本周听了一次 AI 投资产业峰会。会议散场之后，我印象最深的倒不是哪位嘉宾的判断，而是一个车间里的细节。
联想集团副总裁陈振宽在圆桌上讲，他们做超节点的工厂正在升级。原来的服务器产线放二楼三楼都行，楼板每平方米承重一吨就够用；做超节点，起步三吨，加上余量按五吨设计。所以产线必须搬到一楼，专家还要求必须是实土地基，楼下有地下车库的厂房，干不了这个活。再往下算，每座超节点生产基地要 30 兆瓦以上的电，得直接配 110 千伏的变电站。
资本市场那边在吵模型的天花板和估值的分位，产业这边在重新算混凝土的承重。对于我们这些二级市场投资者而言，期间最大认知恰在于：AI 基础设施在从 " 买设备 " 变成 " 建系统 "。系统级的变化，最后都会变成这样具体、这样沉的东西。
01 下一阶段的 AI 叙事标准
上海高级金融学院的彭文生教授在峰会上给了一个框架，我觉得比大多数 AI 叙事都管用：大模型做成了 " 认知的规模化生产 "，但它跟过去轻资产的互联网平台不是一回事——模型每前进一步，都要真金白银砸算力、数据和电力。AI 把数字经济推入了一个资本开支大幅前置的工业化阶段。
数字摆出来更直观。2026 年一季度，亚马逊、微软、谷歌、Meta 四家北美云巨头单季资本开支合计 1316 亿美元，同比增长七成，全年预计约 7100 亿美元。重阳投资王庆往前又推了一步：美国头部厂商的 AI 资本开支，去年约 4000 亿美元，今年可能翻倍到 8000 亿，明年有望上万亿。国内慢半拍，去年 5000 亿人民币，今年 1 万亿。
盘子大到这个量级，规则就变了。王庆提了一个容易被忽略的变量：今年开始，这些巨头的自有现金流已经转负，开始大规模发债、做表外融资。有巨头信用背书的项目，融资利率 5.3% 到 6.6%；没背书的，8.5% 到 9%。技术周期头一回和金融周期咬得这么紧。刘煜辉的判断更不客气：AI 正在逼近 " 智能奇点 "，而这恰恰是最烧钱的阶段。
所以这轮 AI 交易的核心问题，已经从 " 故事讲不讲得通 " 变成了 " 钱收不收得回来 "。也就是说：订单证明需求，利润率证明商业模式，现金流决定产业景气能在多大程度上变成公司价值。AI 投资经历过过去 3 年多的高歌猛进之后，下一阶段的叙事逻辑大抵就得这个标准往下走了。
02 以联想为个体参照系
按这个标准，联想是个现成的样本。
IDC 最新数据：2026 年二季度，联想 x86 服务器出货量 28.6 万台，同比增长 45.6%，全球第一；按收入计同比增长 96% 至 82.6 亿美元，离戴尔只差 0.6 个百分点。最新财季，基础设施方案业务集团（ISG）收入同比增长 98% 至 579 亿元，运营利润率 9.1%，历史新高。AI 服务器储备订单一个季度翻倍有余，到了 3600 多亿元。管理层补了一句很关键的话：这批订单大多是一年内、供应链到位就能落地的商机。
订单结构里还有个细节。有一家新云客户，最初预算不过数亿美元，九到十个月里长成了数十亿美元量级。这种单客户的爬坡速度，传统 IT 时代没有过。
CFO 郑孝明在巅峰对话上算了笔诚实账，没有回避 AI 服务器薄利的一面：新云客户毛利率 25% 到 30%，部分海外场景更高；企业客户毛利率 30% 以上、运营利润率能到 18%；跟英伟达深度绑定的海外业务利润承压，靠规模取胜。通往 5% 乃至 8% 以上净利率的路，不在哪款爆款产品里，而在收入结构的再平衡：存储业务毛利率 60% 到 70%，长期目标五六十亿美元收入、10 亿美元级利润；服务业务里有设备租赁和高毛利纯软件的增量，" 硬件加服务 " 的协同，按管理层的说法，是市场还没充分定价的部分；再往后是企业级推理，郑孝明把它称作 "AI 未来十年的机会，目前还只是刚开始阶段 "。
