AI算力供需拐点：从资本盛宴到剩宴的2028预言

一、 AI产业链利润分配的底层逻辑重构

当前AI基础设施领域的核心叙事正经历从“规模扩张”向“效率与利润重构”的深刻转变。市场普遍关注云厂商在AI浪潮中的角色演变，尤其是其利润率提升背后的结构性原因。这不仅关乎单一企业的财务表现，更折射出整个AI产业链中议价权的微妙转移。

从第一性原理出发，云厂商利润率的决定性因素在于其在产业链中的议价能力。具体而言，这一能力由三个可量化的定价维度构成：终端用户为大模型支付的Token价格、AI实验室（模型商）向云厂商租赁算力的价格，以及云厂商提供算力的综合成本（涵盖电力等固定运营成本与硬件折旧等弹性成本）。

1.1 模型定价的粘性与算力成本的通缩

在模型使用端，尽管大模型能力呈指数级提升，但按量计费模式下的Token价格并未随之呈现趋势性走高。无论是Anthropic等头部厂商的官方定价，还是第三方机构统计的真实Token价格指数，均显示出价格处于区间震荡或保持稳定的状态。这意味着，模型迭代带来的性能红利并未直接转化为终端用户的降价福利。

然而，在供给侧，单位Token的生成成本正经历显著通缩。以Qwen 3.5模型为例，随着芯片代际从H100/200迭代至GB200 NVL72，每百万Token的生成成本已降至原先的1/3至1/4。这种通缩效应的核心驱动力在于：新芯片性能的提升幅度远超其价格的上涨幅度。例如，GB300在相同工程编排下，每秒输出Token效率可达H200的4至10倍，而单颗芯片价格增幅不超过2倍。此外，软件与工程层面的优化（如DeepSeek V4的架构改进）进一步放大了这一效率差异，使得每一代芯片性能提升的红利大量让渡给了下游。

1.2 云厂商议价能力的回升

在“终端定价”与“硬件成本”之间的利润空间，由云厂商与模型商共享。其分配机制取决于云算力的租赁价格趋势。数据显示，自2025年底以来，云算力租赁价格进入上行周期。不仅最新一代GPU（如B200）租赁价格上涨了1/4至1/2，即便是服役多年的老旧芯片（如H200及更早产品），租赁价格也逆势上涨15%至20%。

这一反常现象揭示了两个关键事实：一是当前算力仍处于严重供不应求状态，甚至迫使市场接受老旧芯片的高溢价；二是云厂商的议价能力显著提升，即便是低毛利的“IaaS”裸金属出租业务，其利润率也随之改善。值得注意的是，老芯片并未因新技术迭代而沦为闲置资产，反而持续贡献现金流，延长了资产的生命周期与收益周期。

二、 量化视角下的利润率演进趋势

为了更精确地评估行业变化，我们引入定量模型，重点测算推理场景下的毛利率变化。以下分析基于Qwen 3.5模型，控制变量以分离软硬件进步与价格变动的影响。

2.1 技术迭代对毛利率的驱动

在硬件（H200）不变的前提下，仅考虑软件技术进步带来的20%+ Token产出效率提升，以及H200租赁价格20%的上调，AI实验室的推理毛利从1.2美元提升至1.4美元，毛利率基本持平；而云厂商的单GPU小时毛利从0.8美元跃升至1.7美元，毛利率从31%提升至38%。

若对比不同芯片代际，在最新软件技术与定价下，采用B300相比H200，由于B300产出效率约为H200的8倍，但租赁价格不足2倍，AI实验室的单位毛利可从1.4美元暴增至11.6美元，毛利率翻倍至69%；云厂商的毛利率也从38%提升至42%。若综合对比GB300与H200，软硬件共同进步带来的单位毛利提升极为夸张，从不足2美元增至超14美元。即便模型商拿走大部分增量，云厂商仍能享受超10个百分点的毛利率提升。

