这周硅谷都在聊些什么？高盛TMT大会给出几个不可忽视的信号

这周旧金山刚结束高盛一年一度的Communacopia科技峰会。台上演讲是公开的，但真正有信息量的，是几天里密集的管理层交流。

上市公司高管、基金经理和分析师坐在一起，聊订单、资本开支、产品节奏，以及未来一两年的判断。

过去三年大家总问“芯片够不够”，现在问得越来越多的是：AI这门生意最后谁赚钱、能赚多少。

几场关键发言听下来，下一阶段的轮廓已经比较清楚。

博通：算力开始算回报

博通CEO Hock Tan给了一个框架：1GW前沿AI算力对应多大经济价值。

GW是功率单位，1GW大致相当于一座中型核电站输出功率，现在大型AI数据中心越来越习惯用GW衡量规模。

按他的测算，1GW前沿算力大约对应30万到50万张H100等效GPU、100万块HBM，一年能支撑约300亿美元ARR。ARR就是年化收入，把订阅和长期合同折算成一年的收入。

更关键的是这300亿怎么分。维持1GW算力运行，每年大约需要100亿美元基础设施成本，包括电力、冷却、芯片折旧、网络、存储和机房。剩下的价值，主要得由模型层和应用层创造。

这说明AI产业正在换问题。前几年市场最关心算力够不够，谁有GPU谁定价。供给逐渐上来后，真正的问题会变成：这么贵的算力，最后能不能变成更高的收入。

Hock Tan后面也强调模型层的商业化。会上估算，目前全球AI模型每年对应的基础设施成本大约2000亿美元，但转化成模型公司收入的大约只有1500亿美元。行业还在高投入阶段。

闭源和开源差距也明显。同样对应1000亿美元投入，闭源前沿模型产生的收入明显更高，开源模型虽然使用量大，直接商业化能力还是偏弱。

这也是华尔街一直争论Meta开源路线的原因。Llama能降低行业模型成本、扩大使用规模，但这部分价值最后有多少留在Meta自己手里，是个问题。

反过来也解释了博通为什么持续押注定制ASIC。如果闭源前沿模型继续扩大收入，大型科技公司为了降低算力成本、提升效率，自研芯片和定制加速器需求会继续放大。Google、Meta、Amazon都在往这条路上走，这也是博通最重要的AI增长方向之一。

AMD：从卖芯片到卖系统

第二场是AMD。管理层给的几个数字，把接下来几年的方向讲清楚了。

未来5年可触达市场规模预计1050亿美元，其中AI GPU约450亿，机架级系统350亿，网络芯片150亿，服务器CPU约100亿。

这里最值得看的不是450亿的AI GPU，而是350亿的机架级系统。机架级系统不是单卖一颗GPU，而是把GPU、CPU、网络、存储、散热和电源整合在一个完整机柜里交付，直接去竞争英伟达的整柜方案。

这对AMD很重要。单卖GPU，主要和英伟达比芯片性能和价格；进入整机柜，竞争就变成系统能力、网络能力、软件生态和整体交付能力。单个订单价值量更高，对客户绑定也更强。

所以接下来判断AMD的AI业务，不能只看MI系列GPU卖了多少，更要看它能不能从卖芯片升级成卖系统。

会上还提到几家核心客户，包括Meta、微软、Anthropic和甲骨文。自2025年第四季度以来，MI355X累计销量已经突破100万颗。

如果这个交付节奏能持续，AMD下一阶段要证明的就不是“有没有AI收入”，而是能从英伟达手里拿到多大份额。

Google：TPU不再只是内部自用

第三场反而更容易被低估，是Google Cloud。最该关注的是TPU。

过去Google的TPU更多被当成内部自用芯片，现在它正在从内部降本工具，变成对外输出的算力产品。会上提到，TPU外部客户已经从Anthropic扩展到SSI和xAI，而且外部使用规模已经超过Google自身内部使用。

这件事意义很大。

以前Google自研TPU，对英伟达的影响主要是自己少买一点GPU。但如果Anthropic、SSI、xAI这些模型公司也开始大规模使用TPU，那就意味着Google的自研芯片开始从内部替代走向外部商业化。这已经不是单纯降本，而是在正面参与AI算力市场竞争。

