摘要
截至2026年3月，AI投资最重要的变化，不是模型能力继续提升，而是价值捕获路径正在被改写。随着生成、检索、编程和部分分析能力快速商品化，市场不再只是在给“最强模型”定价，而是在重新给那些承载AI扩张所必需、却难以快速扩张的互补性资产定价。国际能源署预计，全球数据中心用电到2030年将达到约945TWh；美国能源部则预计，美国数据中心用电占比可能从2023年的4.4%升至2028年的6.7%至12%。这意味着，AI首先会在电力、配电、热管理、先进封装、光互联、身份安全和合规治理等环节形成新的瓶颈，真正有望长期受益的，往往不是能力本身，而是“谁都绕不过去”的收费站。
一、AI投资逻辑为什么需要重写
过去市场更习惯把AI投资理解为对模型公司、芯片龙头或平台寡头的直接下注。但技术领先并不天然等于利润沉淀。模型迭代极快，能力差距容易被压缩，应用层则面临更激烈的同质化竞争。相反，一旦AI从实验走向大规模部署，真正难以被复制的，往往是供电能力、并网能力、散热能力、可信身份、合规审计，以及垂直行业中的专有数据和闭环流程。公开监管与产业数据已经说明，AI商业化正在同时推动基础设施扩张与治理体系落地，这使“买能力”逐步让位于“买稀缺”。
这一定价逻辑的核心，不在于谁最擅长展示AI能力，而在于谁能在AI扩张过程中持续收取“通行费”。判断标准也相应发生变化：不是看某家公司能否做出更强模型，而是看它是否处于供给弹性最差、认证最复杂、替代成本最高的环节。AI扩散越快，这类互补性稀缺资产的价值越高。
二、第一条主线：物理基础设施是最确定的收费站
数据中心是AI价值链中最确定的物理约束。IEA预计，2024年至2030年全球数据中心用电年均增速约15%，其中加速服务器相关用电年增速约30%；EIA则预计，美国电力负荷在2026年和2027年分别增长1.9%和2.5%，负荷增长最快的区域集中在ERCOT和PJM。AI行业的首要瓶颈因此不是“算力是否重要”，而是“电能否稳定送达、热能否及时移走”。
真正率先捕获价值的，通常也不是最上游的发电端，而是电网设备、配电系统和关键热管理环节。NEMA披露，美国配电变压器交付周期已超过30个月；Eaton在2025年四季度披露，Electrical Americas数据中心订单同比约增200%；Vertiv同期有机订单同比增长约252%；Quanta Services在2025年末总backlog达到440亿美元。订单、交期与积压同时上行，说明“把电送进去、把热拿出来”的能力正在从工程问题变成定价权问题。
与此并行，半导体链条内部的瓶颈也在外溢。TSMC表示，AI加速器收入在2025年已占其总收入的高个位数以上、接近两成；Broadcom在2026财年一季度披露AI相关收入达84亿美元，并预计下一季度AI半导体收入升至107亿美元；Micron披露其2025财年数据中心业务已占公司总收入56%，HBM收入在2025财年四季度接近20亿美元季度水平；Corning与Meta在2026年1月签署最高60亿美元的多年期协议，以支持美国数据中心光纤与连接扩建。这说明，先进封装、HBM、AI网络与光互联已成为独立的瓶颈带。但与电网、配电不同，这一层的供需更容易被产能扩张和技术替代改写，因此更适合作为高弹性配置，而不是永久型“公用事业式”资产。
三、第二条主线：制度与信任正在成为硬预算
AI进入真实业务流程后，新的稀缺不只是算力，而是谁可以被验证、被授权、被审计并被追责。欧盟《AI Act》已于2024年8月1日生效，并按阶段推进：通用性AI相关治理义务自2025年8月起适用，高风险AI的一部分规则延至2027年；美国NIST的AI RMF自2023年发布后，又在2024年推出生成式AI配套画像，持续把“可信、可治理、可评估”变成组织级实施框架。AI治理已经从倡议走向制度安排。
