大家好我是老哥，当下AI算力成功霸屏科技圈，全球大厂砸钱布局的力度已经刷新人们的认知。
五大科技巨头合计砸出 8050 亿美元抢滩布局，美国遭遇电力瓶颈卡脖子，中国却靠着一招实现弯道超车？
摩根士丹利最新上调了五大云服务商的资本开支预期，2026年预计达8050亿美元，2027年更是突破1.1万亿美元。
拆分来看，亚马逊2026年资本开支2000亿美元，主要用于自有数据中心及AI相关基础设施，是当前投入最多的单家企业。
微软以1200到1300亿美元紧随其后，此前部分媒体报道的1900亿美元为误传，其与OpenAI的深度绑定，确实让AI算力需求持续高增，这部分投入占总资本开支的核心比例。
谷歌母公司Alphabet资本开支1750到1900亿美元，覆盖谷歌云，大模型研发及算力基础设施布局。
Meta投入1250到1450亿美元，其对大模型训练推理的成本控制，是通过自研芯片，优化训练策略实现的，并非投入“存在水分”，反而一季度资本开支达198.4亿美元，同比增长显著，持续加码AI算力。
从项目推进来看，美国规划的数据中心项目约30%到50%面临延期或取消，实际在建容量约5吉瓦，这一比例是项目容量占比，而非资本投入比例。
延期原因主要是变压器等电力设备交货延迟，目前已有中东资本暂停相关项目的新投资决策，部分规划投入可能无法落地。
当前AI算力相关支出的核心方向集中在服务器和GPU芯片，占AI专项投入的比例超过70%，光模块，液冷设备等细分环节都有不小的增长空间。
行业内有一个共识，AI算力投入是云厂保持竞争力的关键，但并非“不投就股价暴跌”，部分厂商通过垂直领域差异化布局，同样能获得市场认可，股价表现与投入规模无绝对线性关系。
不少人好奇中美AI算力差距，从名义资本开支来看，中国互联网大厂（字节，阿里，腾讯等）三大运营商的AI算力相关投入约350到450亿美元（约2500-3200亿元人民币）。
这一投入仅为美国五大云厂目标资本开支的十分之一左右，但两者统计口径需区分，美国为总资本开支，中国为AI专项相关投入。
若从实际算力份额和能力来看，权威机构数据显示，美国掌握全球AI算力约69%，中国约15%，份额比约4.6倍。
中国算力产业的核心优势的是算电协同，且在非IT环节有20%到30%成本优势，中国数据中心每兆瓦非IT环节建设成本，约为美国的70%到80%，而非整体建设成本仅为美国的60%到70%。
美国的云厂往往需要单独建设电站，电网来保障算力中心供电，核电项目落地需5年以上，成本高且扩容速度慢。
而中国依托特高压，绿电基地，已实现源网荷储一体化，数据中心可直接使用西部风电，光伏绿电，无需额外自建电力设施，扩容速度远快于美国。
当前美国正面临严重的电力瓶颈，不少在建数据中心因电力供应不足被迫延期，高成本也让部分企业利润承压，AI相关投入占总资本开支的比例正不断上升。
整个AI算力产业链可以拆分为20个细分领域，包括光模块，AI芯片，液冷电源，AIDC算力租赁，高速连接设备等等。
中国在中下游的设备，算力租赁，算电协同环节已经形成完整闭环，成本和交付速度领先全球，比如光模块，液冷电源，算力租赁的龙头企业，2026年的业绩确定性非常高。
不过在高端光芯片和AI芯片领域，中国还面临制裁限制，依赖进口的情况依然存在，但在政策和资本的双重推动下，追赶速度正在加快。
算电协同是中国算力产业的核心竞争力，东数西算工程就是最好的例子，西部绿电基地直接为数据中心供电，不需要额外建设电力设施，大幅降低了非IT环节成本。
当前的战略契机在于全球AI算力需求爆炸，美国高成本算力无法满足下游低成本应用需求，中国企业可以凭借算电协同和成本优势，抢占下游市场份额。
这场AI算力竞赛已经进入双轨竞争阶段，美国靠前期的技术和资金优势领跑，中国靠算电协同和成本优势快速追赶，不管是光模块龙头还是算力租赁企业，相关赛道的国内龙头都值得重点关注。
热门跟贴