核心观点
7/20-7/25，我们在美国进行了为期一周的路演和企业交流活动。通过这次交流，我们注意到：1）企业对大模型的态度，已经从“多烧 token”转向算 token 的投入产出；2）谷歌再次上调资本开支，也无法带动整个硬件板块，引发投资人对北美CSP资本开支可持续性的担忧；3）投资人对存储板块依然存在很大分歧，一半投资人问存储是否已经见顶；另一半关注明年PE不到5倍、现在股价是否有所见底。我们认为AI发展未见顶，但驱动力或已从涨价切换到扩产。我们看好2028年全球半导体设备投资规模较2025年翻倍，建议关注ASML等设备公司业绩上修，及苹果等终端板块业绩逆周期的特点。我们重申硬件行业板块排序：设备＞终端＞代工＞设计＞存储。
大模型：企业开始算 token 的账，投资人担心模型层回报率模型发展上最大的变化是企业侧从“多烧 token”转向“算 token 的账”。企业正通过开发自己的大模型路由与编排层，来降低总体的使用成本。另一个冲击来自能力：智谱和月之暗面在过去一个月连续发布GLM-5.2、Kimi K3等模型，打榜成绩已接近Fable 5等美国前沿模型。从投资人角度，他们担心的是中国模型的崛起或影响到Anthropic等模型层的投资回报率。至于如何抑制中国开源模型发展，美国内部争议很大：后续进展取决于美国国内的立法以及中美 AI 对话的结果（根据Bloomberg，正筹备于9 月举行）。
CSP 资本开支：从关注资本开支规模到关注现金流质量五家云厂商2026年合计资本开支预期约7,739亿美元（+88%），2027年约1.02万亿美元（+32%），但创纪录的财报仍换来硬件股下跌：投资人的问题已从能不能花得起，转向回报率多少、由谁来出。我们认为，上修金额中相当部分用来应对存储等组件涨价，可能会稀释云厂商ROIC。谷歌二季度资本开支已达经营现金流的115%、自由现金流首次转负，扩张或正从现金流驱动转向融资驱动。英伟达、AMD 已用股权换订单，台积电则明确不做此类安排。下一个观察点是这轮现金最充裕的存储原厂，这轮扩张的资金支撑或从云厂商的自有现金流、转到周期弹性较大公司的资产负债表上。
存储与穿越周期：斜率下降是共识，分歧在2027年之后DRAM价格的涨价斜率下降已是共识（传统 DRAM 合约价环比从 1Q26 的 90%—95% 降至 3Q26E 的 13%—18%），分歧在此之后：乐观一方期待 HBM 在 2027 年度合约重签中补涨、消除当前的价格倒挂；悲观一方担心原厂加速设备采购，导致供给提前放出来。投资上，穿越周期主要落到两类资产：1）设备：共识度最高，投资人期待 WFE 仍有上修空间，但担心过去两轮设备与存储的高相关性重演；2）终端：苹果关注度偏低、股价却创新高，被追问的是哪类资金在买。
中国产业链：关注RASA和MATCH法案审理进展我们认为，投资可归为两条链：全球AI产业链（光模块、PCB）业绩可用海外客户订单交叉验证，门槛较低；国产化（代工、AI芯片设计、设备）买的是确定性与稀缺性。政策上，RASA拟将跨境租用算力相关业务纳入授权（已过众议院、仍在参议院），若落地，抬高的或是海外训练的合规成本与周期，而非关停机房；MATCH要求荷、日采用等效规则并覆盖浸没式DUV，仍在提案阶段，关键或在于安装、维修与升级服务能否纳入许可。我们判断，政策工具或偏向范围窄、可执行、对美国企业伤害较小的方向。
正文
需求在算账，供给在扩产7/20-7/25，我们实地走访了美国，进行了为期一周的路演。核心反馈在于，对于同一个议题出现了两种相反的问法：一半投资人问的是“存储是不是已经见顶了”，另一半问的是“明年 PE 只剩三四倍，什么时候能涨回来”。这种分化本身或说明，市场争的已经不是需求的有无，而是周期的位置，以及投资回报情况。海外投资人较为关注这轮 AI 驱动的硬件周期还能走多远，以及中国资产里哪些盈利能被季报验证。围绕这两件事，我们认为需求端可以关注大模型与云厂商资本开支，供给端再看存储周期与设备的位置，最后看中国资产的定价逻辑与政策约束。
大模型：企业开始算 token 的账，投资人担心模型层回报率我们认为，模型层在本次路演中的最大变化并非能力排名，而是支出方式。半年前市场关注的仍是多烧Token（Token Maximizing），即企业尽可能多地消耗 token以换取生产效率；本轮的问法则转向这笔支出的产出是什么、能否核算清楚（Token Optimizing）。
企业侧：从“多烧 token”到开始算账
我们注意到企业侧的需求形态正在变化。海外企业普遍反馈，“多烧 token”并不等于多产出：Uber 的 CTO 在两小时演示中支出 1,200 美元，其工程团队在四个月内用完全年 AI 预算，84% 的工程师使用 agentic coding、70% 的已提交代码来自 AI 工具，公司随后将每员工每工具的月度支出上限设定为 1,500 美元。其首席运营官表示，若无法将支出与交付给用户的功能直接对应，该项支出将越来越难以解释。
解决方案是 Token 编排层：前沿模型与廉价模型的输出 token 价差较大（甚至价差逾百倍），路由器按请求难度自动分配模型，成本或可下降 30%-50%；开放模型路由平台每周处理的 token 已达 25 万亿量级。我们认为，分层调用意味着 token 总量或将继续扩张，但价值分布正向廉价推理与编排层转移。
中国开源模型引发美国投资人对模型层回报率的担忧
