点击查看研报原文
核心观点
AI行情从科技延伸至基建，涉及全球诸多产业链，传统行业分类已难以承载。我们重构了一套适配AI研究的分层体系，并得出三组结论：产业链内部的轮动由各层级预期盈利增长率的拐点决定，而并非产业链位置或相对估值，据此外推，半导体IP与设备、AI服务器硬件、数据中心基建、AI软件与安全未来数月或相对占优；地区格局收敛于中美两极，各有优势，又相互关联；中国A股和港股的AI公司可以分为海外链和国产链，切换取决于海外Capex与国产进展的相对节奏。最后，我们横跨全球挑选头部公司，组成AI全产业链篮子，供投资者选股参考。
利其器：横跨全产业链、多国家和地区的AI研究图谱
我们从全球12,375只个股中逐一核实主营构成，筛出1,137家AI公司，按价值创造环节而非传统行业归属，重构为9个一级、29个二级的分层体系，覆盖八个主要市场。九个一级层级自上游的L1 半导体IP与设备、L3 AI算力芯片，至中游的L5 数据中心基建，再到下游的L7 AI软件与安全。这一体系把散落在各行业中的AI资产置于同一框架，同层公司得以聚合为可整体观察的资产，层与层之间也有了统一的比较基准。产业链的联动关系由此可被量化检验，各环节跨市场可替代与否的边界也得以区分。
行业轮动：领涨环节或由预期盈利增速的拐点决定
我们认为轮动方向既不取决于产业链位置，也不取决于估值高低。云厂商资本开支确实沿产业链逐层落地，但这一先后次序主要存在于实际营收，在股价所定价的盈利预期上不显著：Capex指引一经上修，各层预期EPS同期同向调整，差别只在幅度。估值高切低同样不明显，2026年以来涨幅越高的层级预期PE反而越低，高涨幅与低PE同为盈利上修的结果。
真正有效的变量是预期盈利增长率（第二个未来12个月预期EPS/未来12个月预期EPS-1），其高低对应产业链上供需缺口的位置，拐点则指示缺口的转移，也即领涨环节的切换。某环节产能吃紧时，远期盈利的上修幅度大于当期，增长率随之抬升，该环节领涨；产能释放后增长率掉头，领涨地位向下一个缺口所在的环节让渡。据此外推，当前Factset预期盈利增长率持续上行且处于高位的是半导体IP与设备、AI服务器硬件，6月以来触底回升的是数据中心基建、AI软件与安全，这四层在未来数月或相对占优。
跨地区格局：全球布局与核心资产分布
AI产业链上，具备全栈式布局能力的只有中美两个经济体，各有优势又相互依存。中国在EDA工具、先进算力芯片与HBM存储上仍待完善，可定向突破，需要以时间换空间；美国的不足主要在制造与组装产能，重建整条制造链以十年计。两极相互依存的格局在可见期内仍将维持，但自我发展也会持续加码。两极之外，日韩欧与中国台湾各自嵌入美系链条的一到两个环节。
中国AI产业：海外链与国产链的双链格局
中国的AI资产由需求来源不同的两条链构成。1）海外链：承接北美云厂商资本开支，盈利可由海外Capex直接跟踪，确定性更强，中期与全球AI硬件同步且弹性更大，短期则随中国资产的风险偏好阶段性偏离海外景气。2）国产链：由国产模型与芯片的自身进展驱动，行情始于能力重估，能否延续取决于订单与盈利的持续性。
风险提示：AI进展不及预期风险，历史数据拟合的模型失效风险，地缘政治与产业政策变化风险。
正文
引言
2023年以来，AI行情演绎的速度超过以往任何一轮科技周期，覆盖了全球多地区多条产业链。AI产业涉及的环节从芯片一路延伸至电力甚至基础设施，涉及的市场也从中美扩散至日韩、欧洲乃至东南亚，且这条边界仍在持续外推。行情铺得越开，全局视角的价值就越高：只有厘清AI产业由哪些环节组成、每个环节握在谁手里，才谈得上牵一发而动全身的选股与轮动判断。为此，我们从全球上万只个股中逐一核实主营构成，按价值创造环节而非传统行业归属重新归类，搭建起一张纵贯全环节、横跨全地区的AI产业链图谱。
AI产业链图谱的第一重用处，是把散落在各个行业上的AI资产置于同一个框架。一条AI产业链上，既有半导体和电子，也有电力设备、工程建筑、软件和医疗，这些公司在传统分类下分属完全不同的行业，研究上彼此少有交集，也缺少可以并列比较的口径。图谱把所有AI相关公司按其在产业链上的位置重新分门别类，同一层内的公司得以聚合成可整体观察的资产，不同层之间也有了统一的比较基准。
AI产业链图谱的第二重用处，是把产业链的联动关系变成可以验证、可以调用的东西。云厂商的Capex以怎样的次序和时滞沉淀为各环节的营收？基本面上的传导次序，是否同样决定了股价的先后与弹性？当某一环节的景气出现边际变化，是沿链条整体扩散，还是集中兑现在少数环节？这些问题在单一行业的视角下无从回答，因为答案往往涉及多个行业。有了这张图谱和对应的股票篮子，链条上任意一环出现变化，同类公司与上下游都能即刻定位，联动关系也第一次可以被量化检验，而不必停留在经验判断。
AI产业链图谱的第三重用处在地区维度，即区分哪些环节可以在市场之间相互替代，哪些环节无可替代。全球AI产业链的分工已相当清晰：有些环节在多个市场都能找到可比公司，有些环节则由少数地区占据主导地位。前者可以横向比价、配对多空交易，也可以在一个市场的行情里提前找到另一个市场的映射；后者无从替代，是全球组合中真正稀缺的那部分底仓。可替代的环节决定交易的灵活度，不可替代的环节决定组合的下限，二者的区分是跨市场配置的起点。
本文正是在这张图谱之上展开的，依次回答四个问题：第一，全球AI产业链由哪些环节构成，各地区分别占据了什么位置；第二，产业链各环节的轮动遵循怎样的规律，下一轮领涨的环节应当如何寻找；第三，全球格局为何收敛于中美两极，各地区的超额收益、盈利与估值如何；第四，中国AI产业的海外链与国产链之间如何切换。
利其器：横跨全产业链、多国家和地区的研究图谱
