算力军备竞赛下半场：量升价崩下的AI基建价值重估

执行摘要：全球AI基建进入高投入与回报不确定性并存的关键阶段：头部厂商资本开支逼近7万亿美元，信用与债务风险开始被市场重新定价；Token均价跌破1美元、量升价崩动摇收入核算逻辑；国产算力利润向词元运营环节转移，存储环节受益涨价，利润分配格局重塑。同时美债利率与地缘因素构成外部变量。报告围绕格局、产业链、数据与趋势展开分析。

产业现状与竞争格局

1.1 资本开支进入“7万亿美元量级”

AI基础设施投资已从周期性扩张演变为结构性军备竞赛。据标普发布的信用展望报告，前六大超大规模云厂商至2030年的累计资本支出预计将突破7万亿美元。这一数字意味着，未来数年全球最大的几家企业每年将把数千亿美元级资金投入数据中心、算力芯片、电力与网络设施，其规模已接近一个中等经济体的年度固定资产投资总量。

与之相伴的是AI对美国宏观经济的深度渗透。标普指出，美国私营部门近半数的经济增长已与AI活动绑定。这一结构性依赖带来双重效应：一方面，AI投资成为拉动就业、电力设备、半导体与建筑业的核心引擎；另一方面，宏观增长与少数几家巨头资本开支决策的高度耦合，使经济运行对AI景气周期的敏感度显著上升。

1.2 竞争格局：算力分层与利润再分配

当前竞争格局呈现三个层次。第一层是超大规模云厂商，凭借资本实力构筑数据中心与自研芯片护城河；第二层是模型厂商与算力运营商，竞争焦点从模型能力转向单位算力成本与调度效率；第三层是上游硬件环节，格局亦在松动——Counterpoint数据显示，长鑫科技2026年二季度全球DRAM营收市占率由去年同期的4%升至10%，稳居第四，缩小了与三星（38%）、SK海力士（25%）、美光（24%）的差距，其营收同比大增并扭亏为盈，直接受益于AI基建带动的存储涨价周期。

在运营模式层面，计费逻辑正从“卖机柜”转向“卖词元”：全国日均词元调用量从2024年初的1000亿增至2026年3月的140万亿，两年增长超1000倍，三大运营商已推出词元资费套餐，估值锚点由GPU库存转向算力利用率与词元产出能力。

1.3 “量升价崩”：需求繁荣与收入剪刀差

需求侧的爆发并未同步转化为收入增长。高盛交易台的SDLLMTK指数（每百万Token使用加权均价）8月单月下跌29%，月末报约0.97美元，首次跌破1美元，较5月高点约2.05美元累计跌超50%。同期OpenRouter平台Token用量环比增约47%，但美元支出仅增约7%。

这一剪刀差动摇了以美元收入核算的资本开支逻辑：当推理价格以月度两位数速度下滑，巨额固定资产投入的回报可持续性便成为资本市场必须回答的问题。

1.4 信用体系首次系统性警示

产业逻辑的转折点出现在债务市场。标普罕见对超大规模云厂商发出系统性信用警告，直指两大隐患：其一，AI投资回报率缺乏量化披露，外部投资者难以评估巨额开支的真实收益；其二，循环融资结构日益复杂——芯片厂商投资模型厂商、模型厂商采购云服务、云服务再回流至基础设施投资的闭环，使收入确认与信用质量评估难度上升。标普点名亚马逊面临失去AA评级的风险，甲骨文一旦遭降级将跌入非投资级区间。这标志着债务市场开始对AI基建风险进行系统性重新定价。

宏观利率环境构成另一重约束。洛克菲勒国际Ruchir Sharma警告，美国联邦债务已突破40万亿美元，10年期美债收益率约4.8%，若突破5%这一互联网泡沫时代以来的区间上沿，高息发债的挤出效应将推高AI企业融资成本，可能成为压垮高资本开支模式的关键变量。