过去一个多月，美国投资人感受到的冲击较为具体：海外头部模型发布后不到一个月，智谱 GLM-5.2 与月之暗面 Kimi K3 两个中国开源模型接连推出，打榜成绩已经接近海外头部模型。截至 2026 年 7 月，Artificial Analysis 口径下 Fable 5 为 60 分、Kimi K3 为 57 分，差距仅 3 分；Stanford AI Index 口径下的整体能力差约 2.7%。
从投资者角度，主要担心中国开源模型的快速出现和前沿能力趋同，会导致资本回报下降，使终局利润率承压。
Anthropic等美国模型企业称中国相关实验室建有内部蒸馏平台、以前沿模型输出训练自有模型并经第三国获取受限算力，并提出制裁与实体清单选项。
微软等企业侧支持开放权重模型的发展，认为开源模型发展有利于美国AI生态。
另一方面，我们注意到，字节在AI视频领域已经形成了从模型、生产工具、到内容分发、广告变现的完整闭环。在和OpenAI等企业的竞争上具备差异化优势。
CSP 资本开支：从关注资本开支规模到关注现金流质量过去两年，驱动硬件板块持续上涨的一个动力是，云计算厂商持续上调的资本开支。截至7月23日，北美五大云计算厂商 2025 年合计资本开支 4,115 亿美元，2026 年一致预期约 7,739 亿美元、同比增长 88%，2027 年约 1.02 万亿美元、同比仍有 32%的增长，两年增长2.5 倍并首次突破1万亿美元。但是，7月24日谷歌披露2Q26业绩，云业务收入同比 82%，进一步上调资本开支，但是次日股价却领跌硬件板块，引发投资人对资本开支和硬件板块表现相关性脱钩的疑虑。
我们认为，最近主要的变化是：
1） 投资人担心本轮上修主要用来采购存储等核心零部件，对算力的增长帮助不大；
2） 谷歌自由现金流上市以来首次转负，公司需要通过股权和债权融资来支撑不断加大的投资；
3） 公司部分在手订单来自云厂商自己投资的 AI 实验室，订单质量因此取决于对手方的融资能力，而非终端需求。
循环融资是另一个投资人担忧的事情，2025年开始，英伟达，AMD等芯片企业，开始对 OpenAI/Anthropic等提供融资，以换取芯片订单。主要半导体公司中，台积电已经明确否定会参与相关融资，下一个观察点是这轮现金最充裕的存储原厂。一旦它们也开始出资，这轮扩张的资金支撑就从云厂商的自有现金流，转到了周期弹性最大的一类公司的资产负债表上。
存储是否见顶：斜率下降是共识，分歧在2027之后存储是本次路演被问得最多、也是分歧最大的板块。但分歧其实不在当下，而在未来六到十二个月：涨价斜率下降已经是共识，真正被反复追问的是这条斜率之后会怎么走。
1） 共识：传统 DRAM 合约价环比从 2026 年一季度的 90%—95% 回落到二季度的 58%—63%、三季度预期 13%—18%：价格水平仍在创新高，但二阶导已经转负，这一点多空双方争议较小。
2） 分歧一：HBM 补涨。根据TrendForce统计，由于年度合约影响，当前 HBM 与 DDR5 存在价格倒挂现象，投资人期待DRAM现货紧张可以传导到 HBM价格， 带动2027年HBM价格显著上升。
3） 分歧二：High NA加快扩产。部分投资人担心存储原厂会不会采购 High-NA EUV等更贵但交期更短的设备来加速扩产。
我们认为，存储价格涨幅的斜率下降已是共识，分歧在于价格拐点将向哪一侧偏移、以及供给会不会提前释放。前者看 2027 年度合约重签，后者看厂房与洁净室进度而非 High-NA 订单。
如何穿越 AI 周期：设备最确定，终端被低估如何穿越周期是投资人非常关心的话题之一。投资上，穿越周期落到两类资产：
1） 设备共识度最高：我们预测全球资本开支 2028 年对 2025 年翻倍，制造 CapEx 从 1,681 亿美元增至 3,417 亿美元、2026-2028 年合计 8,612 亿美元、复合增速 27%，对应 WFE 2028 年约 2,414 亿美元；投资人期待 WFE 仍有上修空间，但投资人也注意到，过去两轮下行周期，设备与存储的回调存在高相关性，担心是否会重演。
2） 另一类是终端，相对设备，苹果等终端硬件公司在本次路演中的关注度明显更低，但有一个现象让投资人重新审视这一类资产：部分 AI 收入占比不高、但现有业务壁垒较高的大型科技公司，年内市值表现反而好于部分 AI 核心标的。市场因此讨论所谓“反 AI 资产”——在 AI 叙事阶段性降温时，这类公司是否会取得相对收益。
中国科技资产：两条链，买能被季报验证的盈利海外机构对中国科技资产的兴趣，是沿着一条可追溯的传导链形成的：云厂商资本开支带动算力与网络需求，再传导到中国供应链，最终由订单、毛利与份额逐季验证。链条上的共识是国产算力仍然紧缺、中国光网络能力处于世界级水平、2026 年中国科技盈利显著增长；分歧则集中在估值水平、客户集中度、出口管制与资本开支回报率——机构关注并不等于无条件看多。
美国政策风险：尚未落地的变量，范围更窄但更可执行政策端风险主要是远程算力授权（RASA）、设备出口管制的盟友同步（MATCH）与针对中国模型的限制；一个机会是筹备中的中美 AI 对话。需要提示的时间背景是，2026 年上半年中美关系处于相对缓和的阶段；从历史规律看，选举周期临近时对外政策存在阶段性收紧的可能，但具体节奏取决于立法进程与双边互动，不确定性或较大。
本文来源：华泰睿思
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。环宇证券提示：文章来自网络，不代表本站观点。