2023年至今，AI主题交易扩散的产业链环节和地区越来越多，拥有一个全环节图谱的必要性也随之上升。只有弄清楚AI产业链由哪些环节构成，以及这些环节掌握在谁手里，才能形成从产业变化推演到资产配置的完整框架，并为理解行业轮动提供基础。为此，本文中我们从全球上万只个股中逐一核实业务构成，筛选出1,137家AI相关公司，并按AI产业的价值创造环节重构了一套有别于传统行业分类，专门适配AI研究的9个一级、29个二级行业的两级分类体系。
全环节AI产业链图谱
AI产业链在全球各地区禀赋各异，我们覆盖了全球八个股票市场，从上万上市公司中筛选出千余构成AI股票池。样本覆盖美国、中国A股、中国港股、中国台湾、日本、韩国、欧洲、马来西亚等主要市场，我们在12,375只个股中逐一核实各公司的实际业务构成、收入结构及其在AI产业链中的具体位置，最终筛选出1,137家AI相关上市公司，筛选比例约为9.2%，这一公司池构成本报告全部后续分析的基础样本。
我们构建了符合市场研究习惯的AI研究专用分类体系，包括9个一级行业和29个二级行业，并据此对上述公司进行归类。体系采用两级编码：L1-L9为九个一级行业，对应AI产业链上九个功能完整的价值创造环节，从L1半导体IP与设备、L2晶圆制造，到L3 AI算力芯片、L4 AI服务器硬件、L5数据中心基建，再到L6 AI模型与数据、L7 AI软件与安全、L8云与算力服务，最终落至L9 AI应用与终端。9个一级行业之下再设29个二级行业节点，编码为L1.1、L1.2等形式，共同构成一套完整覆盖AI产业链全部环节的两级分类体系。
九层结构可归并为五个逻辑阶段：工具与产能（L1-L2）、芯片到算力系统（L3-L4）、数据中心（L5）、模型、云厂商和软件（L6-L8）、AI应用与终端（L9）。
工具与产能阶段（L1-L2，共295家）：回答的是芯片如何被生产出来，L1提供设计所需的工具与IP授权，L2把设计变成芯片实体，二者是整条链条的起点。
芯片到算力系统阶段（L3-L4，共333家）：回答的是芯片怎么变成能用的算力系统，L3提供加速芯片、存储等核心元器件，L4把这些元器件组装为服务器整机，是九层中公司数量最多的区间，这一阶段可独立进入的细分环节最为丰富。
数据中心阶段（L5，共174家）：回答的是算力系统装在哪里、用什么资源，涵盖数据中心的场地建设与电力供给，是横跨地产与能源两类资产属性的层级。
模型、云厂商和软件阶段（L6-L8，共246家）：回答的是AI能力从哪里产生、又如何被交付给最终使用者，L6提供基础模型与训练数据这类AI能力生成所需的核心投入，L7提供企业接入和使用AI能力所需的软件工具与安全保障，L8提供承载和对外输出算力资源的云端渠道，三者共同构成AI能力从研发生产到对外交付的完整链路。
AI应用与终端阶段（L9，共147家）：回答的是AI能力最终以什么形式被终端用户使用，是价值链的终点。涵盖AI手机、AI PC等智能终端设备，机器人与自动驾驶等具身智能场景，以及手术机器人、AI辅助诊断等医疗健康场景，AI能力在这一层从后台能力转化为用户可直接接触、使用的具体产品与服务。
此处需要额外说明，在L7 AI软件与安全、L9 AI应用与终端这两个最易泛化的层级，我们采用相对严格的口径，仅纳入以AI应用为主营业务、或能直接证明AI与主营业务增长相关的公司。那些只把AI作为内部效率工具而未体现在收入结构中的企业不予纳入。此外，同一家公司可以分属不同的AI一级行业和AI二级行业，因此各层级公司数相加大于AI产业链总数。
不同国家地区占据优势环节迥异
各市场的产业链站位由不同性质的护城河决定，美国凭数据、算法与生态的复合壁垒在模型、软件、云服务三层建立优势，中国布局最全但整体仍处数量优势向市值优势兑现的过程中，中国台湾、韩国、日本、欧洲、马来西亚则各自依托重资产壁垒、技术垄断或资本外溢承接，占据一到两个关键环节。
我们从三个维度拆解各地区在产业链上的真实站位，数据均截至8月30日。1）公司数量占比，衡量有没有布局，反映一个地区在某一层是否具备参与的广度；2）市值占比，衡量发展到什么程度，反映一个地区在某一层的公司是否已成长为具备定价权的龙头；3）比较优势指数，衡量相对自身哪层更强，计算方式是某地区在某层的市值占比除以该地区在全产业链的总体市值占比，数值大于100%代表这一层是该地区的相对优势领域。三个维度分别对应广度、成熟度与相对优势，叠加起来看才能还原一个地区真实的产业链站位。
从公司数量看，中美能做到全产业链布局，且中国的布局比美国更完整。中国九层里七层公司数量占比超过或持平美国，整体是一张覆盖设计、制造、硬件、模型、应用的全栈式版图。美国反而有两处明显缺口：晶圆制造只有8%的公司参与，服务器硬件19%同样偏低，这两处缺口是美国过去二十年把制造外包给亚洲的分工惯性在股票池里的直接投影。
从市值分布看，美国产业链的整体成熟度显著领先，中国仍处数量优势向市值优势兑现的过程中。美国每一层往往只需少数几家龙头公司即可占据主要定价权，不依赖公司数量的广度，产业链相对成熟。中国的成熟度暂时低于美国，公司数量占比37%对应市值占比9%，目前仍处于数量优势向市值优势兑现的过程中；但中国的L4服务器硬件是明显的例外，市值占比31%，是中国九层产业链中最高的，成熟度已明显领先其余各层。
从比较优势看，六个地区的优势各自建立在不同性质的护城河上，有的靠技术垄断，有的靠重资产壁垒，有的靠供应链组织能力，三种壁垒的可复制难度不同，也决定了各自优势的稳固程度不同。L1半导体IP与设备被欧美日共同主导，靠的是技术壁垒型资产；L2晶圆制造由中国台湾和韩国主导，靠的是重资产长周期壁垒。L4服务器硬件、L5数据中心基建是中国的优势区间，靠的是供应链效率与工程执行力。L3算力芯片美国占有优势，但HBM存储环节仍由韩国把控，是美国唯一让渡出去的关键一环。L6至L8美国优势较强，是数据、算法、生态的复合壁垒。马来西亚的优势集中在L5数据中心基建，靠电力、土地承接资本外溢，属外生优势，稳定性最弱。