1.5 基础设施承载力的现实检验

2026年9月3日，ChatGPT、Claude和Grok三家头部AI服务几乎同时出现大范围访问异常，数小时后OpenAI发布新一代模型GPT-6 Astra。事件引发行业对算力基础设施承载能力与集中式架构脆弱性的讨论：在模型能力快速迭代的同时，推理侧的容量冗余、区域调度与容灾能力正成为竞争的新维度。

1.6 小结

综合来看，AI基建正处于“需求爆发、价格坍缩、开支激增、信用收紧”四力交汇的关口。前六大厂商7万亿美元的资本开支计划建立在 token 用量指数级增长的假设之上，而单位价格的持续下跌与债务市场警觉的上升，正在压缩这一逻辑的安全边际。算力军备竞赛的下半场，竞争焦点将从“谁建得多”转向“谁用得好”——算力利用率、调度能力与单位经济模型，将取代规模本身成为价值重估的核心变量。

上游：芯片与存储供给

上游：芯片与存储供给

当下游应用侧出现“量升价崩”（每百万Token均价8月单月下跌29%、累计跌幅超50%，而Token用量环比增47%）的同时，上游算力硬件与存储环节正经历一轮由AI基建热潮直接驱动的供给格局重构。其中最值得关注的变化之一，是DRAM市场长期由三大巨头主导的格局首次出现实质性松动。

存储涨价潮与长鑫的跃升

Counterpoint数据显示，长鑫科技2026年二季度全球DRAM营收市占率从去年同期的4%跃升至10%，稳居全球第四，与前三大厂商三星（38%）、SK海力士（25%）、美光（24%）的差距明显缩小。这一跃升的直接推手是AI基建热潮带动的存储涨价：随着推理侧对高带宽内存（HBM）与大容量DRAM的需求持续扩张，存储价格进入上行通道，长鑫8月28日发布上市后首份半年报，营收同比大增873.64%并实现扭亏为盈。

从产业逻辑看，存储涨价并非单纯周期现象。推理负载对内存带宽与容量的依赖度显著高于训练阶段，词元调用量两年增长超1000倍（全国日均从1000亿增至140万亿），意味着存储需求与推理规模挂钩，具备相对持续的结构性支撑。这也解释了为何长鑫在市占率提升的同时，同步推进产能扩张与HBM等高端技术研发——HBM是AI加速器内存的主流方案，能否切入该市场将决定其能否从“价格受益者”升级为“AI存储核心供应商”。

供给格局演变的三条主线

其一，市占率重新洗牌。 存储行业高度依赖资本开支周期，AI需求的确定性使涨价周期延长，为新进入者提供了难得的份额扩张窗口。长鑫4%到10%的提升幅度，若延续至下半年，将实质性改变三大厂商的定价协同空间。

其二，需求结构向HBM倾斜。 HBM技术上依赖先进封装与DRAM堆叠工艺，单价与毛利均远高于标准DRAM。目前HBM产能仍集中于SK海力士、三星与美光，长鑫的研发进展是观察中国存储产业链能否向高端环节延伸的关键指标。

其三，资本开支压力沿产业链传导。 标普报告预计前六大云厂商至2030年资本支出将突破7万亿美元，并对循环融资结构与投资回报披露提出警示。这一压力同样作用于上游：存储厂商的扩产决策若超前于下游“量升价崩”背景下的真实算力消化能力，可能在周期反转时形成过剩产能。长鑫的扩产节奏与HBM研发投入，需要在结构性需求与周期性风险之间取得平衡。

J -.反向约束.-> C

对价值重估的含义

上游环节是本轮AI基建中少数已兑现真实收入的板块：存储涨价直接转化为营收与利润，长鑫的业绩即为例证。但价值重估的逻辑链条仍不完整——若下游Token均价持续下行、美元支出增速远低于用量增速，上游涨价最终将受到采购端成本压力的约束。换言之，“量升价崩”对上游既是需求红利，也是潜在的远期风险。观察指标包括：长鑫HBM研发与验证进度、DRAM价格对推理需求的敏感度，以及三大厂商对新增产能的投放节奏。

上游供给格局的演变，本质上是AI算力产业链利润再分配的一部分：当利润向下游词元计费与算力调度环节迁移时，能否在存储等关键卡位上建立技术与产能壁垒，将决定各环节在下半场竞争中的议价权。