所以未来几年AI芯片市场真正值得看的，不只是AMD能不能追上英伟达，还要看Google、Amazon、Meta这些云厂商自己的ASIC，会不会从内部使用逐步走向外部销售。

与此同时，Google的资本开支还在扩大。会上给出的口径是，2026年每季度投入约250亿美元，2027年可能进一步升到250亿到300亿美元以上，年化投入首次突破1000亿美元。

但现在再看CapEx，已经不能只看数字越大越兴奋。真正要看的是这些钱流向哪里：继续买GPU，还是自研TPU；建设数据中心，还是投电力、网络、液冷和存储。

同样是1000亿美元资本开支，流向不同，对产业链公司的意义完全不同。

AI下半场，重点从缺算力转向谁赚到钱

把博通、AMD和Google这几场放在一起看，行业变化就很清楚了。

微软、Google、Amazon、Meta、Oracle这些科技巨头，过去几年一直在快速建设AI基础设施。

会上统计的投入规模，从2022年的1500亿美元，上升到2025年的3200亿美元，预计2026年达到4500亿美元，2027年5800亿美元，2028年进一步接近7000亿美元。

总额还在增长，但增速已经开始放缓。所以AI投资接下来真正值得研究的，不再只是CapEx还涨不涨，而是资本开支内部开始重新分配。

谁做自己的芯片，谁开始卖整机柜，谁控制电力和散热，谁能把算力转化成真正的模型收入，这些才决定未来三年的利润流向。

美股投资网，对2028年反而会稍微谨慎一点。因为现在市场有一个很重要的隐含假设：AI资本开支会长期保持高增长。

但如果未来模型推理成本继续快速下降，或者企业端AI应用的商业化速度不及预期，巨头资本开支增速一定会下来。

这并不意味着AI周期结束，而是意味着市场开始从“什么都缺”进入“算回报率”的阶段。

2022年到2026年上半年，AI主线很简单：算力稀缺，谁有GPU，谁就赚钱。接下来到2030年，逻辑会逐渐转向系统级竞争和价值重新分配。

云厂商会不断提高自研芯片比例，芯片厂之间会从单卡性能打到整机柜，电力、散热和网络继续成为瓶颈，而模型公司必须证明自己有能力把每年几千亿美元的算力投入真正变成收入。

这时候，芯片厂依然会赚钱，但超额利润可能会受到两边挤压。

一边是模型公司不断要求降低算力成本，另一边是Google、Amazon、Meta这些云巨头提高自研芯片比例。

反过来，电力、散热、网络这些过去相对不受关注的环节，因为扩容越来越难，反而可能获得更高的价值量。

接下来真正值得盯的几个时间点

今年四季度，英伟达新产品放量、AMD AI GPU继续爬坡，市场已经提前交易了不少预期，所以真正决定股价的，是增长能不能继续超过已经很高的预期。

到2027年一季度，重点看AMD新一代整机柜能不能顺利进入客户验证。如果能够真正拿到规模订单，AMD的估值逻辑会从GPU份额提升，走向系统级竞争；如果推进低于预期，重估时间就要继续往后推。

2027年上半年，重点看Google TPU的外部客户能不能从测试和补充算力，真正转向主力采购。

再往后，英伟达下一代旗舰产品进入大规模量产以后，第一个GW级订单落到谁手里，也会成为整个AI算力链非常重要的信号。

贯穿整个过程，我认为还有一个最容易被忽略的变量：OpenAI和Anthropic这些前沿模型公司的收入增长。

因为所有GPU、ASIC、HBM、光通信、电力和数据中心投资，最后都要有人付钱。

只要模型公司的收入继续高速增长，这条产业链就还有扩张空间。但如果模型收入开始追不上算力投入，那时候市场真正要重新定价的，就不只是某一家芯片公司，而是整个AI基础设施链。

这也是这次高盛TMT大会给我最明显的感觉：AI还在继续。只是市场已经开始从“有多少算力”，进入“这些算力到底能赚多少钱”。

$AVGO $GOOGL #美股