行业轮动：AI产业链内部的轮动规律与领涨线索
我们认为AI产业链的领涨环节几经更替，但决定这一顺序的既不是产业链位置，也不是估值高低，而是各层盈利增速的变化方向。Capex沿产业链环节造成的收入流转确实存在，但与股价最相关的盈利预期却往往同步变动，并没有先后顺序。且与直觉相悖的是，AI产业链内部轮动的原因也不是估值高低切，不同板块的估值差异一直较为稳定。产业链位置和估值失效的原因是同一个：无论景气的兑现还是估值的高低，市场交易的都不是现实而是预期，盈利预期才是股价轮动的关键，尤其是盈利预期本身的变化和预期增速。
我们以预期盈利增长率（第二个未来12个月预期EPS/未来12个月预期EPS-1）刻画这一变量，拐点可以很好地指示领涨环节的切换，而它的经济含义是产业链上供需缺口的位置：某一环节产能吃紧、需求外溢，远期盈利的上修幅度就大于当期，增长率随之抬升，该环节有望获得最大涨幅；待产能释放或需求边际缓和，增长率掉头，领涨地位便向下一个缺口所在的环节让渡。据此外推，L1半导体IP与设备、L4 AI服务器硬件的超额增长率仍在高位上行，L5 数据中心基建、L7 AI软件与安全的超额增长率已于二季度触底回升，这四个层级在未来数月或有相对占优的表现。
全球AI产业链的轮动复盘
AI板块整体处于上行趋势，但内部涨幅并不同步，2022年11月ChatGPT发布以来大致可以分成五段，每一段涨幅居前的环节都不一样。这五段并非只在全球整体层面成立，将股票池中的中国A股和港股公司单独拎出、按同一分层构建指数，其阶段划分与各段领涨环节与全球高度一致，说明轮动次序在全球范围内是统一的。
ChatGPT引爆期（2022/12-2023年底）：ChatGPT发布直接引爆生成式AI叙事，市场第一次意识到AI能力本身可以脱离硬件周期单独定价，L8云与算力服务领涨，云厂商是离AI能力生产最近的一环，市场交易的是“谁能生产AI能力”。中国的领涨次序略有不同，领涨的是L4 AI服务器硬件与L9 AI应用与终端，因为当时国内缺少可直接表达AI能力生产的相关资产。
算力军备竞赛期（2024/1-2025/1）：四大云厂商的资本开支进入加速期，训练大模型的算力需求成为主线，L3 AI算力芯片重新登顶，L5 数据中心基建、L4 AI服务器硬件同步跟涨，市场的逻辑切换到“谁能撑起AI训练所需的算力和基础设施”。中国自此与全球对齐，同样由L3算力芯片领涨。
DeepSeek发布后的算力竞赛加速期（2025/1-2025底）：DeepSeek-R1发布后，市场一度担心训练成本被大幅压缩会终结云厂商的资本开支狂潮，但随后几个季度美国云厂商陆续上修资本开支指引，带动L4 服务器硬件与L2 晶圆制造走强。但云厂商资本开支回报率的问题第一次被摆上台面，市场不再单纯秉持“投得越多越好”的逻辑。中国同样以L4领涨且弹性更大，不同的是国内L8云与算力服务、L6 AI模型与数据出现补涨，主要来自国产模型资产重估。
上游稀缺性定价期（2026/1-2026年6月底）：AI服务器需求把存储与先进制程产能挤到历史级别的紧张状态，L2晶圆制造、L1半导体IP与设备、L4服务器硬件涨幅超过80%。下游则是另一套逻辑，Agent对订阅制商业模式的替代威胁叠加资本开支回报率疑虑，L7软件与安全、L6模型与数据、L8云与算力服务全数下跌。这是中国与全球同步性最高的一段，上涨与下跌的分层完全对应，但中国的弹性更大。
下游价值重估期（2026年7月至今）：上下游关系在两个月内完成反转，此前领涨的上游三层转为两位数下跌，上一阶段下跌的L7 AI软件与安全、L6 AI模型与数据、L8 云和算力服务同步反弹，涨跌排序几乎完全颠倒，但中国的L7 AI软件与安全尚未跟随上涨。
五段复盘下来，中国与全球在同一时点领涨和滞涨的层级基本相同，轮动规律在两者之间是共通的，因此后文对轮动规律的探索统一从全球层面展开，相关结论对中国同样适用。
但中国与全球也存在两类分化，且都能对应中国的产业事件。1）轮动方向相同但中国的弹性更大，如算力竞赛加速期（2025年）国内在光模块环节直接承接海外云厂商订单、并持续提升全球份额，业绩兑现度高于全球同类公司，带动中国的L4 AI服务器硬件涨幅远超全球同层。2）中国独有的叙事导致中国的轮动次序与全球出现阶段性错位，中国的L6模型与数据、L8云与算力服务在2023至2024年始终落后于全球同层，直至2025年初DeepSeek R1发布、国产大模型与国产芯片链得到重估后才集中补涨，2025年涨幅明显高于全球。
这两类分化的来源是同一个，即国内AI资产实际上由海外链和国产链两部分构成，前者承接海外订单、与全球同步且弹性更大，后者则由国产大模型与国产算力的自身进展驱动，不依赖海外资本开支。两条链之间的轮动是中国独有的问题，脱离了全球AI各环节的统一规律，构成一条独立主线，本章先聚焦全球AI产业链内部的层级轮动，国产链与海外映射链之间的关系我们放到后文的跨市场比较中展开。
轮动的驱动因素：或不是产业链位置和估值高低，而是盈利预期变化
AI产业链内部的轮动接力清晰可见，且这一规律在各市场之间共通，随之而来的问题是：什么决定了轮动的方向，下一段行情又会轮到谁。传统的行业比较框架通常从两个维度入手，一是景气，即基本面的兑现节奏；二是估值，即性价比的相对高低。
但在AI产业链上，两个维度都无法解释轮动：Capex的传导次序只存在于实际营收，但各层级价格同时调整，缺乏先后顺序；估值高切低也无法解释轮动，2026年以来涨幅越高的层级估值反而越低。两个维度失效后留下的共同线索仍是盈利，但起作用的不是盈利增速的高低，而是预期增速的变化——领涨环节的每一次切换，对应的都是某一层预期盈利增长率的拐点。
产业链位置决定Capex的分配次序，但未必决定股价的轮动次序