中游：基建投资与融资风险

资本开支的量级与披露缺口

标普在最新信用展望报告中，罕见对超大规模云服务商发出系统性信用警告。报告测算，前六大厂商至2030年累计资本支出可能突破7万亿美元，而美国私营部门近半数经济增长已与AI活动深度绑定。这一数据意味着AI基建不再是科技行业的内部事务，而已成为宏观经济波动的重要传导渠道。

报告直指两大核心隐患：其一，AI投资回报率缺乏量化披露，厂商在披露资本开支规模时，普遍未提供与之对应的收入归因、资产利用率或折现回报测算，投资者难以验证巨额开支的经济合理性；其二，循环融资结构日益复杂——芯片厂商向云厂商投资、云厂商向AI初创企业采购算力、初创企业再以融资购买算力的闭环交易，使收入与支出的真实性边界变得模糊，信用分析的穿透难度显著上升。

评级层面的具体风险信号

标普在报告中点名了个体风险：亚马逊面临失去AA评级的压力，而甲骨文一旦遭遇降级，将跌入垃圾级区间。这是评级机构首次将AI资本开支强度与个体厂商的信用等级直接挂钩，具有标志性意义。

其产业逻辑并不复杂：数据中心建设具有重资产、长周期特征，前期投入依赖债务融资，而回报取决于未来推理需求的兑现程度。若下游Token价格持续走低（据高盛交易台数据，SDLLMTK指数8月单月下跌29%，月末报约0.97美元，较5月高点累计跌超50%），则以美元收入核算的资本开支逻辑将被动摇——同期Token用量环比增约47%，但美元支出仅增约7%，量价剪刀差直接压缩了偿债现金流的成长预期。

债务市场的重新定价

评级警告之外，无风险利率构成了更底层约束。洛克菲勒国际的Ruchir Sharma警告称，美国联邦债务已突破40万亿美元，10年期美债收益率升至约4.8%，一旦突破5%——这一互联网泡沫时代以来的区间上沿——可能刺破AI行情。与传统泡沫不同，本轮政府在繁荣期仍维持约占GDP6%的财政赤字，为前数十年平均的两倍以上，高息发债的挤出效应正在推高AI企业的边际融资成本。

换言之，AI基建的估值锚正在从单一的需求叙事，转向「需求兑现速度 × 折现率」的双因子定价。债务市场对AI基建的重新定价，本质上是对这两个变量不确定性的风险补偿要求。

融资结构的风险传导链

如上图所示，风险并非单一来源，而是由融资结构、收入质量与宏观利率三条线索汇聚于信用利差。任何一条线索的恶化，都会通过再融资环节传导至资本开支节奏。

中游的分化与博弈

在整体融资环境收紧的背景下，产业链内部出现结构性分化。上游存储环节受益于AI基建带来的涨价周期——长鑫科技二季度全球DRAM营收市占率从4%升至10%，上半年营收同比大增873.64%并扭亏为盈；而中游算力运营环节，利润分配逻辑正从「卖机柜」转向「卖词元」，全国日均词元调用量两年增长超1000倍，估值锚点从GPU库存转向算力利用率与词元产出。

这种分化意味着：上游拥有确定性的量价红利，中游则承担需求波动与融资成本的双重敞口。当评级机构开始点名、债务市场开始重新定价时，中游厂商的应对策略——放缓开支、引入产业资本、或转向收入分成模式——将成为下半场观察AI基建价值重估的关键窗口。

总体而言，标普的警告并不等同于泡沫破裂的判断，而是市场从「叙事驱动」转向「现金流验证」的信号。对中游而言，未来的核心竞争力不再是资本开支规模本身，而是在更严格的融资约束下，将算力转化为可验证美元收入的运营能力。

下游：推理服务与商业模式

AI基建价值链的利润重心，正在从上游的芯片与机柜，向下游的推理服务迁移。这一迁移的核心标志，是计费逻辑的根本性切换：从按规模计费的「卖机柜」，转向按产出计费的「卖词元」。

