高	下一代高速互联
硅光子	高	降低功耗、提高集成度
LPO	高	降低DSP功耗及成本
CPO	长期高	光电共封装，改变交换架构

TrendForce

需要关注的企业：

• 中国：中际旭创、新易盛、天孚通信、光迅科技。
• 美国：Coherent、Lumentum、Broadcom。

投资判断： 光通信是值得重点研究的高成长赛道，但必须警惕800G产品降价、1.6T良率、激光器供应、客户认证和资本开支周期变化。

2.4 数据中心与能源市场

 

AI算力增长正在产生新的能源需求。

国际能源署IEA在2026年研究中指出：

• 全球数据中心2025年耗电量约485TWh。
• 预计2030年达到约950TWh。
• AI专用数据中心耗电增长明显快于传统数据中心。
• HBM供应、电网接入、变压器和电力设备成为基础设施建设瓶颈。

IEA

这意味着算力投资已经从IT硬件延伸到电力基础设施。

值得关注的细分方向：

1. 数据中心高压配电。
2. UPS不间断电源。
3. 高密度服务器电源。
4. 液冷CDU及冷却系统。
5. 变压器和储能。
6. 数据中心能源管理系统。

代表性企业包括：

• Vertiv：数据中心电力和热管理。
• Eaton：电力管理。
• Schneider Electric：数据中心配电与能源管理。
• 英维克：精密温控与液冷。
• 科华数据：UPS和数据中心基础设施。

2.5 终端需求与客户结构

算力需求主要来自六类客户。

客户类别	核心需求	商业模式
云计算巨头	大规模GPU集群	云计算服务
大模型企业	模型训练与推理	API及模型服务
互联网企业	搜索、推荐、广告、智能体	广告与订阅
金融机构	风控、量化、智能投研	企业级算力采购
政府及国企	自主可控、政务云	项目采购
制造业及工业企业	工业AI、机器视觉、数字孪生	企业算力服务

其中，云计算巨头是目前最重要的资本开支主体。

2026年全球AI算力投资仍然高度集中于美国大型云服务商，但中国、欧洲、中东和亚太地区也在推进本土化算力建设。

摩根大通+1

2.6 全球区域市场结构

北美市场

当前核心投资市场

• NVIDIA、AMD、Broadcom、Google、Amazon、Microsoft。
• GPU、ASIC、先进封装、HBM、高速网络。
• 优势在于芯片设计、软件生态和超大规模客户。

中国市场

自主算力建设市场

• 国产AI芯片、服务器、光模块、交换机、数据中心。
• 重点关注国产替代、供应链安全及算力基础设施建设。
• 风险在于先进制程、软件生态和高端存储供应约束。

欧洲及中东市场

• 主权AI、能源资源、数据中心建设。
• 关注电力资源、土地、国际资本和区域算力中心。

日本及韩国市场

• 日本重点关注数据中心、半导体设备、先进封装和电力设施。
• 韩国重点关注HBM、DRAM、存储及先进半导体制造。

三、竞争格局与产业链技术壁垒

3.1 全球算力产业链全景

 

产业链	核心产品	主要竞争者
芯片设计	GPU、ASIC、CPU	NVIDIA、AMD、Broadcom
晶圆制造	先进制程	TSMC、Samsung
存储芯片	HBM、DRAM、NAND	SK海力士、三星、美光
先进封装	CoWoS等	TSMC、ASE
服务器	AI服务器、整机柜	Dell、Supermicro、工业富联
光通信	800G、1.6T	中际旭创、新易盛、Coherent
网络设备	交换机、网卡	Broadcom、Arista、Cisco
散热	液冷、CDU	Vertiv、英维克、申菱环境
电力	UPS、配电、电源	Eaton、Schneider、科华数据
IDC	数据中心运营	Equinix、Digital Realty、万国数据

3.2 GPU与AI芯片：最高技术壁垒之一

 

核心竞争企业：

• NVIDIA：GPU、CUDA软件生态、NVLink、整机柜系统。
• AMD：Instinct系列AI加速芯片。
• Broadcom：定制ASIC和AI网络芯片。
• Google：TPU自研芯片。
• 华为：昇腾AI计算体系。
• 寒武纪：国产AI加速芯片。
• 海光信息：CPU及DCU产品。