第一个先验判断是产业链位置决定轮动次序。Capex是AI产业链基本面的锚，五大云厂商的资本开支是全链需求最主要的边际变量。若Capex沿链条自上而下逐层落地，各层的业绩兑现便有先后，股价的领涨顺序理应沿同一条路径推进。但实际检验显示，Capex的价值流转次序只存在于实际营收，在股价定价所依据的预期盈利上并不成立。
财报营收口径下，Capex的传导次序清晰、时滞可测，资本开支先转化为芯片与整机采购，再向上游设备材料以及下游软件延展，最末端为数据中心基建。以五大云厂商Capex TTM同比为基准，L1至L5五个硬件层叠加L7 AI软件与安全，营收相关性均在68%以上。L3算力芯片滞后仅1个月、L4 AI服务器硬件2个月，是Capex最先兑现的两环，随后回溯至L2 晶圆制造（3个月）、L7 AI软件与安全（6个月）、L1半导体IP与设备（7个月），最末端是L5数据中心基建（8个月），对应土建与电力工程的建设周期。L6 AI模型与数据、L8云与算力服务是例外，相关性仅24.5%与18.7%，原因是这两层的主体正是Capex的支出方，对其而言Capex是成本而非收入。
但股价定价的是预期，而预期EPS口径下，各层的修正同期同向，仅有修正幅度的差异。当云厂商上修资本开支指引时，全产业链各层的预期EPS同期同向调整，方向高度一致，看不出与实际营收相对应的领先滞后关系，差异只在修正幅度的大小。而这一修正幅度的差异，恰好与各层的涨幅排序相对应：每一阶段涨幅居前的环节，也正是预期EPS上修幅度最大的环节。
因此，Capex与产业链位置无法完全解释各层预期EPS的相对变动，更难以据此判断轮动方向。从AI硬件端股价的交叉相关性也能看出，AI硬件各层级股价几乎同时调整，最佳相关性的滞后期都为0。预期EPS的修正幅度差异提供了第一条线索：决定各层相对表现的不是谁先被传导到，而是同一时点上谁被上修得更多。
轮动并非一定从高估值环节切向低估值环节
第二个直觉判断是估值的高切低决定轮动，即某一环节涨到估值偏高后，资金转向更便宜的环节。但这一路径同样不成立，进入2026年后，AI产业链往往呈现涨幅越高的层级估值反而越低。以2026年上半年的上游稀缺性定价期为例，领涨的L2晶圆制造与L3算力芯片，截至8月30日的未来12个月预期PE仅11.7倍与14.1倍，是九层中最低的两层，双双跌破自身10%分位。反观同期跌幅最深的L6模型与数据、L8云与算力服务，PE分别为21.4倍与21.7倍，反而高于领涨的硬件端。领涨环节的估值不升反降，落后环节的估值反而更高，资金从贵向便宜切换的假设并不成立。
领涨环节估值反而更低，根源在于预期PE的分母是盈利预期，高涨幅和低PE都是盈利驱动的结果。这一点在远期估值上体现得最直接，AI产业链整体存在远期PE收敛，第二个12个月预期PE普遍低于未来12个月预期PE。原因在于多数环节的盈利仍处于上升通道，看得越远，对应的盈利预期越高，分母随之抬升，PE自然收敛。
以PEG剔除增长的影响后，同样可以发现估值基本都有盈利作为支撑：多数层级的低PE有增长支撑，L6模型与数据和L8云与算力服务的低PE则源于增长率本身偏低。PEG以PE除以长期增长率，剔除了增长本身对PE的影响。除L6和L8外，各层的PEG与PE同步低于历史均值，说明低PE有相应的长期增长率支撑。L6与L8则是PE低于历史均值，PEG却高于历史均值，这一组合只能由长期增长率低于其历史水平来解释。原因在于这两层的主体正是Capex的支出方，Capex对其是成本而非收入，截至6月30日，五大云厂商Capex已占经营现金流的97%、占总营收的37%，市场对Capex压制长期增长率的担忧尚未消散。同样是PE跌破自身2019年以来的10%分位，成因却完全相反：硬件端是盈利上修快于股价，分母抬升压低了PE，PEG随之走低；L6与L8是长期增长率被下修、股价随之下跌，PE的降幅不及增长率，PEG反而抬升。低PE本身不含方向性信息，其含义取决于分子与分母孰先变动。
这样的估值差异不仅存在于当前时点，在时序上同样长期稳定、不会自行弥合。以2022年11月以来的样本对各层12M Forward PE作Z-Score处理可见，全球AI整体存在向历史中枢回归的倾向，Z-Score多数时间在正负1倍标准差之间往复；但内部的高低位次长期未发生互换，从未出现由高估值层向低估值层的收敛，2026年以来分化不但没有收窄，反而扩大至样本内最阔水平。
因此，各层估值的高低差异只是盈利预期差异的映射，本身不构成轮动的解释变量。估值分位既无法识别领涨环节，因为领涨环节的估值往往更低；也无法为落后环节提供支撑，因为其低估值恰恰反映的是被压制的长期增长率。但PEG的分野提供了第二条线索：真正区分各层的不是估值本身，而是估值分母中的长期增长率。
轮动次序取决于预期盈利增长率的拐点
前两节留下的两条线索指向同一个结论：预期盈利增长率的变化才是真正决定轮动方向的核心变量。第一条线索是预期EPS的上修幅度，领涨环节被上修得最多；第二条线索是长期增长率，估值持续偏低的环节反而增长率最强。两者其实是同一件事的两个侧面：只有长期增长率本身在持续抬升的环节，才会在每一次调整中上修得更多，也才会让远期估值不断收窄、PE始终维持低位。预期盈利增长率（第二个未来12个月预期EPS/未来12个月预期EPS-1）是盈利的一阶导，其变化方向即盈利的二阶导。因此需要跟踪的不是增长率的高低，而是它在往上走还是往下走，其拐点对应的正是领涨环节的切换。
复盘可见，每一轮领涨环节的切换均对应该层预期盈利增长率的拐点。以各层预期盈利增长率对全球AI整体的超额值作序列观察，L2晶圆制造的超额增长率于2023年初见顶后逐级回落，其超额涨幅同步走弱；L1半导体IP与设备、L4 AI服务器硬件的超额增长率自2025年下半年转为单边上行，对应2026年上半年的领涨。
