亚马逊、微软、Alphabet、Meta 四家 2026 年资本开支合计约 7050 亿至 7300 亿美元。这个数字本身已经没有争议，真正的争议在于：它往哪里流，流到产业链的哪一层才能最终变成利润。
9 月 8 日至 11 日的高盛 Communacopia 暨科技大会，32 家芯片、设备、存储、模拟和 EDA 公司同台亮相，本质上都是在回答这同一个问题。
把大会的五个核心辩题连起来看，它们不是五个板块各自的前瞻，而是一条资本开支的传导链条：需求会不会断 → 算力形态怎么变 → 订单往上游走谁接住 → AI 能不能把周期品变成成长品。
每往下一层，兑现度更低，但预期也更不充分，赔率反而更高。
看空者的理由集中在三点：训练需求的边际增速在放缓；数据中心的土地、电力和机房开始成为硬约束；云端需求高度集中于少数模型公司，这些客户的融资节奏决定了订单的稳定性。
但推理和 Agent 的爆发，正在重新定义需求的来源。Agentic AI 把单次任务的模型调用从几次变成几十上百次，2026 年至 2030 年月度 Token 消耗量可能增长 24 倍；推理成本下降没有压低总需求，反而在放大使用量；代码生成等应用开始出现可量化的投资回报，这是资本开支经济性第一次有了可以对外说清楚的账。
云厂商自己的表态也高度一致: 微软说算力供给至少在 2026 年内仍受限，三大云都在继续加码 GPU、自研芯片和机房建设。
所以需求的问题从来不是 “有没有”，而是 “从哪来”。增量从训练切换到了推理和 Agent，这直接决定了下一层的答案：客户要的不再是最强的芯片，而是单位 Token 最便宜的算力。
二、GPU 与 ASIC 是分工，不是零和替代
推理规模化之后，芯片竞争从单纯的性能比拼，转向性能、成本、功耗的综合账。通用芯片短期仍占主导，ASIC 和定制加速器的份额会逐步上升，这是大会前市场基本达成的共识，分歧只在于渗透的速度。
三家公司会上要讲的故事，恰好对应三种打法：
英伟达围绕 Rubin 产品周期和实体 AI（Physical AI）展开。通用性是它的护城河:模型结构、训练方法、推理框架都还在快速变化，客户需要一套什么都能跑的平台。FY2027 第二财季数据中心收入 890 亿美元，同比增长 117%，Vera Rubin 已全面投产，产品线从 GPU 扩展到 CPU、网络、机架和推理加速器。
博通的重点是 AI 网络和定制 XPU。ASIC 适合模型结构稳定、调用量巨大的场景，云厂商用通用性换取单位成本和功耗优势。2026 财年第二季度 AI 半导体收入 108 亿美元，同比增长 143%，第三季度指引 160 亿美元。
AMD讲 MI4XX 机架级方案和 ROCm 生态。它在从单颗 GPU 竞争升级为机架级竞争，第二季度数据中心收入 67 亿美元，同比增长 107%，靠开放生态争夺第二供应商的位置。
只要算力市场的整体扩张快于 ASIC 的渗透速度，ASIC 增长就不意味着 GPU 需求下降。三种打法都需要更大的集群，网络和光互联是两边都受益的环节，不需要押注哪种芯片最终胜出。
三、订单往上游走：设备与存储，本轮周期的第二受益层
芯片订单增长之后，钱开始流向晶圆厂和存储厂。这两个行业过去是典型的周期品，这次不同的地方在于：AI 给它们的不只是更多晶圆，而是更复杂的工艺要求。
设备：周期能否延续到 2028 年，是核心争议
设备行业的争议点，是 2027 年增速能否超过 2026 年约 35% 的预期，以及这轮周期能否延续到 2028 年。
支撑延续的结构性因素有三个： 一是增长动力高度集中在 DRAM、前沿逻辑 / 代工和先进封装，这三块可能贡献 2026 年晶圆制造设备（WFE）增长的 80% 以上，NAND 和成熟制程的资本开支也在逐步恢复； 二是 GAA 晶体管、背面供电、HBM 堆叠和 Chiplet 都在增加制造步骤，单位晶圆的设备投入持续提高，沉积和刻蚀最直接受益，检测、计量和封装设备随之增加； 三是 Terafab 这类非传统客户进入，加上 Intel 投资周期重新提速，是传统客户之外的增量来源。
对应到公司：泛林集团对存储刻蚀、沉积和层数升级最敏感；应用材料吃材料工程、DRAM 和先进封装的红利；科磊受益于检测和计量步骤增加；阿斯麦掌握先进逻辑和先进 DRAM 扩产绕不开的 EUV。
设备订单领先收入数个季度，会上最值得听的是 2027 年至 2028 年订单的客户构成:新增产能、制程迁移和重复下单要分开看，只有交付和验收同步增长，订单才有业绩意义。
存储：缺口不够，长约和资本纪律才是重估的基础
存储的争议在于，2028 年前 DRAM 和 NAND 会新增多少供给，以及 AI 服务器优化内存配置会不会削弱需求。高
盛供需模型给出的答案是缺口不会关上：2026 年至 2028 年 DRAM 缺口约 5.0%、5.9%、3.9%，NAND 约 4.4%、4.6%、3.0%。这是模型测算而非实际缺货规模，它的含义是即便新增产能逐步释放，市场到 2028 年仍偏紧。
但缺口本身不足以支撑估值重构.过去每一轮存储上行都有缺口，最后都被扩产打掉。
这次能不能不一样，要看两件事。
