AI 的投资进入更复杂的阶段：供给上修与需求兑现节奏之间的不确定性有所上升

AI 投资从主要看商业化跑通和需求扩张的阶段，进入供给上修与需求验证并行的新阶段。近期包括韩国存储扩产计划上调、以及 Meta 将部分算力潜在外部化（Neocloud 化）等变化，使得远期供给扩张的可见性显著提升，并对当前已较为拥挤的交易结构形成阶段性扰动。

与此同时，需求侧虽然整体仍在既定扩张路径中，并未出现趋势性变化，整体仍处于“on track”状态，但市场开始重新审视 AI 商业化的终局形态：未来数年 AI 应用能否形成万亿级收入规模，并在更长期扩展至几万亿级别，从而匹配当前及未来持续前置的资本开支节奏。

从结构上看，AI 需求的核心变化在于两点：

• 一方面，科技行业内部的 AI 使用仍保持高强度渗透，但已开始出现边际效率约束（如个别公司出现 token 使用限制等现象）；

• 另一方面，占全球经济绝大部分的传统行业仍处于早期渗透阶段，AI 主要停留在工具层应用，尚未深度嵌入核心工作流。

因此，未来一段时间的关键不确定性在于：

• “快世界”（科技行业）AI 使用增速是否自然放缓；

• “慢世界”（传统行业）AI 渗透能否逐步加速并形成对冲。

两者的共同演化，将决定 AI 需求曲线的形态是否能够保持整体平滑，并进而影响 AI 基础设施投资的持续性与信心结构。

因此，近期的核心担忧不在于趋势是否依然成立，而是供给上修与需求兑现节奏之间的不确定性有所上升，但需求整体仍处于持续扩张路径（on track）。

1. 存储：近端短缺更确定，同时中远期扩产让远期供给增加更确定

存储仍是当前 AI 基础设施中最直接、最可验证的瓶颈环节。Micron 最新财报进一步强化了这一点：存储正在从传统周期品，逐步转变为 AI 基础设施中的战略性稀缺资源，行业定价与客户结构均呈现出更强的长期化特征。我们认为，这一变化会降低部分存储公司的盈利波动性，也会让市场更愿意用结构性而不是纯周期的方式给 HBM、DRAM、NAND 定价。

与此同时，韩国厂商围绕 DRAM/HBM 及相关先进封装的扩产计划明显上调。我们更倾向于将这一变化理解为：在此前需求假设下，供给端本身存在约束缺口，此轮扩产更多是对结构性短缺的“补足式上修”，而非主动性周期扩张。

2. 设备：供给上修的直接传导与复杂度红利

在存储与先进封装资本开支上修的背景下，设备端成为最直接受益环节。晶圆制造、刻蚀、沉积、检测以及先进封装设备的订单能见度显著提升，行业确定性增强。

3. Meta “进军”云业务的担心：资本效率优化，而非周期见顶信号

近期关于 Meta 可能将部分 AI 算力对外出租或探索 Neocloud 模式的讨论，引发市场对 AI 算力是否出现过剩、以及 Capex 是否见顶的担忧。我们更倾向于将其理解为：在超大规模 AI 资本开支背景下，Meta 尝试将部分基础设施投入从纯成本中心转化为可变现资产，以提升算力利用效率并优化资本回报结构。

4. 系统瓶颈继续扩散，AI 算力从单芯片驱动走向系统异构集成与先进封装

AI 基础设施正在从高度依赖 GPU 单点性能提升，逐步转向系统级瓶颈约束，包括存储、互联、供电与散热等多个维度。随着系统复杂度持续上升，AI capex 的利润池仍在外溢，但外溢方向已不再集中于过去两年最拥挤的单一链条，而是呈现多路径分化。

AI 算力扩张路径的结构性变化：从制程驱动走向系统能力驱动

AI 算力扩张正在从单一制程与单芯片性能提升，转向异构系统集成与先进封装驱动。核心技术路径包括 CoWoS、SoIC、HBM、高速光互联及 2.5D/3D 集成等。