摘要：通过收集众多行业反馈，我们得到一致结论：DeepSeek 的出现不会影响 GPU 扩建计划，其成功预计也不会改变半导体投资计划。算法演进的历史表明，我们不能低估低成本、更先进功能以及持续扩展所带来的增量需求。

通过收集众多行业反馈，我们得到一致结论：DeepSeek 的出现不会影响 GPU 扩建计划，其成功预计也不会改变半导体投资计划。算法演进的历史表明，我们不能低估低成本、更先进功能以及持续扩展所带来的增量需求。

随着计算成本降低、应用率提升，以谷歌（GOOGL）、元（META）、亚马逊（AMZN）、微软（MSFT）为首的互联网和软件行业，其生成式人工智能（GenAI）的投资回报率（ROIC）有望进一步提高。与此同时，半导体产业的出口管制和大型语言模型（LLM）同质化问题引发了一些担忧，但计算发展史显示，成本下降通常会加速使用量与需求的增长。

能源方面：

在美国数据中心项目规划中，大多数已知项目实际上面向 AI 推理和非 AI 用途，而非 AI 训练。

预计未来 6 年内，计算成本（将数据中心资本成本除以以 teraFLOPs 为单位的计算能力）将下降约 90%，这将引发 “杰文斯悖论”（Jevon’s Paradox），即随着 AI 采用率上升，对 AI 计算的潜在需求将迅速增加。

在股价抛售之后，许多与美国 AI 基础设施增长相关的股票，对 AI 增长的定价相对较低。

网络方面：

更高的投资回报率可能带来对 AI 更大的前端投入。我们依然认为 Arista Networks 会成为赢家，因为以太网在市场中的份额不断扩大：

以太网在网络后端市场逐渐取代 Infiniband 的份额。即便 AI 资本支出增速低于预期、资本支出更偏向高效路径，这一趋势仍可能持续。

随着 AI 投资回报率提高，用例也会增加，前端网络投资预计将进一步上升。当前，前端与后端的投资比例约为 1:1，但如果效率提升催生出更多用例，前端支出比例可能会超过 1:1，从而给在前端市场占据更大份额的 Arista 带来更多机会。

我们预计第二个驱动因素（前端投资）的更快增长，有助于抵消并减缓第一个驱动因素（后端市场）增速放缓的影响。

数据中心互联在更大程度上由推理而非训练驱动。Ciena 目前数据中心之间的流量主要由推理而非训练驱动。随着更高效模型的出现，推理用例可能会进一步增长，进而带来更大流量，并推升对数据中心互联（DCI）的需求。许多数据中心之间的互联仍需建设，这将为康宁（GLW）和康普（COMM）等公司提供机会。若更高效率的资本支出放慢数据中心速度升级的速度，但这并不会消除数据中心对相关解决方案的需求。

数据中心方面：

看好 COHR、HPE 的 “自救型” 转型故事。

关注 COHR、LITE 面临的地缘政治风险机遇。

重视 PSTG 在节能领域的定位。

留意 GLW 在光电耦合（CPO）等创新领域的布局。

IT 硬件方面：

苹果：

苹果在 AI 方面的投入较为聚焦，目前主要关注较小、功能更为聚焦的设备端 LLM，而非大规模前沿模型。苹果在 2024 财年的年资本支出约为 94 亿美元，仅相当于美国一级超大规模数据中心运营商（Tier 1 hyperscalers）整体支出的约 1/20。

如 DeepSeek 所验证的，更低的推理内存需求让 “边缘 AI” 更易实现，而这正是苹果在生成式 AI 领域的核心关注点。

在消费者级 LLM 逐渐同质化的情况下，分发平台将成为关键资产，而苹果恰好拥有当今最具价值的消费科技分发平台。

戴尔：

戴尔向二级云服务提供商（Tier 2 CSP）和企业客户销售 AI 基础设施，并不直接面向超大规模数据中心运营商（Hyperscalers）。在戴尔服务的二线云客户中，xAI、特斯拉和 CoreWeave 是主要客户。此外，如果复杂 LLM 的开发门槛降低，企业 / 中小企业（戴尔最大的客户群体）有机会利用通用化的 LLM 在本地部署推理能力，获取更高市场价值。

希捷：首选投资标的

STX 与云厂商资本支出周期关系密切，因此超大规模云厂商若削减资本支出，表面上对 STX 不利。但一方面，我们在对 STX 的模型 / 预测中并没有明确计入任何关于生成式 AI 的利好；另一方面，我们也不认为用于向 LLM 输入数据的新数据（且日益丰富）需求会突然放缓。

更大的风险在于超大规模云厂商的营收增速若出现实质性放缓。

讨论焦点：

美国领先企业的策略调整：美国领先企业将如何根据 DeepSeek 的发现来调整自身方法？有报道称，Meta 已开始考虑根据 DeepSeek 的成果来调整部分方法。我们相信美国科技企业仍会继续进行资本开支，但 DeepSeek 带来的改进有望加速效率提升。

开源领导地位的地缘政治影响：早前我们已在 TikTok 问题上见证了地缘政治紧张局势，而我们认为，在开源 LLM 市场上占据优势对美国而言更为重要（这涉及未来开发者生态、数据及软件层等各方面）。因此，我们预计美国公司将持续加大投入和创新力度。此外，尽管近期备受关注，但我们依然认为中国 LLM 在美国获得大规模采用的障碍仍然很高。

