Global AI investment trade and infrastructure cycle研报解读

概览

HSBC围绕全球AI交易的七项主要投资者争议展开分析：商业化、模型价格通缩、超大规模云厂商资本开支与融资、韩国存储器、中国内地本土化以及组合配置。其核心观点仍偏积极，但下一阶段取决于AI收入和单位经济效益能否支撑基础设施投资规模。

核心观点

HSBC认为，AI商业化仍有较大增长空间。Anthropic和OpenAI的年化收入运行率分别为USD65bn和USD40bn，企业采用仍处早期阶段：AI月度人均支出中位数为USD12，而最高支出十分位数为USD650。金融和制造业的AI支出年初至今分别增长3.5x和2.5x。微软在Q2-26报告付费M365 Copilot席位超过30m，净新增席位环比增长超过一倍；Alphabet则称近90%的财富100强使用Gemini Enterprise。HSBC认为企业预算足以吸收更高的AI支出：若标普500平均公司的人均月度支出达到USD650，年支出将为USD250bn，相当于EBITDA的5%、工资的8%及研发支出的27%。模型能力提升是这一逻辑的核心，因为更长、更可靠的任务完成能力可使AI从处理单个提示词转向执行端到端工作流。METR数据显示，Claude Mythos完成时长超过三小时任务的成功率为80%，而Claude Opus在2025年5月达到类似成功率时只能处理约20分钟的任务。HSBC将Anthropic拟议的S-1视为检验商业化逻辑的关键，其客户集中度、留存率、扣除推理成本后的毛利率、算力承诺和现金转换比营收增长更重要。 在模型定价和竞争方面，HSBC承认Token价格正在下降——平均Token价格较2026年5月高点下跌50%——且中国模型的Token量份额接近50%。但其认为，这些变化未必会降低AI总支出。报告援引杰文斯悖论：自6月以来Token量已增长近3倍，OpenRouter的折扣使OpenAI Terra和Luna模型的日使用量分别增长5.6x和13.8x，而未打折模型仅增长1.1x。报告区分了Token量和Token支出：自2025年以来，Anthropic和OpenAI仍占约80%的支出。它还认为，对于复杂工作负载，单任务成本比单Token成本更重要；OpenAI Astra每百万Token成本为USD7.7，约为Kimi3的6.5x，但因能力更强，其单任务成本仅为后者的两倍。HSBC预计，美国前沿模型将在复杂推理和智能体应用中保持优势，而中国和开放权重模型将在高吞吐、价格敏感及专业化工作负载中扩大份额。即使采用开放模型，超大规模云厂商仍可通过云接入、加速器租赁、存储和数据库实现商业化。 报告承认超大规模云厂商投资规模庞大，但认为目前几乎没有整体产能过剩的证据。市场一致预期美国超大规模云厂商资本开支在2026年为USD770bn、2027年为USD1.1trn，自Q2财报季开始以来分别上调USD170bn和USD260bn。未偿采购及尚未起租的租赁承诺合计约USD2.5trn，S&P Global Ratings预计2025年至2030年数据中心和AI相关支出将超过USD7trn。与此相对，微软、亚马逊、Alphabet和甲骨文的剩余履约义务在Q2-26达到约USD2.35trn，高于一年前的USD815bn。剔除OpenAI后，微软商业RPO增长25%；Alphabet的USD514bn Cloud积压订单主要来自标准GCP合同，略高于一半预计在24个月内转化为收入。NVIDIA B200和H100 GPU租赁价格坚挺也表明可用算力仍稀缺，部分原因是电力、建设和调试延迟了新增产能投放。HSBC预计，到2030年AI生态系统年收入约为USD920bn，其中企业贡献75%，并预计超大规模云厂商ROIC虽下降但到2028年仍将达到17%。若算力价格走弱、积压订单增长放缓或利用率开始下降后资本开支仍维持当前速度，产能过剩风险将更为显著。 不过，HSBC强调投资和商业化之间存在时间错配。超大规模云厂商自由现金流已转负，预计将持续承压至2027年底，因为支出先于2030年预期实现的收入机会。2026年迄今债务发行额接近USD250bn，五家超大规模云厂商与CoreWeave的尚未起租租赁承诺超过USD1trn，可能支持约USD400bn-500bn的表外借款，而已发行债券略高于USD500bn。融资灵活性可使资金与单个数据中心资产匹配，但信贷市场敏感度正在上升：债券收益率和CDS利差均已走高，甲骨文被下调至BBB-则显示负自由现金流、杠杆上升和客户集中可能带来的压力。GPU和AI服务器预计将占2026年超大规模云厂商资本开支约70%。HSBC预计，折旧与摊销将从2024年的USD110bn升至2030年的USD730bn-930bn，而市场一致预期ROE将从Q2-26的38%峰值降至Q4-28的23%。因此，该周期长期或具经济合理性，但仍可能带来数年的股东回报走弱。 在韩国存储器经历调整后，HSBC仍看好该板块。相关股票较峰值低约35%，其市场隐含盈利模型显示，投资者将三星电子和SK海力士的预期盈利周期时长从约六年压缩至2.5年。新兴市场科技板块的外资卖出年初至今约为USD150bn，其中6月以来为USD60bn；杠杆单一股票ETF资产则从峰值USD37bn降至USD10bn。HSBC认为卖压已大致消退，波动率下降可支撑估值。基本面受到超大规模云厂商资本开支上升的支持：其估计美国超大规模云厂商资本开支约70%用于GPU和服务器，其中近30%用于存储器。HBM4、服务器DRAM、eSSD需求和供应紧张均被视为催化因素。主要下行风险是CXMT扩大传统DRAM供应，其产能到明年初可能每月增加约200,000片晶圆至300,000片，DRAM份额可能从低于8%升至2028年的18%。HSBC认为长期协议、保证金和价格底线可提供部分保护。报告还强调股东回报上升，包括SK海力士KRW40trn回购并注销，以及三星预计2026年股东回报KRW90trn-110trn。 对于中国内地，HSBC偏好以本土市场为主的AI半导体和硬件产业链，推力来自推理需求增长、本土化和政策支持。国内晶圆厂仅供应该国存储器和算力需求的不足15%，因此新增本地产能能够替代海外供应。效率较低的国产芯片需要更多芯片、封装、网络和电力来提供等量可用算力，使加速器以外的设备、服务器、散热、数据中心和电力基础设施也可能受益。光刻仍是约束因素：自2019年以来，中国无法获取最先进EUV设备，且在2028年前不太可能制造国产EUV机。HSBC引用SMIC Q2业绩作为本土化转化为基本面的证据：AI周边芯片收入环比增长约40%，产能利用率接近94%，晶圆ASP环比上升5.7%。其认为随着生产转向本土，Naura、AMEC和ACM Research等设备供应商将受益。相较之下，报告对美国收入敞口更高的光模块公司更为谨慎，原因是FCC限制；对互联网应用也更为审慎：Alibaba外部云收入在Q2-26同比增长45%，但Tencent的新AI项目使经营利润减少约RMB10.5bn，其RMB52.8bn资本开支同比增长176%，并使自由现金流转负。 在组合配置上，HSBC偏好需求和商业化前景强、估值较不拥挤的领域。其日益倾向于新兴市场，包括韩国存储器、台湾半导体和先进封装，以及中国内地半导体设备和电力基础设施。在台湾，超大规模云厂商更多采用定制ASIC，使需求从GPU扩展到先进封装；亚洲OSAT公司已将2026年资本开支上调超过80%，但CoWoS设备交付周期可达12个月，且产能预计至少到2027-28年仍将紧张。在美国，HSBC将半导体排在超大规模云厂商和软件之前，因为半导体和云基础设施收入较少依赖于哪一种模型或应用最终胜出。其认为近期软件轮动更多由空头回补推动，而非基本面实质改善。在欧洲，其同样聚焦半导体，理由是模拟芯片周期数据正在增强，潜在提价可能改善产能利用率和盈利能力。