预期盈利增长率的有效性源于它是产业链供需缺口的直接映射。对硬件端而言，当某一环节需求旺盛而产能受限时，分析师对其远期盈利的上修幅度大于当期，增长率随之抬升，该环节获得最大涨幅；当产能释放或需求边际缓和，增长率开始回落，领涨地位向下一个缺口所在的环节让渡。对软件端而言，其增长率的变化则对应AI对既有商业模式构成增量还是替代的判断切换。
据此外推，当前超额预期盈利增长率处于上行的共有六个层级，但持续性存在差别，可分为三类。一是L1半导体IP与设备、L4 AI服务器硬件，超额增长率自2025年至今持续上行，当前仍维持高位；二是L5数据中心基建、L7 AI软件与安全，2026年6月以来持续反弹，但绝对水平仍低于全球AI整体。三是L6 AI模型与数据、L8云与算力服务，6月以来超额增长率仍在下行，仅近期出现回升，回升能否延续尚待观察；考虑到这两层主要由四大云厂商构成，本身是资本开支的支出方，一旦市场对资本开支回报率的担忧再度升温，其盈利预期增长率可能再度承压，持续性或弱于前两类。综合来看，L1半导体IP与设备、L4 AI服务器硬件、L5数据中心基建、L7 AI软件与安全在未来数月或有相对占优的表现。
跨市场比较：AI产业链的全球布局与核心资产分布
环节维度上我们讨论的是轮动，跨区域维度上我们主要讨论配置。全球AI产业链名义上遍布全球，实则收敛于中美两极，日韩欧与中国台湾各自嵌入美系链条的一到两个环节，各地区的超额收益由其优势环节决定。中国的情况则更复杂一层，中国的AI资产由承接北美资本开支的中国海外链与自主进展驱动的中国国产链构成，两条链的切换是中国独有的配置问题。本章依次回答格局为何如此收敛成两极、各地区值得配置什么，以及中国内部何时交易海外链、何时交易国产链。
全球AI产业链强在中美两极，又互相依存
AI产业链的地区格局收敛于中美两极，而非移动互联网时代的多极分工。但两极的模式与阶段均不相同：美国是资本密集前置，靠巨额资本开支堆出算力规模再行变现；中国走的是模型效率优先、由应用场景倒逼算力投资的路径，中美差距集中在从规模到利润的转化上。但中美产业链的闭环不等于完全自足，两极各有优势又相互依存，中国的待发展环节点状集中在EDA、先进算力芯片与HBM，美国的不足面状分布在制造产能与终端市场，当前格局并非零和竞争，而是深度嵌套的相互依存。
静态视角：AI产业链收敛于中美两极，而非互联网时代的多极分工
前文的三个维度已经给出一组彼此印证的结论：1）公司数量上，中美是仅有的两个产业链全覆盖的经济体，中国甚至比美国更完整；2）市值上，美国以30%的公司数量占据71%的市值，成熟度显著领先，中国37%的公司数量仅对应9%的市值，仍处在数量优势向市值优势兑现的过程中；3）比较优势上，中美在多层指数均超过100%，其余四地则各自锁定在一到两个环节。问题随之而来：为什么全栈能力只出现在这两个经济体身上，而不是像移动互联网产业链那样，由多个地区共同创造完整链条。
移动互联网发展过程中全球只有一套硬件供应链，服务两套美国主导的软件生态。移动互联网时代同样存在中美双极，iOS与安卓生态之外，中国有自己封闭且完整的应用与内容体系，两者都靠各自的内需支撑，这一点与今天并无本质不同，真正不同的是硬件端。移动互联网那个时代，无论苹果还是小米，用的都是台积电的代工、三星的存储、日本的设备与材料、中国的组装产能。硬件是一条统一的全球链条，同时向两套生态供货，因此每个地区只需专精其中一环，就能通过出口获取完整回报，多极分工由此得以成立。
AI与移动互联网的根本性区别是两极均在建立相对自主的全栈式产业链。对中国而言，高水平科技自立自强是既定的战略方向，"十四五"规划已将科技自立自强作为国家发展的战略支撑，"十五五"规划纲要进一步单设专篇部署，明确提出打好关键核心技术攻坚战、坚持锻长板和补短板相结合、完善新型举国体制，并将集成电路列为需要全链条推动、力争取得决定性突破的重点领域。全栈布局因此是中国产业升级的主动选择，外部环境的变化更多加快了这一进程的推进节奏。美国方面同样在推动制造回流与本土产能重建，全球格局由此从一条统一的硬件链，转向两套各自完整的产业体系。
全栈式布局需要五个要素同时具备：技术自主权、制造业基础、人才、资本、内需。日本、韩国与中国台湾都缺内需规模、模型层的技术自主权与顶尖人才；欧洲缺制造业基础与模型层的技术自主权。美国本身在制造业这一项上其实是空心化的，本土并不具备完整的晶圆制造与封测能力，但这一缺口通过美系链条在亚太的分工被间接补齐。中国在高精尖技术上采取分阶段突破的路径，进展持续兑现：模型层的自主权已经追平甚至局部反超，芯片层公司的技术布局与资本均已就位，长鑫存储等企业陆续登陆资本市场，能力与资源已然具备，全链条能力的完善正沿着既定节奏推进。
各层级股价同比与各地区股价同比的相关性数据为这一判断提供了直接验证。由于美国占据全球AI产业链约七成市值，各层价格指数本质上是美系链条的映射，某地区与某层的高相关性，反映的正是它在美系链条中的嵌入位置。韩国与L2晶圆制造、L4AI服务器硬件相关性高达94.7%与91.8%，与L6模型、L7软件几乎脱钩，是最极致的单环节专家；日本与中国台湾在L1至L4普遍超过83%，同样锁定上游硬件；欧洲各层相关性均匀分布在71%至83%，对应设备、基建、软件三处分散优势。中国则是唯一的例外，九层相关性全部落在中等区间，没有一层最高，也没有一层完全不相关。中国承接海外订单的环节在股价上与全球高度同步，但从整条链条看，中国并未像日韩那样嵌入美系链条的某个单一节点，这正是"两条独立全栈链"在股价层面的体现。
动态视角：中美AI的发展模式和发展阶段并不相同
