AI算力，开始叛逃英伟达叙事

在离太阳最近的行星轨道上，欧洲与日本的联合探测器BepiColombo在深空飞行了近八年之后，终于开始抵达水星。八年，是工程的长周期；而在地球这头的资本市场，AI算力的周期正以年为单位剧烈切换——超大规模云厂商的数据中心资本开支预计2027年见顶，资金即将从半导体和硬件层流向软件与应用。一边是八年磨一剑的深空任务，一边是三年一轮的资本轮动，两件事指向同一个朴素的道理：所有的价值转移，都发生在前置投入完成之后。本文想讲清楚的判断只有一个：AI算力的叙事，正在从「英伟达单中心」走向「异构多极」，而钱的方向已经先于人变了。

💰 大摩定调：推理时代，钱要换船了

资本从不敲锣打鼓地转向，它只是悄悄换船。

9月7日，摩根士丹利Brian Nowak牵头的报告《The Morgan Stanley AI Guidebook: Navigating the Age of Inference》给出了一个明确的判断：AI产业正从基础设施建设阶段，大步迈入「推理时代」。这个判断的分量在于，它试图量化两个巨大得几乎抽象的数字——全球20至30万亿美元的知识工作市场，和近30万亿美元的消费市场，都将被AI推理数字化并重塑。

先看资金面的核心指标。报告预计，超大规模云服务商的数据中心资本支出到2027年将同比增长60%，总规模达到1.5万亿美元；到2028年，总规模升至约1.6万亿美元，但增速将骤降至约12%。放缓的原因非常物理：劳动力、材料和电力的限制，加上部分2027至2029年产能的前置部署——钱已经花出去了，接下来的问题是花得值不值。

这种「增速见顶+软件收入加速」的组合，在摩根士丹利的框架里，标志着典型的多年期科技周期资金轮动即将发生。报告给出的参照系是移动互联网时代：硬件和半导体完成初期爆发后，价值向应用和软件服务层转移——当年的剧本，主角换成了亚马逊、谷歌、微软和Meta这些具备完整生态和自由现金流的巨头。

需求侧的证据也在同步累积：截至2026年第二季度，标普500指数中已有约25%的企业开始量化生成式AI带来的财务收益。更重要的是融资瓶颈被暂时证伪——今年以来全球AI相关债务发行量约4500亿美元，而超大规模云厂商强劲的运营现金流足以覆盖债务需求。也就是说，这轮轮动不缺钱，缺的只是下一步花钱的方向。业内私下流传的判断很直白：基建阶段拼的是谁买得多，推理阶段拼的是谁赚得回。

🔌 600亿美元框架：亚马逊另起炉灶

600亿美元不是一张订单，而是一张入场券的定价。

亚马逊与高通达成了一项覆盖定制芯片与高速互联的长期合作，最抓眼球的数字是未来十年最高600亿美元的数据中心产品采购规模。但这个数字需要拆开看：双方采用的是长期合作框架与采购挂钩的权证安排，首批只有约15%的权证在前期归属，对应亚马逊当前已经形成的前置采购承诺。换句话说，600亿美元更接近未来十年的采购上限，近中期能观察到的机会约为其中的15%——大约90亿美元。

即便按最保守的口径，这份合作的分量依然不轻。高通当前的数据中心业务仍处在扩张早期，一家长期以手机芯片和通信能力见长的公司，被纳入超大规模云计算未来十年的核心供应体系——这本身就是产业信号。

产品组合同样有代表性。首批范围覆盖定制芯片和高性能光互联，互联从1.6T起步，主要涉及光数字信号处理器，并延伸至部分高速串行接口；后续还可能扩展到标准化AI加速器和数据中心CPU。「计算+连接」一起买，说明云厂商要的已经不是某一颗更快的芯片，而是一套能跑起来的系统。

