来源：市场资讯
（来源：德邦证券研究）
2024年以来，全球AI算力产业链演绎了从景气共振到结构分化的行情，云厂商与海外半导体板块打破此前两年上下游同涨同跌的格局，其核心原因在于AI行业内部商业模型运转进入关键时期。站在当前时点，AI行业呈现一定的结构性悖论：一方面，云厂商资本开支持续高增，但整体现金流压力持续承压；另一方面，全球Token调用量持续增长，大模型公司推理业务盈利但整体仍然亏损。基于此，本文复盘2024–2026年云厂与半导体板块行情演化脉络，并基于云厂经营和Token经济学的几个核心假设来为后续AI产业链投资提供判断框架。
2024-2026年全球AI算力产业链定价逻辑发生有所切换。市场主线从早期的资本开支驱动的上下游共振，逐步聚焦投资带来的具体回报。2024-2025年，海外云厂商与费城半导体指数走势高度共振，资本开支扩张是板块共同上涨核心驱动；2025年初行业出现算力过剩担忧，板块同步调整；2025年中云业务高增与长期RPO订单落地修复市场预期，上下游重回同涨行情。进入2026年，行情开始分化：上半年费城半导体指数凭借算力需求确定性显著跑赢云厂商，7月回调后云厂凭借云业务高速增长相对抗跌，在当前现金流面临压力的情况下，市场越发聚焦于投入能创造多少收入与现金流。
从2026年Q2头部云厂财报看，谷歌、微软、亚马逊、甲骨文等厂商展现出相同特征，一方面云业务营收、长期算力订单持续高增，另一方面淡化27年资本开支的叙述，而市场也对投资回报高，现金流压力减弱的微软、亚马逊给予了正向的股价回应。展望后续，基于云厂2026-2027年资本开支与现金流敏感性测算，我们提出三类情景假设：1）若资本开支持续高增，行业将面临大额现金流缺口、融资压力加剧；2）若资本开支增速放缓，行业现金流有望大幅修复，但上游半导体需求景气度边际走弱；3）若云厂主业与自研芯片业务超预期增长，可部分对冲资本开支压力，优化产业链利润分配结构。
Token经济学层面，当前大模型推理业务已实现较高毛利，但头部大模型企业持续亏损。我们认为核心矛盾在于算力采购中训练算力占比偏高，可变现的推理算力增量，无法覆盖持续扩张的算力成本。而在全球Token调用量高速增长，模型性能差距收窄的背景下，行业高强度训练投入更多是AGI的远期期权博弈与格局竞争下的选择。展望后续，我们推演三类情景：若算力向推理倾斜，产业链商业闭环有望跑通，但模型迭代放缓或引发行业格局变动；二是训练、推理算力同步扩张，算力供给上限将制约行业收入增长，大模型企业持续面临现金流压力、依赖外部融资；三是推理需求落地不及预期，或带动云厂资本开支收缩，AI叙事或有所转弱。
对应A股市场，上游半导体、PCB、通信设备板块深度绑定海外算力资本开支周期，整体与费城半导体行情联动；而国产算力、科创芯片依托国内自主AI产业红利，行情呈现一定的独立性。 展望后续，1）若云厂资本开支明年继续保持快速增长，则市场在经历7月调整后有望迎来行情修复，海外算力建设景气上行将利好光模块、PCB 等产业链环节，海外算力链继续维持主线地位，国产算力跟上；2）若云厂明年资本开支增速下滑，则科技股更有可能延续震荡行情，其中细分领域景气度不一，行情有所分化，国内芯片设计、芯片代工以及存储厂商受益国内下游需求，有望实现超额收益。同时国内芯片代工的发展叠加国产替代的驱动，上游半导体设备/材料等环节也有望受益。
风险提示：宏观经济波动风险、资本开支不及预期风险、大模型发展不及预期风险等。
