高盛7月8日那份报告我翻了两遍,第二遍是冲着一个细节回去看的,高盛把电力放在了中国AI价值链的第一位,模型和应用反而排在后面。最开始我以为这又是一次情绪轮动 —— 韩国涨多了跌，中国跌多了涨，资金找下一个故事讲。但把整份报告看完我改了想法。高盛真正在说的不是 "中国 AI 要涨"，而是中国 AI 的整条价值链已经闭环了，而市场给的定价严重跟不上它的实际经济权重。更反直觉的是，整条链上确定性最高的环节，是大部分人聊 AI 时第一个跳过的 —— 电力。
这个排序比转仓这件事本身更值得琢磨,因为它回答的是一个更直接的问题,钱该往哪个环节走,才配得上中国AI现在16%的全球营收占比、却只拿到1.2%的基金配置,这篇我把电力、半导体、基础设施、模型、应用五条赛道拆开讲清楚,包括每条赛道赚的是什么钱、代表标的都有谁,顺着往下看,你会发现有几条直觉是反的。
▸ 高盛为何弃韩国转中国 ▸ 电力,被低估的底层瓶颈 ▸ 半导体,存储超级周期里的国产替代 ▸ 基础设施,资本开支真正落地的地方 ▸ 模型,为什么反而排在后面 ▸ 应用,风险最低的变现终点 ▸ 五条赛道怎么组合,风险在哪
先说这份报告到底在说什么
过去一年多,全球资金几乎是排队涌向韩国和台湾的存储芯片股,三星、SK海力士把KOSPI指数推到历史新高,逻辑很简单,AI要训练要推理,存储是刚需,谁产能大谁受益。
但今年这套逻辑开始松动,市场开始怀疑AI资本开支的可持续性,韩国股市一天跌超5%,累计跌幅超过20%,直接进了技术性熊市,同一天,恒生中国企业指数涨了将近4.5%,资金迁移的痕迹很明显。
我最开始的反应是,这可能只是情绪轮动,涨多了要跌,跌多了要涨,资金总要找下一个故事讲。但把整份报告看完,我改了想法,因为高盛的论点不是中国AI要涨了,而是中国AI价值链已经形成完整闭环,而市场对它的定价严重跟不上它的实际经济权重。
数字很直白,中国占全球AI营收大约16%,占全球市值大约10%,但全球共同基金对中国AI科技的配置只有1.2%,高盛给的判断是,这中间的落差可能意味着50%到100%的潜在上修空间。
高盛把这套闭环拆成了五条赛道,电力、半导体、AI基础设施、AI模型、AI应用,还给了一个具体的组合名字叫GSXACART。拆解的顺序本身就是一种态度,越往前排,说明确定性和优先级越高,那问题来了,为什么电力这么一个听起来最土最传统的环节,反而被排在了芯片和模型前面。
一、电力,被低估的底层瓶颈
AI训练和推理是真的耗电,一次ChatGPT查询的耗电量,大概是一次普通搜索的近10倍,这个数字放在几年前可能没人在意,但当训练规模和推理规模同时往上走,电力就从背景变量变成了硬约束。美国这边的问题很典型,芯片有,技术有,但电网跟不上,不少数据中心项目卡在电力接入这一步,中国这边反而占了便宜,电力供给规模大、西部绿电成本低、政策支持给得快,建设速度也跟得上,这几项叠在一起,变成了一个别人短期学不来的比较优势。
高盛预测中国头部互联网公司2026年在数据中心上的投资大概700亿美元,数据中心电力需求同比增速在25%左右,国家能源局给的更长期数字是,2030年中国数据中心用电量会到800TWh,占全国总用电量大约6%,2025到2030这五年的复合增速接近36%,彭博新能源财经算的口径更激进一点,认为2030年数据中心电力需求可能接近600TWh,比现在翻倍还多。
东数西算这个政策,很多人第一反应会当成一句口号,但它做的其实是一件很具体的事,把西部的低电价、低地价、低温环境,直接转成了数据中心的运营成本优势,测算下来到2025年能省下超过3000亿元的电力成本,低温环境也让能耗比天然更优。
标的
核心逻辑
许继电气
特高压接入+数据中心供配电
平高电气
高压开关设备,算力枢纽电力接入
四方股份
电力自动化,数据中心能源管理系统
特锐德 / 盛弘股份
液冷+电源一体化,数据中心内部能源改造
这条赛道最容易被低估的地方在于,大家习惯把电力当成传统基建,估值给得保守,但在AI周期里,电力已经从成本项变成了竞争力本身。美国有芯片和算法优势,却被电网卡住脖子,中国反而是把电这个最朴素的资源,变成了算力成本的护城河,某种程度上,电力设备公司的确定性可能比半导体公司还高,因为半导体还要看技术追赶节奏,电力设备只要数据中心在建,采购就是刚性的。
二、半导体,存储超级周期里的国产替代
‘电力解决的是能不能开机的问题,那开机之后呢,芯片和存储够不够用,这是第二条赛道要回答的。
高盛把半导体排在第二,这里有一个容易被忽略的细分,不是逻辑芯片,是存储,AI服务器对DRAM、NAND、HBM的需求几乎是指数级往上走,而中国恰好在通用存储的量产和国产替代上踩中了这个窗口。数字比故事更直接,长江存储2026年一季度NAND全球份额从8%升到13%,并列全球第4,营收同比涨了445%,长鑫存储同期营收同比涨了719%,H1的营收指引给到110到120亿元人民币,中国集成电路2026年5月出口同比涨111%,金额355.5亿美元,主要就是存储价格上涨在拉动,这几个数字放在一起,说明这不是画饼,是订单和价格已经兑现的业绩。