词元经济学：量升价崩的剪刀差

国金证券研报显示，全国日均词元调用量从2024年初的1000亿，增至2026年3月的140万亿，两年增长超过1000倍。这一增长曲线意味着，推理需求已从早期试点阶段进入规模化应用阶段，词元正在成为衡量算力消耗的基础计量单位，其产业地位类似于云计算时代的API调用次数或移动互联网时代的流量。

然而与调用量爆发形成鲜明对照的是单价的快速下探。高盛交易台监测的SDLLMTK指数（每百万Token使用加权均价）8月单月下跌29%，月末报约0.97美元，首次跌破1美元关口，较5月高点约2.05美元累计跌幅超过50%。同期OpenRouter平台Token用量环比增长约47%，但美元支出仅增长约7%。

这组数据揭示了一个关键剪刀差：量的增长远快于钱的增长。对于以上游资本开支为锚的AI基建投资逻辑而言，这是实质性的挑战——如果以美元收入核算下游回报，单位算力产出价值的衰减速度可能快于规模扩张带来的收入增量。市场对算力投入回报可持续性的质疑，正是由此产生。但从另一个角度看，价格弹性下降也在降低应用端使用门槛，推动词元渗透进入长尾场景，量的扩张能否跑赢价的衰减，成为判断AI基建价值的核心变量。

词元套餐与运营商的转身

计费单位的变化，直接改变了产业链参与者的角色定位。三大运营商已相继推出词元资费套餐，将推理服务纳入类似流量套餐的标准化定价体系。这一动作的含义有二：

其一，词元消费开始走向大众化、标准化，从面向开发者的技术采购，转变为面向企业与个人用户的常规通信类消费，定价透明度提升；其二，掌握渠道与用户触点的运营商，凭借套餐化的分发能力切入AI服务价值链，算力运营的入口竞争加剧。

与此同时，头部模型的迭代节奏对基础设施承载能力构成持续压力。9月初ChatGPT、Claude和Grok几乎同时出现大范围服务异常，随后新一代模型发布，这一巧合引发行业对算力基础设施承载余量的讨论——推理侧的弹性调度能力，正成为服务质量与成本控制之间的关键平衡点。

GaaS：算力运营的高阶形态

在词元计费体系之上，GaaS（算力即服务/GPU as a Service）被定位为算力运营的高阶形态。其商业内涵在于：服务商不再一次性出售硬件或机柜租期，而是通过池化调度、按词元产出计量、动态分配算力资源，将「算力利用率」而非「算力库存」作为盈利基础。

这一转变直接改写了估值逻辑。研报指出，产业估值锚点已从机柜规模、GPU库存，转向算力利用率、词元产出与调度能力。换言之，拥有多少芯片不再是核心指标，能把芯片用满、把词元卖出去、把调度成本压下来，才是竞争力的来源。利润随之向具备调度与运营能力的中游环节集中。

政策层面，「十五五」规划将全国一体化算力网纳入109项重大工程，算力被升格为国家级战略资产。这一制度性定位为下游运营形态的标准化与互联互通提供了顶层框架，也为GaaS模式的规模化落地创造了条件。

价值重估的关键变量

下游商业模式的成熟度，直接决定了本轮AI基建投资能否闭环。标普对超大规模云服务商的信用警告（前六大厂商至2030年资本支出或突破7万亿美元）与洛克菲勒国际关于美债收益率推高融资成本的警告，本质上都在指向同一个问题：资本开支的回收依赖下游收入，而下游收入的计量单位——词元——单价正在快速通缩。

产业层面的合理解释是：词元降价并非需求萎缩的信号，而是效率提升与竞争加剧的复合结果——芯片性能迭代、推理优化技术、以及GaaS调度效率的改善，共同压低了单位成本，使降价成为可能。真正的风险不在于价格本身，而在于量增的速度能否持续覆盖价降。当前数据（用量增47%、支出增7%）尚处于需求弹性充足的区间，但这一剪刀差的容忍边界，将决定AI基建价值重估的最终方向。