2024年以来，全球AI算力产业链演绎了从景气共振到结构分化的行情，云厂商与海外半导体板块打破此前两年上下游同涨同跌的格局，其核心原因在于AI行业内部商业模型运转进入关键时期。站在当前时点，AI行业呈现一定的结构性悖论：一方面，云厂商资本开支持续高增，但整体现金流压力持续承压；另一方面，全球Token调用量持续增长，大模型公司推理业务盈利但整体仍然亏损。基于此，本文复盘2024–2026年云厂与半导体板块行情演化脉络，并基于云厂经营和Token经济学的几个核心假设来为后续AI产业链投资提供判断框架。
云厂商与半导体叙事分化复盘
从2024年至今，云厂和半导体板块围绕AI发展的叙事发生了几轮明显的变化。我们选取谷歌、亚马逊、Meta、微软和甲骨文作为CSP组合，并和费城半导体指数进行对比，可以发现：24-25年CSP组合与费城半导体指数整体走势高度共振，CSP组合甚至阶段性取得相对超额收益；但进入2026年，两者行情叙事发生显著切换：26年上半年费城半导体指数大幅跑赢云厂商，而7月市场回调以来，费城半导体出现明显回撤，云厂商板块表现相对更稳健。回溯过去两年行情脉络，我们认为市场对于AI产业链的定价逻辑，经历了“资本开支乐观-算力过剩担忧-订单与云业务兑现-现金流约束-资本开支回报重定价”的演化过程。
2024年市场核心叙事为云厂资本开支前置，夯实 AI成长底座。2024年云厂商资本开支逐季抬升，Q2开始资本开支同比增速显著上行。市场将云厂商资本开支扩张解读为AI产业高景气的先行信号：云厂加大算力投入提供中长期业务成长性，上游半导体则受益于下游算力需求扩张，由此带来CSP组合与费城半导体指数的同向上涨。典型的行情案例有：2024年4月25日谷歌发布财报，24Q1资本开支120亿美元，同比增长91%，次日谷歌股价上涨10.22%，CSP组合上行 3.99%，费城半导体指数上涨2.61%；2024年10月31日亚马逊24Q3财报，单季度资本开支213亿美元，同比增长88%，次日亚马逊股价上涨6.19%，CSP 组合上涨 1.76%，费城半导体指数上涨 1.11%，资本开支成为驱动两个板块的共同主线。
2025年初，Deepseek发布带来行业叙事扰动，市场开始出现算力过剩的担忧。在模型效果可对标主流产品的背景下，Deepseek展现出较低的算力消耗，市场开始质疑云厂商大规模资本开支的必要性，担忧算力投入或出现过剩。2025 年1月29日，CSP组合下跌1.99%，费城半导体指数大跌9.15%，板块依旧保持同向波动，市场交易云厂商资本开支收缩，上游半导体产业链需求受到冲击，悲观预期同时压制上下游。
而到2025年年中，云业务营收与RPO订单成为新的定价锚点，市场对AI 产业预期修复。从25Q2开始，头部云厂商云业务营收同比增速持续抬升；同时Q3开始云厂RPO订单规模迎来大幅扩张，订单主要来源于OpenAI、Anthropic 等头部大模型客户，大额长期算力合同的落地让市场看到资本开支对应的实际需求与未来收入兑现路径，因此对资本开支的担忧边际缓解。典型的行情案例有：2025年4月30日微软财报披露Azure云业务同比增长33%，次日微软股价上涨 7.63%，CSP组合上涨4.51%，费城半导体小幅上涨0.42%；2025年9月甲骨文FY26Q1财报落地，RPO订单由上季度1380亿美元跳升至4553亿美元，次日甲骨文大涨35.95%，CSP组合上涨1.16%，费城半导体上涨2.38%。我们认为，经历了Deepseek事件后，市场不再单纯看资本开支规模，更看重资本开支能否转化为未来的实际收益，也就是云业务收入与长期订单，同时上下游依旧维持同向运行。