标的
核心逻辑
长鑫存储(CXMT)
DRAM龙头,全球份额进入前四,IPO进程中
长江存储(YMTC)
NAND龙头,份额从8%升至13%,IPO预期中
SMIC
晶圆代工平台,支撑国产替代全链条
这条赛道有意思的地方是,韩国这轮先暴涨后暴跌,本质是三星和SK海力士把宝几乎全押在存储这一个环节,一旦市场开始怀疑资本开支的持续性,单一环节的风险就集中爆发。中国存储反而是在量、性价比、供应链安全三个维度同时往前走,不是单点赌注,存储环节的利润弹性通常也比逻辑芯片更高,因为它是每台AI服务器都要用的标配消耗品,不是可选项。
三、AI基础设施,资本开支真正落地的地方
存储解决的是有没有料,那料造出来之后要往哪里装,这就到了第三条赛道。
如果说电力和存储是原材料,基础设施就是把原材料组装成算力的地方,服务器、光模块、液冷、数据中心本身,都在这一层。中国这边的路径也很清楚,东数西算把成本优势落到选址上,国产服务器和光模块产业链又足够成熟,拼出来的结果是建得快、用得省。
标的
核心逻辑
中际旭创
全球高速光模块龙头,800G/1.6T放量
浪潮信息
AI服务器+液冷,H1业绩预增226%-288%
中科曙光
服务器+存储+液冷全栈方案
同飞股份 / 英维克
液冷与电源一体化配套
我自己看这条赛道时,一个容易被忽略的点是,大家的注意力总是先被模型训练这种一次性大事件吸引,但真正持续花钱的,是训练完之后的推理和迭代,这部分需求是长期滚动的,基础设施公司吃的正是这部分,而不是某一次训练任务的一次性订单。高盛把基础设施排在模型前面,某种程度上是在提醒,能规模化、持续变现的,往往是建机房、供电力、连网络这些重资产环节,而不是听起来最性感的模型本身。
四、AI模型,为什么反而排在后面
基础设施把路修好了,那车呢,车就是模型。
这条赛道我看的时候是有点意外的,毕竟模型才是大家平时讨论AI最爱聊的部分,但高盛把它放在了第四位,只比应用靠前一位。中国模型这边走的不是美国那种一路堆参数、烧算力的路线,DeepSeek已经证明低成本也能做出接近顶尖水平的模型,叠加国内场景数据足够多,反而在代码、数学、多模态这些垂直领域,能做到成本效率更高的落地。
标的
核心逻辑
科大讯飞
语音+多模态,垂直场景(教育/医疗/汽车)落地领先
百度
文心一言+搜索+云,模型应用一体化
阿里巴巴
通义千问+云+电商,生态最全
我自己没完全想清楚的一点是,高盛把模型排在靠后位置,到底是因为它认为模型的商业化节奏比基础设施慢,还是因为这一层的竞争已经足够激烈、超额收益空间反而变窄,这两种解释我目前都拿不出决定性证据,但至少有一点是清楚的,模型是矛,前面的电和厂如果没先搭好,矛也捅不出去太远。
五、AI应用,风险最低的变现终点
矛造好了,总要捅出点效果,这就是最后一条,应用。
很多人对应用层的第一印象是最卷、最难赚钱,烧钱换用户,同质化严重,但放在中国这个具体市场里,情况可能是反过来的。中国有全球最大的单一互联网市场,腾讯、美团、小米这类公司手里握着海量真实用户和场景,AI功能不需要先讲一个宏大故事,可以直接嵌进已有产品里变成付费点。
标的
核心逻辑
腾讯
广告推荐+内容生成+游戏AI升级
美团
配送履约优化,本地生活AI场景落地
小米
AIoT生态+智能座舱/智驾AI
这条赛道排在价值链最后,不代表它不重要,恰恰相反,没有应用端把钱赚回来,前面电力、存储、基础设施的投入就成了没有回报的沉没成本,应用层是终点,也是让整条链条转起来的动力源。
五条赛道怎么组,风险在哪
高盛这次从韩国转向中国,本质上不是一次情绪轮动,是资金从押注单一环节,转向押注一整条闭环。如果非要给个配置思路,我会这么排,电力和基础设施提供的是确定性,只要数据中心在建、在扩容,这部分采购就是刚性的,半导体尤其是存储提供的是弹性,业绩已经在兑现,估值弹性最大,模型和应用提供的是更长期的超额收益,但节奏和竞争格局还有变数。
风险也要说清楚,地缘政治、执行节奏、估值波动,这三样一个都少不了,而且这里列的数据和估值口径都是按公开信息整理的一个时点快照,存储双雄还在IPO进程里,数字会变,真要动手前自己再核实一遍最新数据,这篇更多是把高盛的框架和逻辑拆给你看,不构成投资建议。
1.2%的配置和16%的营收占比,中间那道缺口目前还摆在那,会不会被填上、填多快,我也没法打包票,但这次高盛给的不是一个新故事,是一张已经拆开给你看的账本,账本上电力排第一这件事,我觉得比转仓中国这四个字本身更值得记一下。
你要是对哪条赛道有不一样的判断,欢迎评论区交流,我挺想知道大家会把哪条排第一hh。