技术壁垒主要包括：

1. GPU并行计算架构。
2. HBM内存带宽。
3. 芯片间高速互联。
4. 先进制程和先进封装。
5. 编译器及软件生态。
6. 算法适配和开发者生态。
7. 大规模集群稳定性。

核心投资观点： 芯片竞争不能只看理论算力TOPS，更要看实际模型吞吐量、单位Token成本、每瓦性能、软件适配能力和集群有效利用率。

3.3 GPU与ASIC的技术路线竞争

对比维度	GPU	ASIC
灵活性	高	较低
通用性	高	面向特定任务
初始研发成本	高	高
单位任务效率	取决于负载	特定任务可更高
软件生态	CUDA等生态成熟	依赖专用软件栈
适用场景	训练、推理、多种模型	固定模型及规模化推理

TrendForce预计2026年ASIC AI服务器占比约27.8%，GPU服务器仍是主流。

TrendForce

这说明未来算力市场并不是GPU完全替代ASIC，或者ASIC完全替代GPU，而是逐步形成异构计算格局。

投资上：

• GPU：关注平台生态和高端计算需求。
• ASIC：关注云厂商自研芯片及定制芯片订单。
• CPU：关注AI推理前后处理、通用计算及系统控制。
• 国产芯片：关注产品性能、软件适配、客户验证及规模化交付。

3.4 产业链竞争壁垒评分

以下为研究模型主观评分，并非第三方市场份额数据。满分10分。

产业环节	技术壁垒	客户转换成本	资本壁垒
GPU	10	10	10
HBM	10	9	10
先进封装	9	9	10
AI网络芯片	9	9	9
光模块	8	7	8
AI服务器	7	7	8
液冷系统	7	7	7
数据中心	6	8	10
算力租赁	5	5	9

这里需要特别强调：资本壁垒高，不代表投资回报率高。数据中心和算力租赁可能拥有很高的资本投入，却因为折旧、电费、融资成本和设备迭代而获得较低的股东回报。

四、经营质量：算力企业的盈利能力与财务分析

投资算力产业，不能只看收入增长率，还必须分析企业是否能够将订单增长转化为利润和自由现金流。

4.1 核心上市公司财务表现

首先选择全球具有代表性的企业作为研究样本。

以下为可核实的已披露历史年度数据，不代表2026年最新TTM数据。不同公司财年截止日不同，不能直接等同于自然年度。

公司	财务年度	营业收入	毛利率	经营特点
NVIDIA	FY2026	2159.38亿美元	71.1%	GPU及AI平台
Broadcom	FY2025	638.87亿美元	综合约67.8%	ASIC、网络芯片、软件
Arista Networks	2025	约90亿美元	Q4为62.9%	AI网络设备

数据来源：企业财报及公告。

美国证券交易委员会+2

其中，NVIDIA FY2026净利润为1200.67亿美元，营业利润为1303.87亿美元，表现出极强的盈利能力。

美国证券交易委员会

代表性算力企业收入规模

历史财年披露收入，亿美元；Broadcom含基础设施软件业务，不能视为纯算力芯片收入。

0亿美元600亿美元1200亿美元1800亿美元2400亿美元NVIDIA FY2026Broadcom FY2025Arista 2025

4.2 企业经营质量评价指标

建议对算力上市公司建立以下财务分析模型。

指标	重点观察	优质企业特征
营业收入增长率	订单转化情况	连续增长
毛利率	产品定价能力	稳定或提升
净利率	经营效率	利润增长快于收入
ROIC	投入资本回报	高于WACC
经营现金流	收款能力	长期为正
应收账款	客户回款风险	增速低于收入
存货周转率	需求及库存管理	周转稳定
资本开支	扩产投资	投入与订单匹配
自由现金流	股东真实回报	持续改善

4.3 不同算力企业的盈利质量比较

以下为产业研究参考区间及分析判断，不是各公司实际财务数据。

企业类型	参考毛利率区间	盈利质量关键因素
GPU芯片设计	55%—75%	技术领先、软件生态
ASIC芯片设计	45%—70%	定制订单、研发投入
HBM存储	30%—60%	供需、良率、资本投入
光模块	25%—45%	产品结构、规模效应
AI服务器	8%—18%	供应链管理、交付效率
交换机	40%—65%	自研芯片、客户结构
液冷设备	25%—40%	系统集成、技术认证
IDC运营	25%—50%	上架率、电价、折旧

上述区间仅用于初步筛选，不能代替公司分部财报。

4.4 ROIC：算力产业最重要的投资指标之一

ROIC是判断资本投入能否创造价值的关键指标。

\[ ROIC=\frac{NOPAT}{平均投入资本} \]

其中：

• NOPAT：税后经营利润。
• 平均投入资本：有息债务与股东投入资本，扣除非经营性现金等调整项目。

假设两家算力企业：

指标	A企业：芯片设计	B企业：算力租赁
投入资本	100亿元	100亿元
税后经营利润	25亿元	10亿元
ROIC	25%	10%
WACC假设	10%	10%
ROIC-WACC	+15个百分点	0个百分点