中美两极的AI发展模式截然不同：美国是资本密集前置，中国是供给约束下先优化模型效率。美国的路径是先用巨额资本开支堆出算力规模，再靠模型能力与云生态变现，希望通过算力规模形成壁垒。中国的顺序恰好相反，在买不到同等算力的前提下，只能走“有限算力上做更高效模型、再快速推向应用场景”的路线，先验证模型与应用，再倒逼算力投资，因此总体Capex低于美国。
2025年1月DeepSeek-R1问世是中美模式的分水岭，其意义不仅仅在于模型本身，而在于它证明了低算力也能达到高资本开支下的前沿模型能力。中国AI产业链Capex同比增速在DeepSeek-R1问世后开始快速上升，节奏上比美国晚约一年。国产模型能力得到验证，推理需求随之爆发，国产加速芯片采购与算力基建投资被同步激活。中美资本开支的绝对规模差距在短期内或不会快速收敛，国产加速芯片的供给放量将是决定这条曲线斜率的核心变量。
中美不仅路径不同，所处的发展阶段也不同，营收TTM同比增速上中国并不落后。中国AI产业链营收同比在2024年以来持续回升，截至8月30日，中国AI产业链的营收同比已升至26.28%，高于全球整体与美国，与美国绝对规模的差距来自基数而非增长动能，中国的未来12个月预期EPS同比约33.1%，同样处在美国2024年的水平区间。
但中国的高营收增速仍待转化为高盈利增速。截至8月30日中国AI产业链EPS TTM同比约为7%，略低于美国2024年的同阶段水平。2024年美国AI链盈利的爆发高度集中在L3算力芯片，英伟达一家的利润增量贡献了其中的绝大部分，而非全链条的均匀改善。换言之，EPS的兑现节点不在链条的收入端，而在利润池所在的那一环。
中国目前的收入结构决定了这个节点尚未到来。中国的收入主要落在L4 AI服务器硬件与L5数据中心基建，这类环节能贡献可观的营收规模，却难以贡献同等的利润弹性，而利润池所在的加速芯片环节被境外供应商获取。这不是效率问题，而是价值环节的位置问题。
因此，中国AI链整体利润率的改善路径，在于高附加值环节的收入占比提升。随着国产加速芯片逐步放量，这一环节的收入将更多体现在境内上市公司报表中，收入结构相应上移；同时芯片供给也是当前整条链条的约束条件，供给改善有助于下游释放产能、形成规模效应。这与上一节的结论指向同一个变量：国产加速芯片的供给放量，既决定Capex曲线的斜率，也决定盈利空间能否打开。
相互依存视角：中美AI产业链各有优势又相互依存
两极各自闭环，但闭环不等于自足。中国在EDA工具、先进算力芯片与HBM存储上仍待完善，可定向突破，需要以时间换空间；美国的不足主要在制造与组装产能，重建整条制造链以十年计。两极相互依存的格局在可见期内仍将维持，但自我发展也会持续加码。
我国AI产业链的待发展环节集中在三个节点：EDA工具、先进算力芯片与HBM存储。这三个环节的共同特征不是公司层面的集中度有多高，而是地理层面的集中度：前文的HHI测算中，L3.1 AI加速芯片高达4416，L1.1 EDA工具与L3.3 HBM存储虽处于中度集中区间，但供给方几乎全部落在美系及其盟友体系内。这类待发展环节边界清晰，数量有限，可通过以时间换空间的方式定向突破，这也正是前文所说中国分阶段突破路径的现实基础。
美系AI产业链的待发展环节分布在制造产能与终端市场两个层面，补齐难度较高。制造端的缺口来自二十年的外包分工：L2晶圆制造中美国公司仅占8%、L4 AI服务器硬件中仅占19%，与之对应，中国在L4 AI服务器硬件的比较优势指数（即该地区该层市值占比与其全产业链市值占比之比）达338%，光模块、服务器整机等环节的全球龙头高度集中在中国。
比制造产能更难替代的是硬件终端市场，这里指的是智能手机、AI PC、机器人、智能汽车等实体设备，而非软件与云服务的付费市场。美国的模型与芯片能力，有相当一部分需要装进硬件终端才能变现，而中国既是全球最大的电子产品组装基地，也是这类终端最大的单一消费市场之一，苹果、特斯拉的收入结构即是直接印证。产能理论上可以迁移，市场规模无法迁移。
两类待发展环节的完善周期不同，这决定了相互依存的格局在可见期内仍然稳定。中国待发展的环节可以通过以时间换空间的方式定向突破，路径清晰、进度可跟踪；美国AI产业链的缺口则需要重建整条制造链才能填补，投入以十年计，且中国庞大的终端需求体量本身不具备替代方案。因此当前的格局并非零和竞争，而是深度嵌套的相互依存。对投资而言，值得跟踪的是各自待发展环节的完善进度：中国看国产加速芯片与EDA的放量节奏，美国看本土制造产能的爬坡进度，这两条曲线的相对斜率，决定了未来这一格局向哪一侧倾斜。
跨地区对比：各地区轮动也因产业链轮动触发
各地区AI的超额涨幅由其优势产业所处位置决定，且各地区的超额涨幅均有盈利支撑。估值层面，无论以PEG还是PB与ROE的匹配衡量，各地区均不算贵。
超额收益与盈利兑现：各地区的超额涨幅均有盈利支撑
前文在产业链轮动维度得出的结论，在国别维度同样成立：涨幅排序不由基本面增速的绝对高低决定，而由预期盈利增长率的变化方向决定，其经济含义是各地区优势环节离当期供需缺口的远近。2022年11月以来相对全球指数的超额涨幅，中国台湾、韩国、美国三地明显领先，前两者对应先进制程与HBM存储，正是这一轮周期中依次成为缺口的环节；美国则在除L2晶圆制造与L4 AI服务器硬件以外的各环节具备比较优势。日本与欧洲的优势集中在设备、材料与基建，属于上游存量能力而非当期最紧的一环，超额因此明显更薄；马来西亚承接的是资本外溢，与缺口的距离最远，几乎没有跑出超额。国别层面的超额收益，本质上是各层增长率差异穿透到地区维度的结果。
从地区维度来看，各地的超额涨幅均有盈利支撑。将各地区预期EPS指数以2022年11月为基期对齐后可以看到，韩国与中国台湾的盈利预期扩张幅度显著高于全球与美国，涨得最多的地区同样也是盈利兑现最充分的地区，两者的排序高度一致。
估值检验：各地区估值整体都不算贵
地区层面的估值检验，主要看估值与盈利增速的匹配关系。按这一标准，全球AI在地区口径下均不算贵。