从2026年开始云厂和半导体行情走向分化，自由现金流约束成为云厂商核心压制因素。25Q4开始，头部云厂商自由现金流持续承压，高资本开支对现金流的压力开始被市场定价，CSP板块受到压制；但半导体板块依旧受益算力需求红利，走出超额行情。尤其是26年4月中东局势缓和之后，费城半导体指数相对 CSP组合取得显著超额收益。典型案例有2026年6 月11日甲骨文财报披露，现金流承压同时推出合计400亿美元股权+债券的大规模融资计划，次日甲骨文下跌8.53%，CSP组合下跌0.45%，费城半导体指数反而上涨7.91%，反映出市场认可高资本开支带来云业务与长单增长，但该模式已经对云厂商经营产生实际压力，而上游半导体则继续受益算力采购。
同时云厂内部也出现分化，2026年4月30日谷歌、Meta同步披露财报，谷歌单季度资本开支356亿美元，同比增长107%，云业务营收200亿美元，同比增速达到63%；而Meta由于缺少对外云业务，两者股价表现割裂，次日Meta下跌 8.55%，谷歌上涨9.96%。我们认为这反映出市场对云厂商AI业务的考核标准进一步聚焦，可以短期转化为回报的云业务被看好，而自身主业赋能的叙事在淡化。
2026年7月，叙事再次边际切换。彭博报道Meta计划对外出租算力，当日 Meta上涨8.81%，CSP组合上涨2.43%，而费城半导体指数下跌6.27%。我们认为交易反映两层市场预期：第一，算力资本开支可以通过对外出租实现商业回报，这一逻辑已经在具备成熟云业务的CSP厂商身上得到验证；第二，云厂商资本开支已经处于高位，即便维持当前资本开支水平，云厂商自身仍具备成长空间，但对于上游半导体而言，如果下游新增算力需求不再进一步上行，则会构成重要利空。整体来看，在当前现金流面临压力的情况下，市场越发聚焦于投入能创造多少收入与现金流。
云厂运营情况展望
从各家云厂Q2业绩和股价表现来看，主要呈现以下几个特点：1）云业务快速增长，谷歌、微软和亚马逊的云业务均呈现快速增长，同比增速向上，与资本开支的匹配程度较高；2）长期订单继续增长，其中OpenAI和Anthropic两家头部大模型公司仍然是订单的主要来源；3）各家云厂26Q2资本开支继续高增，同时部分厂商受原材料等原因上调26年资本开支，但对27年资本开支均没有明确指引。4）整体来看自由现金流压力在加大。从股价表现来看，市场对于投资回报的关注度在加强，同样是云业务快速增长，预计27财年自由现金流为正且资本开支下调的微软股价表现良好，而自由现金流转负的谷歌则股价下跌。值得注意的是，云厂整体正在向硬件带来的实际回报聚焦，谷歌、亚马逊均有自研芯片的销售计划，而Meta正准备出售算力。
为了探讨云厂未来的现金流压力，我们对云厂26/27年的自由现金流受资本开支和其他业务的影响做敏感性测试。其中自由现金流选用扣除资本开支后的EBITDA，主要目的是消除运营成本和投资收益带来的扰动。核心假设为：1）考虑到数据中心15年以上的折旧期限和服务器等计算设备5年左右的折旧期限，综合资本开支折旧期限假设为7年；2）考虑到算力供需情况的紧张，假设当前季度的资本开支在N+2季度可全部转化为收入，同时考虑各家云厂云业务的毛利率在40%左右，折旧/营收比例假设在40%水平；3）假设26-27年云业务和其他业务的营业利润率变化较小。
假设1：云厂26年资本开支维持高增长，27年资本开支继续高增，同时除云业务以外的其他业务整体同比增速维持此前状态。在这种假设下，云厂业务实现加速增长，四家云厂26年合计云业务营收增长44%，27年营收增速继续向上；而另一方面，企业自由现金流持续承压，26Q3行业自由现金流转负，27年合计自由现金流缺口持续扩大，企业融资压力较大。