时间表也摆在那儿：一到两年收入冲 1000 亿美元（他判断可能提前实现），净利率 3% 以上；三到五年 1300 亿美元、净利率 5% 以上；五年以上 1500 亿美元、净利率 8% 以上。
03 市值这笔账怎么算
成绩单之外，我更想从 " 全球 AI 基建龙头 " 的机制维度，把联想的市值逻辑拆开推一遍。市值说穿了就是三个数相乘：收入 × 净利率 × 估值倍数。这三个变量，各自有各自的驱动机制。
收入这一环，驱动机制是份额和排期。 全球第一的出货量不只是个名次，它意味着采购、制造、交付的规模优势，反过来支撑在市场里继续抢地盘。王庆给的盘子：2026 年全球服务器市场约 7000 亿美元，美国 5000 亿，中国 1000 亿。联想按收入已经是全球第二、只差戴尔 0.6 个百分点，在这个盘子里份额每动一个点，就是几十亿美元收入。而 3600 亿储备订单大多一年内可转化，等于把 " 增长预期 " 变成了 " 增长排期 " ——这对估值的含义，比任何远期故事都硬。ISG 单季 579 亿元，年化已约 320 亿美元，这还没算存储的长期五六十亿美元和服务业务的增量。
净利率这一环，驱动机制是结构质量。 ISG 的 OPM 已经到 9.1%，但里面混着三类生意：薄利的新云单子、高利润的企业客户（OPM 18%）、利润更硬的存储（毛利 60% 到 70%）和服务。结构往后两者迁移，净利率就沿着 2-3% 的当前位置向 3%、5%、8% 爬。同时有两个放大器：一是出货量第一本身就是成本优势，采购和制造都摊得薄；二是超节点把 " 纯粹的服务器厂商 " 挡在了门外，竞争向有全栈能力的龙头集中，定价权随之改善。结构、规模、壁垒，三条线同向。
倍数这一环，驱动机制是估值框架的切换。 市场给净利率 2% 的硬件制造公司一个倍数，给 "AI 系统加服务 " 的公司另一个倍数，戴尔享受的正是后者。联想目前的估值大约是戴尔的七分之一，" 但我们的收入和净利润没有差 7 倍 "，郑孝明原话。这个差距拆开看是三重折价：PC 公司的历史标签、低净利率的制造身份、市场对订单质量（新云客户的信用）的疑虑。这三条，正在被逐季披露的订单转化和利润率爬坡逐条证伪。
三环相乘，可以做一道粗粝的算术（注意，不是预测）：1000 亿美元收入乘 5% 净利率，是 50 亿美元净利润。走到那一步，如果市场仍按 " 低利润硬件 " 给倍数，市值的涨幅主要靠利润本身翻几倍；如果倍数向系统与服务商迁移，就是利润和倍数同向叠加。这也是兑现类资产的市值曲线为什么往往不是匀速上行，而是台阶式——净利率每过一个整数关口（3%、5%），市场就给它换一次估值框架。眼下 1/7 的差距哪怕只收拢一半，弹性也在三倍以上。郑孝明说 " 我们完全被市场低估 "，底气大概就在这儿：三个变量各自都有明确的机制在推，而不是赌一个风口。
当然要把丑话说在前面：倍数迁移的前提是订单如期转化、利润率如期爬坡，任何一环脱节，三件事会反过来一起收缩。这也是为什么开头说，市场现在只为 " 收得回来 " 付钱。
04 从堆芯片到拼系统的 AI 主权战争
再回到产业逻辑，超节点是这套逻辑里最硬的一块，也是对中国产业政策最有含义的一块。
道理不复杂。DeepSeek 的 6710 亿参数，一台 8 卡机柜还能跑满血版；Kimi 3.5 到了 2.8 万亿参数，8 卡机柜已经扛不住；下一代 10 万亿参数的模型，要 32 卡以上的超节点乃至集群才跑得起来。