第一个口径是估值本身与增速的匹配，采用PEG估值。盈利增速越高的地区，估值往远期看收敛越快，增速调整后的估值反而更低。各地区在这一口径下均不算贵，PEG估值普遍低于以动态PE衡量的估值，说明当前的高估值很大程度上已被高增速消化，估值扩张并非全靠情绪推动。
第二个口径是PB与盈利能力的匹配，结论完全一致。PB与ROE的地区散点回归拟合优度达到0.821，各地区之间的PB差异绝大部分能被盈利能力差异解释；预期口径的点位普遍比TTM口径更靠近回归线，意味着以未来一年的盈利能力衡量，全球AI的估值溢价正在系统性收窄而非扩张。偏离度上，韩国显著落在回归线下方，其ROE的抬升速度远超市场给出的PB；美国稳定位于回归线上方，溢价由模型、软件与云生态的复合壁垒支撑。
两个口径下韩国的读数都最低，但这并不指向大幅低估。韩国当前的盈利增速与ROE均处于存储周期上行段的高点，未来两年将逐步回落，其估值应视为合理而非便宜。
中国AI产业：海外链与国产链的双链格局
前文的行业轮动章节已经指出，中国与全球的层级轮动规律共通，但中国AI产业链与全球AI产业链偶有分化。分化的根源在于中国AI由两条链构成：海外链承接北美资本开支，与全球同步且弹性更大；国产链由国产大模型与国产算力的自身进展驱动，不依赖海外Capex。前一节的证据与此一致：中国是唯一一个九层股价相关性全部落在中等区间的经济体，这一中等值正是两条链合并后的平均。本章探讨中国AI两条链之间的轮动规律：什么时候交易海外链，什么时候交易国产链。
海外链同时交易海外云厂商资本开支与中国供应链 Alpha
海外链的收益来自海外AI景气、中国供应商份额提升与产品价值量升级的共同驱动。中国海外链与全球AI硬件高度相关，两者共享同一个海外AI资本开支周期；但海外链的阶段性弹性明显更大，尤其自2025年下半年以来，其涨幅显著超过全球AI指数与L4 AI服务器硬件。海外云厂商的Capex决定需求总量，中国供应商的份额变化与产品价值量决定盈利弹性，A/H市场自身的风险偏好进一步影响短期估值。海外链因此同时具备海外需求Beta和中国制造Alpha，是海外AI景气在中国优势制造环节上的放大表达。
中国供应商的份额提升和单机价值量增长，使海外需求可以转化为更大的盈利弹性。海外云厂商资本开支扩张首先带动服务器与算力基础设施需求，下一代算力平台升级又进一步提高高速互联、PCB、电源、散热等环节的价值量；与此同时，中国优势供应商凭借产能、成本和交付能力持续提升全球份额。需求增长、价值量提升和份额扩张三者叠加，使中国海外链公司的收入与利润增速能够明显高于海外AI需求本身，且兑现路径可由海外Capex直接跟踪，盈利确定性强于国产链。
海外链的趋势强弱取决于海外需求与自身盈利预期能否持续上修。海外Capex的绝对水平决定行业所处景气位置，Capex预期、供应链订单和盈利预测的边际变化决定股价方向。当云厂商持续上修资本开支、下一代平台进入放量期、中国供应商订单能见度同步改善时，海外链容易形成“Capex上修—订单增长—盈利上修—预期盈利增长率抬升”的正反馈。随着Capex与订单上修斜率趋缓，海外链也会逐步进入盈利兑现和预期消化阶段。因此，对海外链而言，持续跟踪盈利预期的变化比观察当期景气绝对水平更重要。
但仍需注意，美股对中国海外链的映射止于硬件，美股软件行情不能直接外推至国产软件。海外链与L6 全球AI模型与数据、L8全球云与算力服务、L9 全球AI应用与终端的相关性降至0.45至0.54，L7全球AI软件与安全甚至为-0.30。差异的根源在于是否存在真实订单关系。硬件环节中，海外云厂商的资本开支通过整机BOM直接形成中国供应商的收入与利润，海外景气与国内报表本质上是同一笔订单的两端，相关性因此接近于同一资产。软件环节则不存在跨境订单，国内软件公司的客户结构、付费能力与算力数据条件均由国内决定，海外软件行情向国内的传导只剩风险偏好与叙事层面的映射，缺乏可跟踪的盈利锚。
中国海外链的股价会阶段性脱离海外景气，对中国资产的风险偏好决定了中国海外链的偏离程度。海外链与全球AI的滚动3个月相关性长期维持在0.8以上，但每隔一段时间会大幅回落，回落均由中国市场自身的贴现率与风险偏好变化触发，而非海外需求变化。
两次典型背离分别对应中国资产偏好的两个方向。2023年下半年是海外景气向上、中国资产偏好向下，全球AI仍由算力需求推动，海外链订单未变，股价却受中国权益市场整体估值压制，相关性一度转负。2024年四季度则相反，随着一揽子增量政策落地，中国资产迎来快速重估，市场波动同步放大，海外链短期更多跟随境内市场运行，与全球AI的映射同样减弱。因此判断中国海外链的短期位置，需在海外Capex之外叠加对中国资产偏好的判断。
国产链的核心驱动力来自国产AI能力边界与国产化率的重估
国产链的行情起点通常来自技术突破、供给突破和国内资本开支变化对原有预期的重新定价。国产链覆盖国产模型、国产算力芯片、先进制造、基础软件与自主可控相关环节，需求来自国内云厂商、运营商、政企与国产替代。市场先判断国内AI能力的上限与关键环节的国产化率，再据此调整空间与盈利预期，因此模型能力突破、国产芯片放量、先进制造进展与国内算力招标节奏，都会直接改变国产链的定价中枢。
2025年初DeepSeek-R1推动国产链从能力验证进入集中重估，随后逐步转向基本面验证。DeepSeek显著抬升了市场对国产模型效率和国内AI产业发展路径的判断，此前先进算力供给不足被视为国内AI发展的重要约束，而DeepSeek强化了“有限算力条件下仍能实现较强模型能力”的预期，带动国产模型、云服务、国产芯片和自主可控环节同步重估，国产链指数也在2025年初快速上行。随着预期修复迅速进入价格，市场定价进一步转向国内Capex、算力招标、国产芯片出货、模型商业化和上市公司盈利上修等基本面验证。此后国产链从高位逐步回落，而同期全球AI和海外链仍延续上行，说明海外订单已进入持续兑现阶段，国产链则仍处在由技术突破向订单和利润转化的过程中，市场关注点也由“能力能否实现”转向“能力何时形成收入和利润”。