假设2：云厂26年资本开支维持高增速，27年资本开支增速放缓，同时除云业务以外的其他业务整体同比增速维持此前状态。在这种假设下，云厂业务同样实现加速增长，不过增幅低于假设1的情形。另一方面，行业的自由现金流在26Q3转负，但27年得到极大缓解，整体自由现金流转正，融资压力大大减轻。不过对于上游电子/半导体供应链来说，下游需求增速的放缓可能使得景气度有所分化。
假设3：云厂26年资本开支维持高增长，27年资本开支继续快速增长，同时受益AI赋能主业以及自研芯片销售，除云业务以外的其他业务整体同比增速向上。在这种假设下，行业的自由现金流压力有所缓解，26年整体自由现金流依旧为正，27年自由现金流转负，但整体水平低于假设1的情形，企业融资压力有所缓解。不过另一方面，若云厂自研芯片销售规模较大，等于将一部分资本开支压力转移向下游大模型公司，同时对上游半导体的竞争格局造成一定影响。
算力需求大幅增长下的Token经济学
当前大模型推理业务已经具备正向毛利率，海内外厂商均验证推理环节可以实现商业盈利，但头部大模型企业整体依旧处于亏损状态。同时，云厂商手握大量来自大模型企业的长期算力订单，但大模型企业实际营收规模，与云厂商云业务收入增量并不匹配。我们认为这种现象的核心矛盾在于推理业务盈利，但训练端持续大额算力消耗，大模型企业算力采购当中训练算力占比仍处在较高水平。具体来看：
从商业模型上看，大模型推理业务本身可以实现正向毛利，但高额训练与研发投入使得企业整体报表体现大额亏损。以龙头OpenAI为例，OpenAI 26Q1营收57亿美元，剔除非现金公允价值变动后经营亏损93亿美元，Q2营收67亿美元，经营亏损进一步扩大至123亿美元，亏损主要来自训练算力采购、研发人员投入等。
另一方面，大模型公司的推理业务毛利率却相对较高，以Deepseek为例，根据《DeepSeek-V3 / R1 推理系统概览》，在24小时统计内，DeepSeek V3 和R1推理服务占用节点总和，峰值占用为278个节点，平均占用226.75个节点（每个节点为8个H800 GPU）。假定GPU 租赁成本为 2 美金/小时，总成本为 $87,072/天；而相同时段如果所有tokens全部按照DeepSeek R1的定价计算，理论上一天的总收入为$562,027，成本利润率545%。与开源大模型相比，闭源大模型在推理端也在实现盈利，Anthropic预计二季度实现首次盈利，考虑到其研发投入的算力成本，推理业务的毛利率可能也相对较高。
云厂商订单高增，大模型企业营收与算力采购体量出现错配。北美头部云厂商长期算力订单在 2025Q3‑2026Q1 大幅扩张，微软、谷歌、亚马逊、甲骨文四家合计 RPO / 待履约订单，自2025Q2约0.8万亿美元增长至2026Q1的2万亿美元，增量主要来自 OpenAI、Anthropic 两家大模型企业签订的长期算力采购协议。2026Q2四家云厂商云业务季度营收，较2025Q4合计增长219亿美元。但对应两家核心客户的实际季度营收体量显著偏低，其中OpenAI 2026Q2营收 67亿美元，Anthropic Q2营收115亿美元，二者合计182亿美元，低于云厂商云业务的收入增量规模。
目前在已有大模型性能和定价下，全球Token调用量已经呈现快速增长的态势，根据OpenRouter的API调用量数据，2026年8月17日当周Token调用量达到93万亿，环比上周增长24.04%，相较2025年同期8月18日当周的3.2万亿增长显著。那么为什么推理已经可以赚钱且Token调用量大幅增长的情况下，企业依旧持续高额投入训练算力？我们认为核心原因有二：1）当前大模型仍属于专用人工智能，依靠统计拟合完成任务，而AGI目标实现接近人类的通用认知能力，将带来巨大期权价值。