不同算力商业模式的资本回报示例

假设数据，不代表真实企业。

ROIC

WACC

0%7%14%21%28%A企业B企业

A企业创造了显著的经济附加值，B企业仅达到资本成本。

投资结论： 在相同收入增长率下，应优先选择ROIC更高、现金流更好、资本开支压力更小的企业。

4.5 应收账款与库存风险

算力产业存在一个容易被忽略的问题：收入增长不等于现金流增长。

需要重点检查：

• 应收账款增速是否持续高于营业收入增速。
• 应收账款账龄是否恶化。
• 前五大客户收入占比是否过高。
• 存货是否存在技术迭代导致的跌价风险。
• 预付款是否大幅增加。
• 经营现金流与净利润是否长期背离。

尤其对于AI服务器、光模块和算力租赁企业，要防止出现订单增长、收入增长、应收账款增长，但经营现金流下降的情况。

五、资本结构与产业风险分析

5.1 算力产业的资本开支周期

 

算力产业是典型的重资产与技术快速迭代相结合的行业。

其资本开支主要分为：

投资方向	主要资本开支
芯片企业	研发、EDA、IP、验证及流片
晶圆制造	厂房、设备、工艺升级
AI服务器	生产线、测试设备、供应链
光模块	自动化设备、光芯片、产能扩建
IDC	土地、厂房、机柜、配电、制冷
算力租赁	GPU服务器、网络、电力、机房

国际能源署指出，数据中心扩张面临电网接入、先进芯片、HBM供应、融资和社会接受度等多重制约。

IEA

5.2 算力租赁的资本回报模型

这是当前需要重点研究的商业模式之一。

假设建设一个1000张GPU的算力集群：

 

这组假设显示：即使算力租赁收入达到3亿元以上，折旧和运营费用仍可能大幅压缩利润。

更重要的是，以上尚未扣除融资成本、税费及其他管理费用。

算力租赁的核心不是拥有多少GPU，而是能否持续获得客户、维持出租率、控制电力成本，并在设备贬值之前收回投资。

5.3 五大核心投资风险

风险类别	具体表现	影响
技术替代	GPU转向ASIC、芯片架构变化	设备贬值
资本开支	超大规模扩建	供给过剩
能源约束	电网、变压器、用电指标不足	项目延期
客户集中	依赖少数云计算巨头	议价能力下降
融资风险	高负债、高利率、再融资困难	现金流承压

5.4 技术迭代与资产折旧风险

算力产业与传统基础设施最大的区别，是硬件更新速度较快。

例如：

• 新一代GPU可能显著提高单位功耗下的计算效率。
• ASIC可能在特定推理场景降低单位计算成本。
• HBM代际升级可能改变存储配置。
• 光通信从800G升级至1.6T，可能改变现有产品结构。
• 液冷技术可能从冷板式向更复杂的系统集成演进。

投资人必须关注设备经济寿命，而不只是会计折旧年限。

对于算力租赁企业，建议采用经济折旧与财务折旧双重测算，评估二手设备价格、残值和重新部署能力。

5.5 政策与地缘政治风险

中国算力产业还需重点研究：

1. 高端GPU出口管制。
2. 先进制程制造限制。
3. HBM及先进封装供应链限制。
4. 国产AI芯片生态建设。
5. 数据跨境和数据安全监管。
6. 地方算力中心重复建设及低利用率。

投资判断： 国产替代具有产业战略价值，但不能把政策支持直接等同于企业盈利能力。最终仍要看产品性能、商业订单、客户复购和现金流。

六、估值与投资回报：如何判断算力企业是否值得买入

6.1 产业链不同企业的估值方法

算力产业不能采用单一估值方法。

企业类别	主要估值方法	核心指标
GPU芯片	PE、DCF、PEG	EPS、毛利率、增长率
ASIC芯片	PE、EV/EBITDA、DCF	定制订单、客户集中度
HBM存储	PE、PB、周期调整估值	ASP、产能利用率
光模块	PE、PEG、DCF	收入增长、净利率
AI服务器	PE、EV/EBITDA	净利润、周转效率
液冷设备	PE、EV/EBITDA	订单、毛利率
IDC	EV/EBITDA、NAV、DCF	EBITDA、上架率
算力租赁	EV/EBITDA、DCF	GPU利用率、租赁价格

6.2 全球可比上市公司

 

NVIDIA（NVDA）

GPU、AI计算平台、CUDA生态。重点关注数据中心收入、毛利率、自由现金流和估值溢价。

 