陈振宽的说法：超节点 " 不是一个选择题，而是必须做的 AI 基础设施 "。他给的时间表是，今年约五家 AI 芯片企业支持超节点，明年头部厂商全部具备能力—— " 明年一定是超节点的大年，今年还在论证可行性，明年一定大规模商用。" 联想自己的产品线也在提速：40 卡推理产品已发布，128 卡、256 卡机型在研，2026 年底出样机、可支撑万卡级训练，年中已中标一家国内头部互联网厂商的项目，下半年交付。
超节点真正改的是竞争的性质。一台超节点机柜要拆成算力柜、电力柜、存储柜、连接柜，光、液冷、AI 存储、纵向扩展与横向扩展，全得在同一套系统里协同。陈振宽讲得直白：今天一个纯粹的服务器厂商做不出超节点，得把服务器、存储、网络、操作系统、软件的团队全融在一起，为一个产品做定义。" 综合能力，全方位的能力，这是一个确定性。"
这句话要放在中美科技竞争的坐标里看。先进制程的差距短期绕不开，这是事实。但算力的竞争从来不止一条路。单点工艺追不上的时候，把卡间互联做密、把缓存做大、把系统级效率做高，用工程和集成对冲单芯片差距——这是中国在当下约束条件下必须走、也走得通的路。软件工程师的红利、全球最强的整机制造与交付能力、相对充裕的电力，恰好都压在这条路上。
陈振宽在会上给过一个对比：美国缺电，中国缺芯片；一个乌兰察布的供电能力，相当于美国平均六个州。全球 7000 亿美元的服务器市场，美国占 5000 亿，中国占 1000 亿，中国的体量不该只有美国的五分之一，这个缺口本身就是未来几年的增长空间。
政策层面的含义其实已经浮出来了：AI 基础设施的竞争，早就不是芯片单打独斗，而是电力、电网、土地、工业标准和系统工程的综合竞争。当超节点产线要每平方米五吨承重、每座基地 30 兆瓦电力、110 千伏变电站直接配套的时候，" 算力主权 " 就从概念落进了规划文件——电力规划、产业用地、制造业升级，都是 AI 基建政策的前线。
陈振宽还点了一个变量：各家芯片厂商各定各的互联协议，"12 个厂商有 13 个协议 "，不统一就会推高整个行业的系统成本。这既是商业问题，也是标准话语权的问题，得靠产业协同去解。
05 推理的十年
峰会上的另一个共识是关于节奏的。
联想创投宋春雨的判断：AI 是第四次工业革命的早期阶段，生成式 AI 真正爆发至今不到四年，市场看到的主要还是第一波基础设施建设，" 实际进入到千行百业，还没有真正意义上开始 "。他执掌的联想创投十年投了 330 多家企业、26 家 IPO，AI 超过 150 家，从芯片、基础设施、大模型、智能体一路布到自动驾驶和具身智能。他说 AI 是这十年项目数、金额、回报都最好的赛道，而最好的部分，可能还没来。
企业级市场这边，郑孝明的观察更具体：大型国际化企业还在 AI 落地的早期，得先解决内部数据、组织架构、业务流程的整合，经历过并购的公司光系统整合就要以年计。但这些功课做完，企业侧会释放大量推理需求。叠加数据安全驱动客户倾向本地私有化部署，2027 年前后，企业算力预算有望集中释放。
他还讲了一个细节。海外 CFO 谈 AI 优化，第一反应常常是 " 要省掉 25% 的人 "；他想的是另一面：如果收入到 1500 亿美元、净利率 5 到 8 个点，" 我不只是不要砍人，还可以再招人——只不过招的是 AI 人才。" 在 AI 与就业的公共讨论里，这是少数从经营者嘴里说出来的、带具体数字的反向答案。
06 结语
风险当然也在桌面上：融资成本、拥挤交易、上游零部件的阶段性涨价，峰会上的投资者们没回避。王庆那句提醒很清醒：基本面的演化和资本市场的定价，并不总是同步。
但回到那块五吨的地板。历史上每一次工业革命真正落地，都不是以主题演讲的形态出现的，而是以地基、电网、钢梁和承重计算的形态出现的。
今天的 AI，已经走到了这一步。
汇融优配提示：文章来自网络，不代表本站观点。
沪深京行情 实时轮播
推荐资讯