2026人工智能进入第二阶段，新的硬件需要升级导致美股市场有两只受益股最近涨疯了，今年亚马逊、微软、谷歌、Meta、甲骨文，这五大巨头今年的资本开支将达到惊人的 7050亿美元。如果算上CoreWeave，这个数字将接近 7400亿！

7400亿是什么概念？较2025年同比增长约70%，是去年底市场预期增速（约35%）的两倍；

几乎等于整个超大规模云厂商一年赚到的现金总和。                 

这帮科技大佬是疯了吗？AI到底是不是一个即将破裂的万亿泡沫？

但在我看来，这组数字传递的恰恰是另一个信号——当资本被推到这种规模，问题已经不再是“要不要投”，而是“原有路径还能不能支撑”。

算力越堆越大，系统压力越集中，电力、散热、互联、效率，每一个环节都在逼近物理边界。旧架构开始吃不消，一条被巨额投入硬生生逼出来的新技术路线，正在加速成形。

今天这一集，会非常硬核。我会把我最近深入调研梳理的AI技术背景、商业逻辑和财务变化，一层一层拆解给你看。

我要帮你把这件事彻底想明白：

为什么这7400亿非投不可？

为什么资本会把算力一步步推向物理极限？

当传统架构走到尽头，被迫诞生的那条新技术路线到底是什么？

这条新路线上第一批吃到红利的公司到底有谁？

在AI面前，软件股护城河还存在吗？

是基本面崩塌，还是一场机构主导的仓位绞杀？

散户在抄底，机构在做空，到底哪个力量强大？

 

 

钱为什么非砸不可

先把结论说清楚。这7400亿美元的算力投入，不是豪赌，而是生存必需。

在今天的AI竞争中，胜负不再由模型参数决定，而取决于单位算力的成本效率。过去升级服务器是为了“更快一点、更稳一点”；如今，架构只要落后一代，成本就可能高出2到3倍。

以主流大模型推理为例：在相同吞吐量下，使用上一代 GPU（如 A100 或 H100）完成任务所需的电力、芯片数量和机架空间，往往是新一代平台（如 Blackwell）的两倍以上。这不是性能差异，而是成本结构的根本性失衡。

对云服务商而言，这直接关乎生存；

成本高了，就无法在价格战中守住毛利；

效率低了，就难以按合同承诺交付大规模 AI 服务；

一旦客户因延迟或超支转向对手，信任便很难挽回。

正因如此，即便面临财报压力，巨头们也必须咬牙推进换代。英伟达的 H100 在 2023 年成为行业标配后，仅两年时间，Blackwell 架构（B200/GB200）便已在 2025 年下半年进入大规模部署阶段。业内共识是：若不在 2026–2027 年窗口期完成 Blackwell 升级，未来三年将陷入结构性成本劣势。

更重要的是，AI已经不只是成本项，而是在拉动真实需求。

亚马逊AWS的未确认收入已达到2440亿美元，同比增长约40%，其中大量是明确要求AI算力支持的长期合同。如果数据中心建慢一步，客户立刻转向别家。

谷歌的情况同样明显。公司内部超过30%的代码已经由AI辅助生成，部分团队接近一半。随着Gemini模型优化，同类AI服务的运行成本比半年前下降了20%到30%。AI已经嵌入生产流程，不用就落后，不提前布局算力，就等于放弃确定性收入。