2.2 自研芯片的战略价值：以AWS Trainium3为例

云厂商的核心优势在于自研芯片的一体化研发能力，这通常能带来更优的利润率。以AWS的Trainium3为例，其FP8精度算力为2.5 PFLOPs，虽略低于B300，但显著优于H200。测算显示，Trn3的TCO成本约为0.86美元/GPU时，较H200的1.41美元降低近40%。在生成效率相近的情况下，Trn3的综合毛利率可达85%，与B300情景持平。

若AWS将Trn3租赁价定为H200的70%，云厂商与模型商的利润分配将与B300情景一致；若定价为80%，云厂商自身毛利率可进一步提升至46%。这表明，在中小模型推理场景下，自研芯片不仅能实现高性能替代，更能通过价格策略吸引客户迁移负载，从而优化云厂商的整体利润结构。

三、 供需拐点：2028年的“剩宴”危机

尽管利润率改善是短期利好，但产业链的中长期健康度取决于供需平衡。我们将需求端（AI Lab与云厂商）与供给端（云厂商Capex）统一换算为算力规模（GW），以透视未来趋势。

3.1 需求端的保守预测

假设两大AI模型巨头（如OpenAI与Anthropic）到2030年营收达2500亿美元量级，且2028年后增速回归至50%以下。据此测算，两家巨头2028年的云算力总支出约2500亿美元，占收入71%。加上其他AI Lab及传统云业务（预计2028年达31GW）的增量，2028年AI与传统的总算力需求约为53GW，相比2025年增长约33GW。

3.2 供给端的激进扩张

对比之下，头部云厂商（不含Meta）计划到2028年上线的总算力规模约100GW，剔除自用后对外出租规模约73GW，较2025年增长约47GW。

3.3 供过于求的风险评估

数据对比显示，2024至2026年算力供需趋紧，但到2027年将恢复平衡，2028年起将明显供过于求，缺口日益扩大。这一结论的核心警示在于：市场目前线性外推了算力建设与Capex的长期高位维持，提前计价了“尚未显现的AI巨大增量空间”。

一旦未来1-2年内AI应用爆发未达预期，算力建设与云厂商Capex可能在2027年见顶回落。这将对上游硬件商构成双重利空：一是云厂商自研芯片崛起削弱了对英伟达等硬件商的依赖，导致议价权转移；二是Capex达峰意味着硬件收入同比下滑，而云厂商基于存量算力，受影响相对较小。

四、 投资逻辑的重塑与行业启示

基于上述分析，AI产业链的投资逻辑正发生根本性变化，呈现出“上游承压、分化加剧”的特征。

4.1 上游硬件商的困境

芯片厂商面临议价权降低与需求放缓的双重压力。云厂商自研芯片（如Trainium3）在性能上已逼近旗舰GPU，且能效比更优，促使云厂商降低对外部采购的依赖。为留住客户，硬件商不得不让渡利润。此外，若2027-2028年Capex见顶，硬件商的营收增长将面临严峻挑战。

4.2 云厂商的分化与机遇

对云厂商而言，利润率的短期提升是利好，但长期竞争格局将恶化。算力过剩可能导致云租赁价格从溢价转为折价，压缩利润率。然而，这也意味着那些能够强势绑定头部AI Lab、锁定长期算力订单的云厂商，将获得更确定的收入增长。同时，大幅降低Capex以恢复现金流，可能比收入增速放缓更受市场青睐。

4.3 结论

AI算力产业正从“野蛮生长”的盛宴步入“精耕细作”的剩宴。模型商与云厂商通过技术迭代共享了硬件通缩的红利，但供给端的过度扩张可能在2028年引发供需反转。投资者应警惕线性外推的风险，重点关注具备自研芯片能力、拥有强势客户绑定机制的云厂商，以及能在此轮洗牌中保持技术领先或转型成功的硬件企业。未来的赢家，将是那些能在效率与成本控制上建立护城河，而非仅依赖规模扩张的企业。