猫叔 傅里叶的猫
最近 AI 算力这条线的波动比较大。市场短期反应并不算好，尤其是前期涨幅比较大的方向，只要出现一点新的变量，资金就容易先往负面去理解。
但其实产业本身并没有降温，而是正在进入一个更复杂、也更成熟的阶段。
Meta入局算力租赁
再说一下Meta这件事，之前在市场上引起的影响确实太大了。但其实跟产业内以及二级机构的分析师聊就会发现，其实大家对这件事其实普遍偏乐观。但市场实际反应比较悲观，核心原因可能还是 AI 板块前期太热、涨得太猛，“涨得太多”本身就成了原罪。
但从 Meta 自身情况看，首先，它内部对算力的需求依然很大，并不存在算力需求突然减弱的问题。其次，市场可能低估了 Meta 后续模型的潜力。它即将推出的新模型确实是很强的，再结合算力租赁业务，Meta 完全有可能像 Anthropic 和 AWS 的合作模式一样，直接在自己的云上卖 Token。这样既能提升算力使用率，也能把模型能力和算力资源更直接地商业化。
这里我们再说一下关于大模型的看法。其实从这几年国内外大模型的排名来看，大家就会发现这个排名是经常会变的，也就是说，大模型公司的领先地位很难长期保持：
国外市场，最开始是 OpenAI 的 ChatGPT 绝对领先，当时大家甚至因此看空谷歌；但随着谷歌发力，其 Gemini 模型做得非常好，后来居上一度赶超了 GPT。再到后来 Claude 横空出世，通过 Claude Code 一举占领了 B 端市场。
国内这边，之前排在第一位的绝对是 DeepSeek，相比之下，智谱在去年这个时候的模型表现还很差。今年年初海外 Pony AI 模型非常火的时候，我问过几个智谱的合作伙伴，他们当时完全不相信这个模型是智谱做的。但事实就是，智谱从 GLM 4.8 之后，再到后面的 GLM 5.1 和 5.2，模型的表现确实非常优秀，处于目前国内绝对的第一梯队。
不过，智谱也很难保证自己能一直在第一梯队里，因为正如前面所说，这个行业的变化实在太快了。所以从这个角度去看，Meta 发力大模型去追赶第一梯队的这几个模型，可实现性是比较高的。
Nvidia GPU 融资兜底。
现在AI算力故事的一个底层的变化是：AI 算力扩张正在从“谁能买到 GPU”，进入到“谁能把 GPU、资金、订单和数据中心组织成一个可融资项目”。
过去两三年，AI 基础设施建设主要由大型云厂商用自己的现金流推动。Google、Amazon、Meta、Microsoft、Oracle 这些公司资产负债表强，现金流稳定，可以直接买 GPU、建数据中心、签电力协议。但随着 AI 集群越建越大，单靠巨头自有资金已经不够了。未来算力建设要继续放大，债务融资会变得越来越重要。
过去两三年，AI 基础设施的建设主要还是由大型云厂商用自己的现金流来推动。Google、Amazon、Meta、Microsoft、Oracle 这些公司，本身有很强的资产负债表，也有稳定的现金流，所以它们可以直接买 GPU、建数据中心、签电力协议。但随着 AI 集群越建越大，这套模式开始不够用了。SemiAnalysis 判断，未来几年 AI IT 资本开支和 AI 数据中心资本开支都会继续扩大，2024 到 2029 年累计 AI Capex 可能达到 11 万亿美元左右，后面很大一部分要靠债务市场来承接。
这也是文章里所谓 “AI Project Trinity” 的背景。一个 AI 算力项目真正落地，需要同时解决三件事：第一是 Capital，也就是资金；第二是 Offtake，也就是谁来长期购买或租用这些算力；第三是 Datacenter，也就是数据中心和电力资源。难点在于，这三件事彼此互相卡住。没有长期客户，银行不愿意放款；没有融资，NeoCloud 很难先付设备定金；没有确定的资金和客户，数据中心运营商也不愿意把机房资源租给它。
这里我们再提一下，国内做一个算力项目最重要的三个能力：资金能力、拿卡能力和交付能力。
拿卡能力，不用多解释，懂的都懂。
交付能力，就是看算力提供商能不能把买到的服务器、配套的基础设施（包括水电网）都做得比较完善。
资金能力，看他找资金的成本。不过这背后隐含的故事是，如果你背后有大厂背书，基本上就能够拿到低息的贷款。
Nvidia 这次下场做 GPU 租赁收入兜底，意义就比较大。它不是简单给客户做促销，而是在帮 NeoCloud 把项目变成银行能看懂、能放款的资产。具体来说，NeoCloud 买 Nvidia 的 GPU 后对外出租，如果市场需求足够好，就正常租给 AI 公司、推理服务商或者企业客户；如果出租不顺利，Nvidia 会按事先约定的价格提供最低收入保障。对于银行来说，这就把项目的底层风险从一个新兴云厂商，部分转移到了 Nvidia 的信用上。