对 ASIC 的影响：这是否会成为 ASIC 的看涨因素？如果训练 / 推理对算力需求的降低成为现实，那么一些功耗或价格较低的芯片可能会获得更广泛的用例和更高的采用率，这将利好英伟达的竞争对手，也可能为亚马逊自研的 Trainium 和 Inferentia 带来机遇。我们认为，投资者目前对 AMZN 还并未充分预期到这一点。

“小模型” 蒸馏的威力：DeepSeek 展示了 “小模型” 蒸馏的威力。我们之前谈到过那些规模更小、用途更专一的模型所能带来的价值；DeepSeek 在项目 R1 上的工作表明，可以通过模型蒸馏使小模型也具备强大的推理能力（在基准测试中优于 o1 mini 和 Claude - 3.5 - Sonnet - 1022）。我们认为，随着开源社区不断推动经济高效的模型边界，这一点在未来愈发重要。

AI 需求变化的思考角度：

数据中心电力及算力需求：关于美国数据中心建设的一些数据显示，未来几年内超过 75% 的电力及算力需求可能源自推理，但这一具体比例存在较大不确定性。原因在于：这些项目的规模通常远小于我们已知的大型美国 AI 训练基地（一般为 100 - 300 兆瓦；Meta 在路易斯安那州建设的训练设施规模高达 2000 兆瓦）。

杰文斯悖论：计算成本下降可能导致 AI 使用量增加，从而引发对 AI 计算潜在需求的迅速增长。

中美在 LLM 及芯片算力获取上的分化：中美两国在大型语言模型（LLM）开发以及对 GPU / TPU 等芯片和算力的获取方面，是否会出现更加明显的分化，从而导致美国对芯片和算力的需求（以及获取能力）比中国更高？整体不太确定，但目前迹象表示 AI 领导地位是特朗普政府的一项重要战略目标。

LLM 开发者的路径选择：

在 GPU 集群的垂直扩展上投入海量资金（可能达数千亿美元），以期在更大规模的基础模型中发掘 “涌现能力”（emergent capabilities），即 “Stargate” 所代表的做法。

投入相对较少的资本，集中在工程团队上，专注于构建更高效、更有效的模型。

IPPS：

VST 可能在近期宣布与德克萨斯州天然气电厂的共址合作，并在未来数月于德州的 Comanche Peak 核电站建设大型数据中心。我们倾向认为较小规模的天然气电厂交易仍有望继续推进，因为其规模较小、或不会受到太多审查，而大规模的核电厂交易则可能在行业重新审视资本开支计划时被推迟。

我们还预计 CEG 会在未来几个月于美国中大西洋地区宣布一项核电相关交易，而 PEG 或将在年中达成交易。我们认为，这些交易是为新数据中心供电、并规避主要基础设施瓶颈的最快捷方式之一。

如果行业紧迫性仍处于高位，且千兆瓦级数据中心仍是 AI 训练战略的一部分，那么此类共址项目依旧非常具有吸引力和可行性。

电力市场依旧吃紧。美国中大西洋地区和德克萨斯州市场的储备容量均在不断缩水，原因包括中大西洋地区电厂退役、德克萨斯州工业增长等。即使数据中心增速有所放缓，这两大市场仍需要新建电力供应，因此电价可能上涨 —— 对整个行业股票而言是一大利好。

可再生能源开发商：市场并未对数据中心需求带来的利好进行估值，因此任何新增数据中心需求都会对这些公司带来额外的增长和盈利空间。

美国清洁技术：

我们预测的美国电力需求增量中，约有 60% 来自非 AI 领域（制造业回流、本地化、电气化、电动汽车等），这些并未受到最近事件的影响。

股价调整后，BE 的交易估值约为我们保守 2026 年 EBITDA 预测的 20 倍（我们对 2026 年的出货量预测中，已有 70% 受 “应付即用” 或供货合同的保障）。我们仍认为随着公司在 2025 年宣布更多与公用事业和超大规模云厂商的合同，销量和收益都有进一步提升空间。BE 当前每年交付约 300 - 400 兆瓦的燃料电池产品。即使最终 AI 训练对电力需求的前景出现小幅变化，也不会显著影响 BE 的盈利潜力，因为该公司产品在为规模较小的推理数据中心供电方面具备优势。

美国工业：

该板块的需求主要来自数据中心对设施电力的需求，尤其是电气（ETN、HUBB）和暖通空调（CARR、JCI、TT、VRT）。

到目前为止，工业企业尚无法跟上超大规模云厂商的资本开支节奏，导致大量积压订单（是正常水平的 2 - 3 倍），并在未来形成一定缓冲。能够以更低的成本创建并运行 AI 模型将加速其在现实场景中的应用，包括具身人工智能（Embodied AI），这也被我们视为美国制造业的结构性利好，符合我们对美国再工业化趋势（10 万亿美元规模）的判断。

EQT：

电力消费的增长是天然气需求长期上行的一个来源，但液化天然气（LNG）才是更大的短期驱动因素。

美国的 LNG 出口产能在未来四年内预计将增长约 85%，带动国内消费增加约 11 亿立方英尺 / 天。特朗普签署的行政命令取消了对 LNG 的 “暂停审批” 后，可能还会推动更多最终投资决定（FID）的落地，从而在本十年末及 2030 年代进一步拉动 LNG 供气需求。

在电力方面，公用事业团队研究显示，2025 - 2030 年电力需求年复合增速约 1.8%，数据中心（包括 AI）整体增长贡献其中的 0.8%。

来源：晋小乐