但当算力规模持续扩张，瓶颈开始向底层转移。真正的约束，已从芯片转向电力。数据中心本质是一套全天候运转的工业系统，没有稳定电力，再先进的芯片也跑不起来。

从2026年的资本开支拆解看，为支撑这轮扩张，新增电力需求约在6–15GW，液冷系统需求提升约200%。电网和能源基础设施，已经被明确纳入核心资本支出。

也因此，科技巨头的投入开始从买芯片，扩展到更完整的系统工程：自建数据中心、锁定长期电力、部署液冷方案，甚至推进自研芯片和整机架构优化。

把这些因素放在一起看，七千亿美元不是数字游戏，而是AI从“技术选项”蜕变为“基础设施”的必然代价。在这个新范式下，不投算力，等于主动退出未来。

钱砸到哪里开始出问题？

当资本开支不断加码，GPU数量持续翻倍，很多人自然会认为：算力翻倍，效率也会翻倍。

但现实并非如此。当算力规模扩张到一定程度后，系统效率开始出现明显的“递减效应”。芯片数量在增长，但整体可用算力的释放速度却跟不上。

问题出在哪里？并不是芯片不够先进，而是数据在芯片之间流动的方式开始成为瓶颈。

你可以把整个AI系统想象成一个巨型工厂。芯片负责“加工”，而数据在不同芯片之间流动，就像零部件在车间之间传输。

在传统LPO（可插拔光学）架构下，芯片完成计算之后，数据需要先以电信号形式沿着电路板跑一段距离——通常是厘米级——走到机柜边缘的光模块，再完成电光转换，然后才能传输出去。

这就像一个快递分拣中心。

分拣员已经处理好包裹，却必须把包裹放到一条很长的传送带上。传送带把包裹运到打包区之后，打包人员才能继续操作。

当包裹不多时，问题不明显。但当订单暴涨、分拣员数量翻倍时，这条传送带就开始拥堵。

在算力系统里，这条“传送带”就是电信号传输路径。

电信号传得越远，损耗越大；功耗越高，发热越严重。GPU数量越多，数据协作越频繁，系统中用来“搬运数据”的能耗就越高。

于是出现一个关键矛盾：芯片本身已经足够快，但整个系统却被数据传输拖慢。

这就是算力堆叠的边际效益开始衰减的根源。

而CPO的出现，正是针对这个问题。

CPO（共封装光学）把光引擎直接放到芯片旁边，与ASIC共享同一个封装基板。电光转换在芯片附近完成，物理距离从厘米级压缩到毫米级，通常小于5毫米。

看似只是封装变化，本质却是结构重构。当数据不再“跑很远”，电信号路径缩短，单位带宽功耗下降，发热压力明显缓解。在相同电力与空间条件下，可以支持更多GPU协同工作。

这意味着系统扩展能力被重新打开。过去限制规模的是‘互联成本’，而不是‘算力能力’。CPO 的本质是打破了‘电信号传输距离’的物理枷锁。

对科技巨头来说，这不只是节省电费的问题，而是算力集群能否跨越‘万卡、十万卡、百万卡’门槛的关键。如果传输瓶颈解决不了，堆叠再多的芯片也只是在制造一个庞大却低效的臃肿系统。

因此，2026 年将是一个分水岭：能否率先在量产中落地光电共封装（CPO）或类似的高性能互联方案，将决定谁能率先构建出真正‘线性增长’的超大规模算力池，并握住通往下一代通用人工智能（AGI）最核心的入场券。

如果你觉得本视频对你有帮助，老规矩先点赞再收藏，关键时刻能帮忙美国热线 626 378 3637

CPO受益股

目前，几家关键系统级玩家对 CPO 的态度，已经明显从“技术储备”转向“路线规划”。

英伟达计划在 2026 年下半年推出的 Rubin 架构中引入单机内部光互连（Scale-Up CPO），并通过外置光源（ELS）与可插拔设计，解决了过去光电封装“坏了难维修”的核心痛点。即便光源故障，也可以模块化更换，而无需整板报废。

在单卡功耗逼近千瓦、带宽迈向 1.6T 以上的背景下，真正可能失控的不是算力，而是数据传输能耗。如果单位带宽功耗降不下来，集群规模越大，电力与散热压力就越逼近物理极限。对英伟达而言，CPO不是简单的性能升级，而是支撑“AI工厂”持续扩张的底层条件。

博通则凭借其 Bailly 等 51.2T 及更高带宽的交换平台，正在定义下一代网络的“路权”。博通的逻辑是直接将硅光芯片与交换 ASIC 打包，这使得下游厂商如果想使用博通的顶级交换能力，就必须拥抱其定义的 CPO 标准。