这能解决一个很现实的问题。现在很多 AI 初创公司、推理服务商，并不愿意签五年期的算力合同。它们更想要一年以内、甚至更短期限的 GPU 租赁，因为模型迭代太快，融资节奏也很快，谁都不愿意把自己锁死在很长的算力合同里。但银行过去更愿意看到的是五年期、由大型云厂商背书的 take-or-pay 合同。这样一来，真正有短期算力需求的客户反而拿不到足够资源。Nvidia 的兜底，相当于在长周期融资和短周期需求之间搭了一座桥。
对 Nvidia 自己来说，这也不是单纯帮客户。它有很强的商业动机。过去 Nvidia 主要赚 GPU 硬件销售的钱，卡卖出去以后，下游云租赁的收入更多留在 NeoCloud 手里。但在这个结构里，Nvidia 一方面通过兜底帮助 NeoCloud 获得融资，从而扩大 GPU 采购；另一方面，它还可以分享一部分超过兜底价格的租赁收入。也就是说，Nvidia 正在把一次性硬件销售，往长期、 recurring 的云服务收益上延伸。
SemiAnalysis 还提到，Nvidia 甚至不只是在 GPU 层面做兜底，还开始介入数据中心租赁。在美国，它会直接从数据中心运营商那里租下大块容量，再转租给 NeoCloud。原因也很简单：数据中心运营商更愿意把机房租给微软、谷歌这类信用强、租期长的大客户，而不是新兴 NeoCloud。Nvidia 直接下场以后，可以减少项目谈判链条，把数据中心这一环也打通。
这说明 AI 基建的瓶颈在变化。2025 年大家更担心的是数据中心容量，2026 年上半年更多讨论的是芯片供给，但往后看，融资能力可能会成为非常关键的约束。一个项目能不能落地，不只是看有没有 GPU，还要看能不能拿到便宜的钱、有没有足够确定的客户、数据中心和电力能不能匹配上。
这说明AI 算力产业链正在金融化，GPU、光模块、网络设备、存储、CPU、数据中心、电力合同、客户租约、债务融资，都会被放进同一个项目模型里重新定价。以后看 AI 基建公司，不能只看订单金额或者 GPU 数量，还要看订单背后的信用质量、租约期限、资金成本、现金流覆盖能力，以及算力出租价格能不能持续支撑项目回报。
所以，Nvidia 这次的动作，本质上是在扩大 AI 算力市场的可融资边界。它希望 NeoCloud 不只是服务少数几个大客户，而是能把算力卖给更多 AI 初创公司、企业客户和推理服务商。只要这套结构跑通，GPU 的需求池就会被进一步打开，Nvidia 也能在硬件销售之外，拿到更多来自下游算力租赁市场的收益。对于整个 AI 基础设施链条来说，这意味着算力建设的故事已经不只是芯片周期，而是开始变成一个资本、信用和产业需求共同驱动的大型基础设施周期。
野村关于中际旭创的分析
最后我们看一个野村对于旭创的分析，在大家信心都不是很足的情况下，可以看一下海外几大投行对国内这几个头部公司的分析。
野村这次维持中际旭创“买入”评级，同时把目标价从 1015 元上调到 1325 元（是不是过于保守了？）。它把公司的成长周期往后拉了一截。市场原来更多讨论的是 800G 到 1.6T 的升级，但野村在预测里进一步上修了 2027 年、2028 年 800G 和 1.6T 的全球出货预期，同时也开始把 2.4T、3.2T 的需求放进来。
这对应的是光模块行业现在很关键的变化：它不是一轮简单的 800G 升级，而是数据中心内部带宽持续升级带来的长期迭代。1.6T 和硅光模块还在推进，后面还有 2.4T、3.2T，以及 NPO、CPO 这些方向。如果这些产品逐步放量，中际旭创的增长逻辑就不只是今年业绩高增长，而是产品周期还在继续往后走。
野村预计，中际旭创未来有望继续在全球 AIDC 光模块市场维持 30%-35% 的份额。这个假设很重要，因为在行业快速扩容的时候，需求起来是一方面，龙头能不能守住份额、产品结构能不能继续往高端走，才决定利润弹性有多大。如果 1.6T、硅光、2.4T、3.2T 的占比提升，公司收入和毛利率都有继续改善的空间。
当然，短期分歧也还在。上游 InP 晶圆、MOCVD 设备、200G EML 等环节仍然有供应瓶颈，市场也会担心大客户重复下单、订单节奏波动。但从中长期看，高端光模块依然是 AIDC 里面比较紧的环节。只要 AI 算力继续扩张，数据中心内部互联的带宽压力就不会消失，光模块龙头仍然站在产业变化的核心位置。
| 
221
发表于 2026-7-8 09:19:54