Broadcom（AVGO）

定制AI ASIC、高速网络和基础设施软件。重点关注AI半导体业务和软件业务的分部估值。

 

Arista Networks（ANET）

数据中心交换机和AI网络。重点关注订单增长、客户集中度及毛利率。

VERTIV

Vertiv（VRT）

数据中心电力和热管理。重点关注订单储备、项目交付、利润率和营运资本。

 

Micron Technology（MU）

HBM、DRAM及存储。重点关注产能利用率、产品结构、价格周期和资本开支。

中国市场重点研究对象：

公司	股票代码	核心研究方向
中际旭创	300308	高速光模块
新易盛	300502	高速光模块
天孚通信	300394	光器件及光引擎
工业富联	601138	AI服务器制造
寒武纪	688256	AI芯片
海光信息	688041	CPU及DCU
浪潮信息	000977	AI服务器
光迅科技	002281	光通信器件
英维克	002837	数据中心温控
科华数据	002335	UPS及数据中心
润泽科技	300442	IDC及算力基础设施
万国数据	GDS	数据中心运营

以上为产业研究样本，不代表买入推荐或当前估值排名。

6.3 DCF现金流折现估值模型

•  

以一家假设中的AI基础设施企业为例：

DCF估值模型：基准情景

以下均为示范性模型参数，并非任何上市公司真实预测。

指标	假设
当前年度收入	100亿元
未来5年收入CAGR	20%
第1年FCFF	8亿元
FCFF未来5年增长	20%
WACC	10%
永续增长率	3%
净债务	10亿元
股本	5亿股

估值结果

约1,600亿元

示例企业股权价值约值；具体结果应以完整逐年现金流及终值计算为准。

6.4 三种投资情景分析

指标	乐观情景	基准情景	悲观情景
收入年复合增长率	30%	20%	5%
毛利率	50%	40%	30%
WACC	9%	10%	12%
永续增长率	4%	3%	2%
投资逻辑	AI需求超预期	稳步增长	资本开支降温

这里需要特别注意：上述情景参数必须与对应企业的业务模式、资本开支和自由现金流预测联动，不能只调整收入增速就直接得出估值结论。

6.5 投资回收期分析

不同算力商业模式的回报周期存在明显区别：

产业方向	主要回收来源	回报周期判断
GPU芯片	芯片销售及软件生态	研发成功后商业化
光模块	产品销售	取决于订单及产品迭代
AI服务器	整机销售	取决于订单、周转和回款
液冷设备	系统及设备销售	取决于项目交付
IDC	机柜租赁	长期资本回收
算力租赁	GPU租赁收入	对利用率和设备残值高度敏感

不能用一个统一的投资回收年限衡量整个算力产业。应当将项目现金流、设备经济寿命、残值和融资成本结合测算。

七、投资策略：算力产业链哪些环节更值得投资？

7.1 五大重点投资方向

结合需求增长、技术壁垒、资本回报、客户黏性和行业竞争，我将算力产业分为五类投资机会。

 

第一类：AI芯片与计算架构

核心战略资产

• 代表：NVIDIA、AMD、Broadcom、寒武纪、海光信息。
• 投资逻辑：计算能力、软件生态和芯片架构构成高壁垒。
• 风险：技术迭代、出口限制、客户自研。

 

第二类：高速光通信

重点成长赛道

• 代表：中际旭创、新易盛、天孚通信。
• 投资逻辑：GPU集群规模扩大，网络带宽持续升级。
• 风险：产品降价、技术路线变化、客户集中。

 

第三类：液冷及数据中心电力

基础设施成长赛道

• 代表：Vertiv、Eaton、英维克、科华数据。
• 投资逻辑：高功率GPU带来散热、电源和配电升级。
• 风险：项目竞争、技术标准变化、扩产过度。

 

第四类：AI服务器与整机柜

• 代表：工业富联、浪潮信息、Dell、Supermicro。
• 投资逻辑：AI算力基础设施扩张，带动服务器需求。
• 风险：制造业利润率偏低、客户集中、库存和应收账款。

 

第五类：IDC及算力运营

• 代表：Equinix、Digital Realty、万国数据、润泽科技。
• 投资逻辑：算力基础设施长期租赁需求。
• 风险：重资产、高折旧、融资成本和上架率。