而英特尔则利用其在硅光子领域长达十年的技术积淀，将光电集成深度嵌入其 EMIB 与 Foveros 先进封装战略中，试图在超大规模计算系统中通过降低单位带宽能耗实现“弯道超车”。

当战场方向基本统一，真正的收益流向已经逐渐清晰，并主要集中在以下几类美股龙头身上：

第一类，是激光芯片的“卖水人”：Lumentum（LITE）和 Coherent（COHR）。

在 CPO 架构下，高功率磷化铟（InP）连续波激光器（CW Laser）成为真正的“动力源”。由于 CPO 光引擎本身不集成激光器，必须由外部高功率光源供光，这使得激光芯片从“配套部件”上升为核心资产。

LITE 已披露获得数亿美元 CW 激光器订单，预计 2026 年产能将提升至约 2000 万颗，并计划在 2027 年满足英伟达约一半的需求，单颗 ASP 约 30–35 美元。随着 1.6T 与 CPO 方案推进，其收入弹性正在逐步显现。

COHR则凭借 6 英寸磷化铟产线，在产能与成本上建立优势。公司管理层表示，1.6T 与 CPO 需求加速，订单可见度已延伸至 2027 年。

但市场给予两家公司的估值却明显不同。核心原因在于营收结构差异。

LITE当前业务重心更集中于高速光通信与数据中心相关产品，受益方向高度纯粹，业绩弹性与AI算力扩张直接挂钩。同时，其EML等高端激光器产品市占率更高，技术壁垒更深，市场愿意给予更高的成长溢价。

相比之下，COHR业务结构更加分散。除数据中心光通信外，公司仍覆盖传统电信与工业激光等领域，这些板块增速相对温和，周期属性更强，对整体盈利节奏形成拖累。即便数据中心需求改善，整体业绩弹性也被“稀释”。

第二类，是定义标准的垄断者：博通和 Marvell（MRVL）。 CPO 的普及不仅利好零部件，更利好定义规则的人。博通作为算力网络的“总调度师”，决定了系统怎么搭。而 Marvell 通过收购核心技术公司，已经在定制 AI 互联领域锁定了多家顶级云厂商的份额。

第三类，是良率的“守门员”：泰瑞达（TER）。 CPO 最让厂家头疼的就是封装良率。泰瑞达提供的晶圆级测试，是量产前必不可少的环节。随着 2026 年光模块出货量突破千万级别，泰瑞达作为测试设备的绝对龙头，将享受极高的收入弹性。

总结来说，2026 年我们将看到激光芯片率先爆发，2027 年到2028年是系统级利润的全面释放。这不再是单纯的炒作，而是已经写进订单和产线里的硬逻辑。

软件股机构散户博弈

说完算力和CPO，我们把镜头拉回到软件股。

从1月到2月中旬，标普北美软件指数累计下跌超过15%，创下自2008年金融危机以来最惨烈的单月跌幅。期间，软件板块市值蒸发规模一度进入“万亿美元量级”，而且抛售在2月仍然没有明显止步。

这显然不是一次简单的情绪性回调，而更像是资金结构发生变化后的系统性重估。仅用“AI恐慌”来概括，难以解释如此集中、持续的抛售。市场正在展开一场清晰的多空博弈。

机构全面撤退：从“增长信仰”到“生存危机”

先看机构，高盛数据显示，截至2026年2月初，对冲基金对软件行业的净敞口已降至2 % 的历史新低。与此同时，资金正大规模流向半导体及设备板块——后者净敞口升至五年高点。这种“卖出应用层、买入基础设施层”的操作，反映出机构对软件应用端在AI时代前景的深度悲观。

做空强度也前所未有。S3 Partners统计，2026年一季度，软件空头已获利约240亿美元。尤其在1月30日至2月5日的抛售高峰，空头开仓量是多头买入的两倍。