🧩 异构计算：胜负手从芯片移向系统

AI数据中心的竞争，已经离开「只比一颗芯片快多少」的阶段。

单芯片性能提升之后，系统瓶颈越来越多地出现在芯片之间、机柜之间和数据中心网络之间的数据交换上。这解释了为什么亚马逊这次要把1.6T高速互联写进首批合作范围——能够同时提供计算、连接和系统级优化能力的厂商，才有资格参与下一代超大规模集群的建设。高通手里恰恰握着通信和互联的老本行，这才是它拿到门票的真正原因。

从产业逻辑看，云厂商正在主动构建多架构、多供应商的计算体系：英伟达的GPU继续承担通用算力底座，自研和定制的ASIC承接推理等确定性负载，高速互联把不同架构的芯片织成一张网。AI数据中心由单一GPU平台向异构计算演进的趋势，因此进一步清晰。对资本市场而言，下一阶段真正值得重估的问题是：GPU与ASIC并存之后，产业链的价值量将向哪些环节重新分配——是芯片设计、光互联器件，还是系统级集成能力。多位接近云厂商供应链的人士私下表示，未来几年的定价权谈判，会越来越多地发生在「整机柜」而非「单芯片」的层面。

⚡ 拐点之后：回报率、电力与监管三道坎

所有的宏大叙事，最后都要过电表这一关。

摩根士丹利的报告特别提示，在从基建向推理的过渡期，市场焦点将全面转向三件事：AI投资回报率、开源模型的竞争格局，以及日益凸显的电力与监管瓶颈。这三件事有一个共同点——它们都是物理世界和规则世界对算力叙事的约束。算力激增与电力供给之间的平衡，将直接决定下一阶段数万亿推理支出的最终流向。

资本开支的物理约束已经被写进了数字里：2028年增速从60%骤降到12%，劳动力、材料、电力，哪一个都不是印钞机能解决的。好消息是融资端暂时无虞——约4500亿美元的年度AI债务发行，对应的是超大规模云厂商足以覆盖债务的运营现金流，市场担心的「钱断了」的场景短期不会出现。真正的考题变成了：花了1.5万亿美元建起来的基础设施，能不能在软件和应用层赚出足够的推理收入。标普500里25%的企业已经能量化AI收益，剩下75%呢？

• 2024—2026年：基础设施扩张期，半导体与硬件层吸金
• 2027年：数据中心资本开支约1.5万亿美元，同比增60%，增速见顶
• 2028年：资本开支约1.6万亿美元，增速放缓至约12%
• 2027年之后：资金边际流向软件层、AI赋能者与应用企业
• 贯穿全程：电力、监管与投资回报率构成持续约束

🛰️ 八年抵达水星：算力产业也逃不开长周期

深空与算力，奖励的都是能熬的人。

把视线拉回BepiColombo。这枚开创性的探测器在内太阳系穿行了近八年，才开始抵达水星——而它要做的观测工作，此刻才刚刚展开。放在航天产业里，八年是正常的工程节律：投入前置、回报滞后、容错极低，每一步轨道机动都是在为多年后的科学产出支付成本。

这个参照系对当下的AI算力产业反而显得贴切。云厂商的资本开支本质上也是一场前置投入：2024年锁定的产能，要在2027到2029年才陆续释放；今天签下的600亿美元框架，要到未来十年才逐步兑现；推理时代的应用收入，则要等企业端和消费端的AI应用真正跑起来。摩根士丹利描述的周期轮动，与深空任务的节奏其实同构——硬件阶段是在做轨道转移，软件和应用阶段才是入轨科学观测。区别只在于，航天以十年计，而算力市场以年计，节奏更快，试错更贵。

结语：换船的时刻，看谁先系好缆绳

回到开头那个判断：AI算力的叙事正在松动，松动的方式不是英伟达变弱，而是蛋糕的切法变了。2027年资本开支见顶是一个明确的分水岭，之后资金将边际流向软件层和AI赋能者；而亚马逊与高通的600亿美元框架，则提前示范了硬件侧的另一种活法——异构、多供应商、系统级竞争。接下来的看点有三个：推理收入能否兑现硬件投入、电力与监管约束的松紧、以及开源模型对商业格局的重塑。八年可以抵达水星，但算力产业的价值入轨，恐怕不会比这更快——急不得，也等不得。