谷歌 AI 资本开支创新高：算力叙事让位于物理约束

谷歌在最新财报中再次上调 AI 资本开支预期，延续「宁可过度投资、也不要下注不足」的姿态。围绕这一信号，RockFlow 投研团队在授权发布于 36 氪的分析中提出：当前被广泛接受的「买英伟达、台积电、博通」共识已过于拥挤，未来超额收益更可能出现在电力、液冷、接口与内存等被低估的物理瓶颈环节。

共识拥挤的 AI 基础设施交易

2023 年是「买英伟达」，2024 年是「买 AI 基础设施」，2025 年是「买所有卖水人」，而当 2026 年云巨头继续扩张 Capex 时，市场已形成条件反射：云厂商花钱，半导体收钱。

这一逻辑本身成立，但 RockFlow 指出，问题在于当一个投资框架被卖方报告反复书写、被市场价格反复定价之后，超额收益会被逐步压缩。值得追问的三个问题是：

• 谷歌为什么必须花这笔钱？是创造增量利润，还是防守旧利润池？
• 谁只是收入增长、但毛利率未必扩张？
• 谁掌握真实瓶颈、因此拥有持续定价权？

在显性共识资产（GPU 龙头、先进制程代工、HBM、ASIC 平台、AI 服务器和交换机龙头）之外，是更需精细化定价的隐性瓶颈。

真正的卡点：电和热

AI 数据中心竞争的核心指标正在从「拿到多少芯片」转向「多快把芯片点亮」，即 Time-to-Power。机柜功率密度从十几千瓦走向几十、甚至上百千瓦后，传统数据中心架构被重构。

值得关注的方向包括：

• 电力接入、长期购电协议（PPA）、微电网与独立发电资产；
• 变压器、开关柜、高压配电和备用电源供应商；
• 高可靠冷却介质、流体控制和工业阀门龙头；
• 数据中心热管理系统集成商与余热回收方案商。

液冷从可选项变成必选项，并带来更深层变化：冷却介质从空气变成液体后，数据中心排出的热可能成为可回收能源，与区域供暖、低温发电、吸收式制冷等系统结合。芯片决定理论算力，电和热决定实际算力，这一分水岭正成为硬件投资判断的关键。

接口、带宽与存算拆解

谷歌 TPU 产业链中，博通、Marvell 等 ASIC 合作伙伴仍是直接受益方，但更底层的壁垒出现在接口和存算系统。AI 芯片性能快速提升的同时，数据搬运速度未能同步跟进，形成 Memory Wall。

由此产生的资金流向包括：

• 高速 SerDes；
• CXL Switch 与内存池化；
• 光互连与光电共封装；
• 高级封装和系统级调度。

CXL（Compute Express Link）能把分散在各节点的内存资源池化，在 HBM 紧张、价格昂贵的背景下，提高内存利用率的技术有机会获得超额价值。AI 集群越大，连接越贵；连接越关键，接口越有定价权。

重构 AI 投资矩阵

RockFlow 投研团队将 AI 基础设施投资分为两层：

显性共识资产：GPU 龙头、先进制程代工、HBM 龙头、大型 ASIC 平台、AI 服务器和交换机龙头。它们基本面强，但估值已包含大量乐观预期，需更精细判断订单周期与毛利率。

隐性瓶颈资产：异构算力软件与编译器、电力接入与微电网、液冷与冷却介质、SerDes 与 CXL Switch、硅光子与光电共封装、能降低 AI 推理成本和资源浪费的系统级方案商。

这类资产未必立刻带来收入爆发，但对应真实瓶颈，越靠近瓶颈，越有可能获得定价权。

AI 交易的上半场买的是算力想象，下半场买的是物理约束。当共识已经拥挤，Alpha 往往藏在更深处——这是谷歌天量 Capex 背后，最值得重新审视的方向。

本文内容综合自 RockFlow Universe 授权发布于 36 氪的分析文章。