核心数据与竞争态势

5.1 价格信号：Token均价破位下行

Token交易价格正在成为观察AI基建景气度最敏感的温度计。高盛交易台披露的SDLLMTK指数（衡量每百万Token使用加权均价）显示，2026年8月该指数单月下跌29%，月末报约0.97美元，历史上首次跌破1美元关口；较5月高点约2.05美元，累计跌幅已超过50%。半年时间内价格腰斩，这一斜率显著超出此前市场对推理成本“年化下降30%-50%”的一般预期，表明供给侧竞争与推理效率优化正在同时压缩单位算力的货币化空间。

与价格曲线相对的，是需求侧仍在高速放量。同期OpenRouter平台数据显示，Token用量环比增长约47%，但平台口径的美元支出仅增长约7%。两组数据构成的“量升价崩”剪刀差，是本章分析的核心事实基础。

5.2 剪刀差的产业含义

价格弹性大于需求弹性，意味着以美元收入核算的资本开支逻辑出现松动。过去两年，头部云厂商的AI基建投资决策普遍以推理收入的线性外推为锚；当Token单价以月度两位数速度下行时，收入曲线的斜率不再能追平资本开支曲线。这正是高盛所称“动摇AI资本开支逻辑”的具体机制。

供需两侧的力量叠加放大了这一趋势：

• 供给端：新一代模型推理效率提升、开源模型摊薄定价权、云厂商以价格战争夺开发者生态，共同压低均衡价格；
• 需求端：调用量增长虽然强劲，但增量用户的价格敏感度更高，长尾应用对单位成本极度敏感，价格上涨空间被封死。

值得注意的是，标普对前六大云厂商至2030年资本支出突破7万亿美元的测算，正是在这一价格背景下做出的。若单位Token收入持续下行，则支撑这一开支规模的收入假设需要重新校准——标普点名亚马逊面临AA评级下调风险、甲骨文存在跌入垃圾级的可能，标志着债务市场已率先对AI基建的风险溢价进行重定价。此外，洛克菲勒国际方面提示的宏观变量同样值得关注：10年期美债收益率若突破5%，融资成本端将进一步收紧。

5.3 竞争态势：计费逻辑与估值锚点切换

价格坍塌并未终结竞争，而是改变了竞争的计价单位。国金证券研报指出，中国算力产业的计费逻辑正从“卖机柜”转向“卖词元”：全国日均词元调用量从2024年初的1000亿增至2026年3月的140万亿，两年增长超1000倍。三大运营商已推出词元资费套餐，GaaS（算力即服务）成为运营高阶形态。

这一切换的直接后果是估值锚点的迁移：从机柜规模、GPU库存等资产存量指标，转向算力利用率、词元产出与调度能力等运营效率指标。在“量升价崩”的格局下，拥有高利用率与强调度能力的运营商能够以摊薄成本消化价格下行，而低效算力资产则面临价值重估压力。上游同样在发生份额变动：Counterpoint数据显示，长鑫科技二季度全球DRAM市占率从4%升至10%，稳居第四，存储环节受益于AI基建放量但同样面临新增供给的价格约束。

竞争格局的演化路径可概括如下：

5.4 小结：从价格战到效率战

综合本章数据，算力军备竞赛下半场的基本面特征已经清晰：需求真实存在且以两位数增速扩张，但单位产出的货币化能力快速衰减。7万亿美元资本开支的可持续性，取决于厂商能否在价格下行通道中通过利用率与调度效率守住回报率底线；而词元计费模式的确立，意味着市场正在自发地完成从资产叙事向运营叙事的价值重估。这一重估过程，既是对过去两年乐观资本开支的检验，也将决定下一阶段AI基建价值链的利润分配格局。