7.2 投资优先级评价

研究员主观评分，满分10分。评分是产业筛选工具，不是股票收益预测。

产业方向	需求成长	技术壁垒	盈利潜力	综合研究优先级
AI芯片	10	10	10	最高
HBM存储	9	10	9	很高
高速光通信	10	8	9	很高
AI网络设备	9	9	9	很高
液冷及电力	9	7	8	高
AI服务器	9	7	6	中高
IDC运营	8	6	6	中高
算力租赁	8	5	5	谨慎

7.3 未来三阶段投资策略

第一阶段：2026—2027年

重点：基础设施扩张

主要机会：

• GPU及AI加速芯片。
• HBM及先进封装。
• 800G、1.6T光模块。
• AI服务器、液冷、电源。

投资重点：订单增长、供需缺口、产品价格和产能利用率。

第二阶段：2028—2030年

重点：算力效率和规模化运营

主要机会：

• ASIC定制芯片。
• 推理计算基础设施。
• CPO及硅光子。
• 算力调度和数据中心能源管理。
• 全球IDC运营。

投资重点：单位Token成本、ROIC、算力利用率和现金流。

第三阶段：2030年以后

重点：算力商业化深化

主要机会：

• 全球算力网络。
• 边缘AI计算。
• 物理AI算力基础设施。
• AI机器人和工业智能算力。
• 分布式算力资源调度。

投资重点：算力服务收入、客户复购、平台化和网络效应。

八、投资组合与风险控制

如果以产业投资基金的角度构建一个算力主题组合，可以采用以下研究模型：

算力产业主题投资组合示例

假设配置比例，不代表实际基金组合或投资建议。

AI服务器

AI芯片及存储

IDC及算力运营

光通信及网络

液冷及电力

组合管理原则：

1. 避免所有资金集中在GPU单一技术路线。
2. 关注AI产业链不同环节的盈利兑现时间。
3. 对高估值企业设置盈利增速和估值双重约束。
4. 对重资产企业设置ROIC及自由现金流门槛。
5. 对算力租赁企业重点检查设备残值和客户合同。
6. 预留流动性，应对AI资本开支周期变化。

九、最终投资结论

算力产业投资价值判断

长期看好，短期精选标的

算力产业具备较强的长期成长逻辑，但产业增长并不意味着所有算力企业都能获得超额投资回报。

从金融投资角度，我认为需要重点把握以下五个判断：

第一，算力需求仍处于长期扩张阶段。

AI大模型、智能体、视频生成、自动驾驶、机器人及工业AI，将持续增加计算、存储和网络需求。

第二，利润不会平均分配给所有产业链企业。

具备芯片架构、软件生态、先进存储、高速互联等核心技术的企业，更有机会获得超额利润。

第三，光通信、液冷、电源值得重点研究。

这些环节受益于算力集群扩建，同时也受到技术升级和基础设施瓶颈推动。

第四，重资产算力运营必须审慎估值。

IDC和算力租赁可能实现较大收入规模，但折旧、融资成本、设备淘汰和利用率决定最终回报。

第五，投资最终要回归现金流。

真正值得长期持有的企业，需要具备持续订单、合理估值、稳定利润、较高ROIC和自由现金流。

十、下一步：建议深入研究的三项内容

如果要将这份产业研究报告升级为真正可以用于投资决策的机构级研究报告，我建议继续做三个专题：

优先研究一

全球算力产业链50家上市公司投资数据库

覆盖美国、中国、日本、韩国市场，整理股票代码、营业收入、净利润、毛利率、ROE、ROIC、资本开支、经营现金流、PE、PB、EV/EBITDA及市场份额。

优先研究二

算力产业链20家核心企业深度财务分析

选择NVIDIA、Broadcom、AMD、Micron、Arista、中际旭创、新易盛、工业富联、寒武纪、海光信息等企业，研究最近三年财务报表及未来三年盈利预测。

优先研究三

2026—2030年算力产业投资机会与估值模型

建立乐观、基准、悲观三种情景，测算收入、净利润、自由现金流、DCF估值、合理PE区间、目标回报率和投资退出路径。

特别建议： 下一步优先开展第一项和第二项。产业趋势决定投资方向，企业财务质量和估值决定投资回报。只有将产业研究与上市公司财务数据结合，才能真正筛选出有长期投资价值的算力企业。

主要参考资料与研究来源

1. J.P. Morgan：AI Capex & Hyperscaler Investment Outlook（2026年10月）。
2. PwC：Global Investment in AI Infrastructure（2026年9月）。
3. TrendForce：2026年AI服务器出货预测（2026年8月）。
4. TrendForce：全球AI光收发模块市场预测（2026年4月）。
5. IEA：Key Questions on Energy and AI（2026年）。
6. NVIDIA FY2026年度财务报告。
7. Arista Networks 2025年度财务报告。