这也是身份安全赛道突然加速的原因。CyberArk的研究显示，机器身份与人类身份的数量比已达到82:1，并预计AI将成为新增高权限身份的首要来源；Palo Alto Networks在2026年2月完成对CyberArk的收购，明确把Identity Security设为平台核心支柱；CrowdStrike也在2026年1月宣布收购SGNL，把人类、非人类和AI身份的持续授权纳入其产品体系。身份、安全与实时授权不再是边缘功能，而是AI生产化部署的基础设施。相较于重资产硬件链条，这类资产往往具备更强的经常性收入、更低的资本开支压力和更稳定的客户黏性。
四、第三条主线：AI不会均匀冲击软件，真正受益的是受监管数据与闭环工作流
“AI会摧毁软件护城河”的说法只说对了一半。被压缩的是通用、低壁垒、以功能交付为主的软件；被强化的，则是拥有专有数据、强监管属性、强审计需求和高切换成本的工作流平台。Thomson Reuters在2026年2月披露，CoCounsel已在107个国家和地区被100万专业人士采用，并将这一里程碑定义为AI从试点走向生产；Intuit与Anthropic同月宣布合作，把税务、会计、财务与营销能力封装为可定制AI代理；Siemens与NVIDIA则在CES 2026进一步扩展合作，提出“Industrial AI Operating System”，将AI直接嵌入从设计、工程到制造、供应链的工业闭环。
这意味着，未来的软件分化将越来越清晰。第一类是通用型、界面型、可替代的软件，最容易被AI压缩定价；第二类是拥有权威内容、受监管数据和审计能力的平台，反而会因AI而提升单位价值；第三类是与设备、工艺、现场数据和组织流程深度耦合的工业软件，它们的核心护城河并不在“会不会生成”，而在“能不能闭环执行”。真正值得重估的，不是所有软件，而是那些把AI嵌入高门槛工作流的基础平台。
五、配置含义：优先研究哪三类资产
第一类，长期“收费站”型资产。 应优先关注电网设备、配电系统、关键热管理、身份安全，以及受监管数据与工作流平台。它们的共同特征是扩产慢、替代难、采购刚性强、利润质量较高。
第二类，高景气但周期性更强的瓶颈资产。 例如先进封装、HBM、AI网络和光互联；这一层通常弹性更高，但也更容易受到产能释放和架构切换的影响。
第三类，顺周期受益资产。 发电侧、REIT、部分资源品等并非没有价值，但在很多情况下更像AI扩张的“二阶受益者”，而不是最核心的价值捕获者。
这一定序的关键，不在于题材热度，而在于价值捕获质量。长期优质资产通常具备四个共性：一是需求刚性强，二是供给扩张慢，三是客户切换成本高，四是利润并不完全依赖单一技术路线。凡是同时满足这四个条件的环节，即便不站在AI叙事的正中央，也更可能在产业成熟期保住利润率与估值中枢。
六、需要持续验证的风险
这套框架并非没有失效条件。其一，如果模型效率提升快于基础设施扩张，单位AI负荷对电力、封装和网络的拉动可能弱于当前预期；其二，如果配电设备、冷却和先进封装在未来一至两年被大规模资本开支迅速填平，部分高弹性环节的超额利润会明显回落；其三，如果监管推进慢于企业落地节奏，身份与合规链条的兑现速度可能不及预期；其四，如果垂直应用始终停留在试点，而未能嵌入真实工作流，受监管数据平台的估值重定价也会受限。因此，后续最值得跟踪的并不是单一股价，而是四组经营变量：数据中心电力负荷、关键设备交期、订单与backlog的持续性，以及企业级AI从试点走向生产的渗透速度。
七、结语
AI并没有消灭稀缺，只是在重排稀缺。当生成能力、编码能力和部分知识处理能力不断商品化，真正值得长期追踪的资产，不是最会讲AI故事的公司，而是那些在AI扩张过程中被反复采购、难以替代且能够保持定价权的环节。未来几年，AI投资的主轴大概率将从“谁最聪明”转向“谁最不可绕开”。从这个意义上看，最优质的AI间接受益资产，并不是离AI最远的资产，而是站在AI流量与资本开支必经之路上的资产。