趋势判断与风险展望

一、核心判断：价值链条的重心迁移

综合前述章节的分析，我们对算力产业链的中期趋势形成三点基本判断。

第一，利润向中游运营调度环节集中已成结构性趋势。 国金证券研究显示，中国算力产业的计费逻辑正从「卖机柜」转向「卖词元」，全国日均词元调用量从2024年初的1000亿增至2026年3月的140万亿，两年增长超1000倍。三大运营商已推出词元资费套餐，GaaS（算力即服务）成为运营环节的高阶形态。「十五五」规划将全国一体化算力网纳入109项重大工程，算力被升格为国家级战略资产。在此背景下，产业估值锚点正从机柜规模、GPU库存等资产指标，转向算力利用率、词元产出与调度能力等运营指标。掌握调度能力的运营方在产业链议价中的地位持续抬升，而单纯持有算力资产的厂商面临回报摊薄压力。

第二，「量升价崩」正在重塑资本开支的定价逻辑。 高盛交易台数据显示，衡量每百万Token使用加权均价的SDLLMTK指数8月单月下跌29%，月末约0.97美元，首次跌破1美元，较5月高点约2.05美元累计跌超50%。同期OpenRouter平台Token用量环比增约47%，但美元支出仅增约7%。这一剪刀差意味着：推理需求爆发并未同比例转化为算力供给方的收入增长。以美元收入核算的传统资本开支框架受到动摇，下游应用收入的增速若持续落后于上游基建投入，回报周期将被系统性拉长。

第三，竞争格局多元化缓解但不消除供给瓶颈。 长鑫科技二季度全球DRAM营收市占率从去年同期4%升至10%，稳居全球第四，与三星（38%）、SK海力士（25%）、美光（24%）的差距收窄；其上市后首份半年报营收同比大增873.64%并扭亏为盈。存储环节的国产替代降低了单一供应链中断的风险，但HBM等高端品类的技术追赶仍在进行中。

二、产业价值流向示意

图中闭环揭示了一个关键张力：Token用量的高速增长经由价格通缩传导回资本开支端，收入确认的效率衰减使得基建投入的回收周期依赖中游调度能力的溢价补偿。

三、风险展望：融资成本与流动性的双重考验

美债收益率构成宏观层面的关键变量。 洛克菲勒国际董事长Ruchir Sharma在《金融时报》撰文指出，美国联邦债务已突破40万亿美元，10年期美债收益率升至约4.8%；一旦突破5%——互联网泡沫时代以来的区间上沿——可能对本轮AI行情形成实质性冲击。与传统泡沫不同，本轮美国政府在繁荣期仍维持约占GDP 6%的财政赤字，为前数十年平均水平的两倍以上，高息发债的挤出效应正在系统性推高AI企业的融资成本。标普亦罕见对超大规模云服务商发出信用警告：预计前六大厂商至2030年资本支出将突破7万亿美元，点名亚马逊面临失去AA评级风险、甲骨文一旦降级将跌入垃圾级，并指出AI投资回报率缺乏量化披露、循环融资结构日益复杂两大隐患。这标志着债务市场已开始对AI基建风险重新定价。

地缘扰动增加供给与需求的不确定性。 2026年9月以来美伊在霍尔木兹海峡周边的持续交涉，以及跨境关税格局的演变（越南以约6.5%的有效关税率取代中国约23%，成为对美最大顺差来源地，但其对华逆差同期高达773亿美元），显示全球供应链仍在深度重构。对算力产业而言，这意味着芯片、存储、电力设备等关键环节的物流成本与交付周期存在阶段性波动风险，跨国产能布局的尾部成本上升。

基础设施承载能力亦需持续验证。 9月3日ChatGPT、Claude和Grok三家头部厂商几乎同时出现大范围服务异常，恰逢新一代模型发布窗口，引发行业对算力调度冗余与容灾能力的热议。这一事件提示：在推理需求指数级增长的背景下，可用性本身正在成为中游运营环节的核心竞争资产。

算力产业的下半场，本质是从「资产军备」向「运营效率」的切换。词元计量体系与调度能力的货币化决定了中游的利润弹性，而美债收益率能否守住5%关口、头部厂商信用利差是否走阔，则决定了整个叙事的宏观容错空间。产业观察者应同时紧盯两组指标：SDLLMTK指数与词元调用量之比，以及10年期美债收益率与AI厂商信用利差之差——前者刻画量价剪刀差的收敛节奏，后者标记流动性退潮的临界位置。