若厂商率先实现真正意义上的AGI，将形成碾压级技术代差，具备极强抢占市场的潜力和远期巨大的商业回报，使得部分大模型厂商愿意容忍当下阶段的现金流损耗。2）行业竞争持续加剧。一方面在大模型性能差异不大情况下，价格成为消费端更重要的考量因素，模型需要依靠持续迭代基座性能维持产品竞争力；另一方面在尚未实现AGI的当下，模型能力提升高度依赖大参数量、海量训练Token的投入，以国内模型为例，DeepSeek V4 Pro的参数达到1.6万亿个，相比V4 Flash的284B参数提升显著；而Kimi K3则成为首个达到2.8万亿参数的开源模型。大模型厂商持续做大模型参数规模，进一步抬升训练端算力成本。
根据上文对于云厂云业务的测算，2027年四家云厂的云业务收入有望达到7409亿美元（上述假设1场景），对比2025年3360亿美元，增量规模约4000亿美元，而这部分营收的增长可以看作AI所带来的算力需求。因此对于未来Token经济学的发展路径，以北美AI产业链为例，我们推演以下三种情形：1）若全球大模型研发节奏放缓，算力资源向推理倾斜。新增算力更多分配给推理端，假设4000亿美元云收入增量当中，有一半算力用于推理，考虑到推理业务整体的高毛利率，则推理业务转化的营收有望实现算力成本的覆盖，商业模型得以闭环。而该情景的核心约束在于终端应用的开拓：训练投入下降之后，模型能力迭代速度放缓，Token消耗能否维持当前高增速存在不确定性，同时行业价格竞争加剧，格局同样存在不确定性。2）若维持当前态势，训练、推理算力同步扩张。考虑到云厂的自由现金流压力较大，因此中期总算力供给预计难以进一步提升，算力供给将成为ARR进一步向上的硬约束，大模型公司的营收更多被训练和推理的算力比例所决定。在这种情况下，假设4000亿美元算力增量中仅有30%左右用于推理，则大模型企业依旧面临现金流缺口，仍需依赖外部融资。3）若推理实际算力需求不及预期，AI短期转向悲观叙事。以Anthropic为例，其ARR从5月的470亿美元上行至7月650亿美元，但环比增速已经出现放缓迹象。若大模型公司实际推理业务增长不及预期，而前期与云厂商签订的长期算力协议逐步履约，那么算力将被更多分配至训练端，该情景下大模型企业现金流压力将显著放大，行业风险抬升。同时云厂也可能大幅缩减资本开支，使AI产业链短期转向悲观叙事。
A股科技板块的映射
考虑到A股AI产业链主要集中在上游电子/半导体领域，因此我们选择A股核心的AI细分指数（申万通信设备、申万印制电路板和科创芯片）和费城半导体指数进行对比。可以发现：1）通信设备和PCB板块走势与费城半导体趋同，反映出两者和美股半导体共同受益于北美云厂资本开支的扩张；2）科创芯片在上涨的前期阶段表现弱于费城半导体，同时在7月板块整体回调时展现出一定的超额特征，反映出国产半导体虽然整体仍受整体叙事映射影响，但由于其主要受益国内AI产业链发展，因此表现出一定的独立性。
关于A股科技股的后续走势，我们认为大方向仍然受云厂运营和Token经济学两方面影响，考虑到A股科技股仍以中上游为主，因此受云厂运营情况的影响会更大，其中国产芯片有望走出独立行情。细分来看：1）若与上文的假设1相似，云厂资本开支明年继续保持快速增长，则市场在经历7月调整后有望迎来行情修复，海外算力建设景气上行将利好光模块、PCB 等产业链环节，海外算力链继续维持主线地位，国产算力跟上；2）若云厂明年资本开支增速下滑，则科技股更有可能延续震荡行情，其中细分领域景气度不一，行情有所分化，国内芯片设计、芯片代工以及存储厂商受益国内下游需求，有望实现超额收益。同时国内芯片代工的发展叠加国产替代的驱动，上游半导体设备/材料等环节也有望受益。
热门跟贴