华泰全球AI龙头指数
前文的分析都建立在1,137家AI公司的全样本之上，但全样本中包含大量流动性不足、AI业务占比过低的公司，无法直接构成可投资的组合。为此，我们在既有分层体系之上再做一次客观筛选，构建华泰全球AI龙头指数，把前文的产业链判断落到一个可跟踪、可复现、可持续维护的标的组合上。
该组合筛选完全依据可验证的客观指标，不含主观判断，资产池按流通市值（美元计价）加权，每季度进行一次再平衡，目的是形成一个投资全球AI的全产业链组合。全部五道标准均来自公开数据。筛选标准如下：
第一，唯一归类。一家公司只归属一个二级环节，按其映射至各环节的AI相关收入占比最高者确定，已入选者不在其他环节重复计入。
第二，上市年限。截至基准日已上市满12个月，确保有完整的财报与交易数据可供检验。
第三，AI纯度，分为三个识别方法。1）默认采用收入占比法，要求映射至本环节的FactSet RBICS 6级子行业收入合计占比不低于30%；2）绝对规模法，占比不足30%但该部分收入绝对额居本环节全球前五者入选，以免因公司体量过大而稀释了占比；3）对L3.2服务器芯片、L5.2电力设备、L5.3电力供给、L6.1基础模型、L6.2 AI训练数据、L9.2具身智能这六个业务尚未形成独立收入列示的环节，采用事实认定法，须在定期报告中作为独立披露的战略业务并给出量化指标，或存在公开可查的重大合同、产能与客户协定。
第四，流动性门槛。非中国A股和中国港股的标的要求流通市值不低于100亿美元、近三个月日均成交额不低于5,000万美元；中国A股和中国港股的标的对应25亿美元与1,500万美元。中国A股和中国港股单独设阈是因为两地市场的市值分布与换手结构本就不同，用同一把尺子会系统性排除掉中国的优势环节。
第五，环节容量。单一二级环节全口径不超过10只，中国A股和中国港股的标的数量占比不低于30%，中国A股和中国港股池与全球池分别计算。这一条的作用是防止个别环节因公司数量众多而主导整个资产池。
资产池相对全球AI指数与MSCI ACWI均取得超额收益，且两个基准的含义不同。相对MSCI ACWI的超额，衡量的是配置AI相对配置全球权益的收益差，本质上是AI主题的Beta；相对全球AI指数的超额，衡量的才是本资产池的筛选价值，即在同样是AI资产的前提下，头部标的相对AI全样本的差异。
风险提示
AI进展不及预期风险。若2027-28年AI算力需求系统性回落，云厂商的资本开支或出现明显放缓，各环节的预期盈利难以兑现。
历史数据拟合的模型失效风险。本文所用的相关性、滞后期与轮动规律均基于历史数据客观整理。若产业格局、供需结构或市场定价机制发生变化，上述历史关系可能失效。
地缘政治与产业政策变化风险。若出口管制、关税或产业政策超预期调整，全球AI产业链的相互依存格局可能改变，相关环节的供给与需求均面临不确定性。
研报涉及的未覆盖个股，系客观信息整理，不代表团队对该公司推荐/覆盖。
文章来源
研报《全球1.2万家公司，何为真AI？——产业链新坐标、轮动规律与中美格局》2026年9月8日
李雨婕 分析师 S0570525050001 | BRG962
黄乐平 分析师 S0570521050001 | AUZ066
方正韬 分析师 S0570524060001
王伟光 分析师 S0570523040001
于可熠 分析师 S0570525030001 | BVF938
杨跃峰 联系人 S057012608005
关注我们
华泰证券研究所国内站（研究Portal）
https://inst.htsc.com/research
访问权限：国内机构客户
华泰证券研究所海外站
https://intl.inst.htsc.com/research
访问权限：美国及中国香港金控机构客户
添加权限请联系您的华泰对口客户经理
免责声明
▲向上滑动阅览
本公众号不是华泰证券股份有限公司（以下简称“华泰证券”）研究报告的发布平台，本公众号仅供华泰证券中国内地研究服务客户参考使用。其他任何读者在订阅本公众号前，请自行评估接收相关推送内容的适当性，且若使用本公众号所载内容，务必寻求专业投资顾问的指导及解读。华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。
本公众号转发、摘编华泰证券向其客户已发布研究报告的部分内容及观点，完整的投资意见分析应以报告发布当日的完整研究报告内容为准。订阅者仅使用本公众号内容，可能会因缺乏对完整报告的了解或缺乏相关的解读而产生理解上的歧义。如需了解完整内容，请具体参见华泰证券所发布的完整报告。
本公众号内容基于华泰证券认为可靠的信息编制，但华泰证券对该等信息的准确性、完整性及时效性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。
在任何情况下，本公众号中的信息或所表述的意见均不构成对任何人的投资建议。订阅者不应单独依靠本订阅号中的内容而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。订阅者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。
本公众号版权仅为华泰证券所有，未经华泰证券书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。华泰证券具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。
精彩评论