就连微软也未能幸免。1月28日微软公布Q2财报后一周内，机构增持空头头寸激增20%。高盛分析师指出：“微软正在从‘反弹股’滑向‘受压股’——7400亿美元的AI资本开支尚未转化为利润，反而压制了自由现金流。

散户逆势抄底：BTFD文化下的“黄金坑”信仰

与机构撤离形成鲜明对比，散户展现出惊人勇气。

Vanda Research数据显示，2026年2月初，散户对科技与软件股的净流入创历史新高。其中，贝莱德iShares北美扩展科技软件ETF（IGV）在截至2月9日的一个月内吸金1.76亿美元，是2024年底峰值的两倍以上。

具体个股层面，2月6日，亚马逊创下2024年8月以来最大散户单日净买入，甚至超过英伟达；微软、Palantir、Salesforce等机构眼中的“生存危机”股，散户却视其为被AI恐慌“错杀”的优质资产。

分析认为散户的抄底建立在三层逻辑之上。

第一，历史经验强化“逢低买入”信念。 2025年4月3日，因美国加征关税，标普500单日暴跌5%，散户当日注资超30亿美元，创2014年以来单日最高纪录。此后市场迅速反弹，验证了“BTFD”（Buy The Fu*king Dip）策略的有效性。如今面对AI恐慌，散户再次将其视为又一次被夸大的卖空借口。

第二、技术指标的极端信号。截至2月初，标普北美软件指数14日RSI跌至近20，创2018年以来最低，技术派视其为动能衰竭、反弹在即的信号。

第三，对巨头转型能力的信任。散户相信微软、Salesforce等企业有能力将AI集成进入现有产品线。

不过也要提醒一点：散户的“逆势信念”不等于必然胜利。Dalbar的长期行为研究显示，普通投资者因追涨杀跌等情绪化交易，长期回报往往显著落后于标普500，时间成本是散户最容易忽视的代价。

放到估值层面看，软件板块P/E虽已回落至20倍以下，但相对标普500仍存在约260%的溢价；如果未来利润增速无法回到15%以上，这种溢价就缺少足够的基本面支撑，估值中枢仍有继续下移的可能。

但另一方面，市场也确实可能走向过度反应。黄仁勋公开表示，这轮软件抛售“最不符合逻辑”，他认为AI不会消灭软件，而是重塑软件的价值链条。换句话说，争论的核心不在“是否替代”，而在“替代发生的节奏”以及“谁能把AI整合成新的收入模型”。

因此，这场多空对决的核心，并不是短期涨跌，而是盈利兑现的节奏判断。机构押注旧商业模式承压，利润释放推迟；散户押注巨头能够完成整合，实现价值升级。在当前净敞口处于低位、空头仓位较重的背景下，一旦Q2财报或指引出现边际改善，就可能触发空头回补，反弹的力度往往会被放大。

但风险并不仅限于公开市场的多空博弈。过去几年，大量软件公司在高估值环境下被私募股权基金以杠杆方式收购。如果IPO窗口持续受限、并购市场降温，相关资产的估值调整可能会通过可比公司定价机制，反向传导至公开市场。

在2026年这个转折点上，简单的“全仓抄底”或“全面做空”都缺乏胜算。真正值得做的，是在分化中选择——规避缺乏AI能力与定价权的二线SaaS公司，同时关注兼具算力资源与应用场景优势的企业，例如微软（Azure+Copilot）与亚马逊（AWS+Bedrock+Q）。AI正在重构软件行业，但重构是渐进的，而非瞬间完成。

好了，今天的视频就到这里，CPO 逻辑下你最认可哪家公司？你对软件股什么看法，欢迎评论区留言一起讨论，觉得视频内容不错，记得点赞，评论加转发，点赞过1000我会在中国农历新年加班，不去拜访亲戚要红包，996加班为大家制作英伟达财报前瞻预测视频，因为我手中掌握了很多有力的数据。这里提前祝大家新年快乐！