第一是订单的稳定性：SK 海力士第二季度开始批量出货 HBM4，并与约 10 家核心客户签订了长期供应协议；HBM 堆叠多层 DRAM、增加 TSV 和先进封装工序，对晶圆和封装产能的消耗远高于普通 DRAM，存储厂优先把产能分配给高毛利的 HBM，通用 DRAM 的供给弹性被压缩，这让长约有了真正的约束力。
第二是资本纪律：多数存储企业可能把 50% 至 100% 的超额自由现金流用于股东回报，而不是全部投进新产能。长约压住需求端的波动、现金返还压住供给端的冲动，两个条件同时成立，盈利波动才会真正下降，估值才有重定价的基础。
美光预计 2026 年数据中心 DRAM 和 NAND 的行业位元出货量达到 2024 年的两倍以上，三星预计下半年服务器 DRAM、eSSD 和 HBM 需求继续加速。
技术层面有两个观察点：硬盘 HAMR 的量产进度，以及 SanDisk、SK 海力士推动的 HBF—— 后者想在 HBM 和 SSD 之间加一层兼顾容量和带宽的存储，服务模型权重和 KV Cache，但仍在标准制定和样品验证阶段，只是 SanDisk 的长期选择权，不是当前业绩主线。
四、再往下游：模拟是周期拉长，EDA 是模式改写
AI 需求继续传导到电源管理、信号链、接口和设计软件。这一层最容易被打包成 “AI 受益”，但模拟和 EDA 的逻辑完全不同，不能混为一谈。
模拟芯片：AI 拉长了周期，但改不了周期属性
截至 6 月，模拟芯片出货量已经高于长期趋势线约 5%，按过去的经验这是周期后段的信号。但过去四年出货量持续低于趋势，积累的修复空间还没用完；汽车等传统终端在改善，AI 数据中心又给了新的增量。ADI 最新季度收入 40.2 亿美元，同比增长 40%，由数据中心和工业驱动，自由现金流率 36%；德州仪器第二季度收入 54.6 亿美元，同比增长 23%。
要盯的不是出货量，而是价格回升能否传导到营收和利润率。大部分模拟公司的收入仍来自工业、汽车和消费电子，AI 能拉长周期，改不了周期属性。汽车和工业若再转弱，数据中心的增量抵不住。
EDA：AI 可能改写商业模式，是唯一还没被定价的增量
定制芯片增加、Chiplet 和先进封装复杂化，设计、仿真、验证和 IP 的需求在涨，工程师短缺又在加剧。
Agentic AI 自动化部分设计和验证流程，到 2030 年可能给 EDA 行业带来每年约 37 亿美元的增量市场，这部分尚未进入卖方盈利预期，最早 2026 年下半年开始显现。Cadence 已有初步证据：第二季度收入 15.84 亿美元，核心 EDA 增长 18%，订单积压 81 亿美元，全年增长指引上调至 19%。
但 37 亿美元的增量市场不等于增量利润。AI 既能提高软件价格和使用量，也能减少完成同一项目所需的工程师人数，直接冲击传统的席位授权模式。
EDA 的 AI 商业化要成立，得看三个问题：AI 功能是否带来更高的合同金额、收费能否从席位扩展到算力和使用量、设计效率提高后客户是否启动更多项目。这一层兑现最晚，但预期也最不充分，是五个辩题里唯一可能出现显著预期差的地方。
五、按兑现顺序分层：谁在兑现，谁在等待
把整条传导链按兑现程度排序，观察点和操作策略也不一样。
已兑现层（英伟达、博通、AMD）：业绩确定性最高，预期也最满。盯客户扩散和单位 Token 成本，会上的增量信息在 Rubin 节奏和 XPU 客户数量。这一层赚的是业绩的钱，不是预期差的钱。
正在兑现层（美光、SK 海力士、SanDisk；泛林、应用材料、科磊、阿斯麦）：这是大会上最值得听的一层。存储盯合同价格、长约覆盖率和资本返还比例；设备盯 2027 年订单的客户构成和验收进度。这一层的预期还没有完全打满，是当前性价比最好的位置。
尾部预期差层（ADI、德州仪器；Cadence、Synopsys）：模拟等价格传导到利润率再加仓；EDA 盯 AI 合同金额和收费模式变化，这是唯一还没被定价的增量。
最后，这轮周期可能断在哪里？
需要警惕五个风险点：资本开支增速超过 AI 收入增速，折旧和融资成本压缩自由现金流；少数模型公司的融资节奏波动；GPU、HBM 和设备的重复预订虚高；存储厂和晶圆厂在高利润期集中扩产，2027 年至 2028 年产能同时释放；电力、并网和机房交付拖慢需求兑现。
写在最后
这轮 AI 资本开支的传导，本质上是一场价值在产业链上的重新分配。
下游云厂商砸下的每一分钱，最终都会沿着 “算力形态→芯片订单→设备与存储→设计工具” 的链条逐层兑现。越靠近下游，业绩确定性越高，但预期也越满；越往上游走，兑现的时滞越长，但市场给的定价也越不充分 —— 预期差恰恰藏在这里。
高盛大会的价值，从来不是听哪家公司又报了一个超预期的数字，而是通过各家的口径交叉验证：这轮周期的需求是真的还是虚的，产能扩张是理性的还是过热的，利润是留在了下游还是正在往上游迁移。把这些信号拼在一起，才能判断 7000 亿开支里，哪些会变成可持续的利润，哪些只是周期高点的一次性脉冲。
周期永远不会缺席，区别只在于这一次，AI 有没有能力把它拉得更长、更平。
$特斯拉(TSLA)$ $ROUNDHILL GENERATIVE AI & TECHNOLOGY ETF(CHAT)$ $通用人工智能 ETF-AGIX(AGIX)$
精彩评论