分析框架

HSBC以七项投资者争议为报告结构，通过比较采用率、支出、Token使用量、积压订单、算力定价、融资、盈利预期、供应约束和估值信号，检验AI收入能否支撑基础设施建设，并识别区域和行业的相对敞口。

方法论与常识提炼

• 行业/产业分析框架供需框架

  算力、存储器和先进封装的供需分析

  报告使用积压订单、GPU租赁价格、产能利用率、设备交付周期和供应约束，判断AI基础设施需求是否超过可用产能。

• 公司基本面与财务框架ROIC–WACC 利差

  超大规模云厂商的投入资本回报率

  HSBC评估巨额AI资本开支能否仍获得足够回报，并预测尽管ROIC下降，2028年仍为17%。

• 事件博弈与行为金融预期差/预期管理

  韩国存储器的市场隐含盈利周期预期

  报告将当前隐含盈利假设与市场高点时的假设比较，据此认为投资者预期已变得更为悲观。

• 其他

  杰文斯悖论

  HSBC使用这一概念说明，较低Token价格可刺激足够大的使用量增长，从而增加而非减少AI总支出。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Samsung Electronics (005930 KP)

  受益于AI驱动的GPU、服务器DRAM和HBM需求的韩国存储器受益者

  优势

  存储器需求、长期协议和预期股东回报

  劣势

  传统DRAM敞口

  对比

  市场隐含盈利周期时长较峰值已大幅压缩

  风险

  中国生产商扩大传统DRAM供应

• SK Hynix (000660 KP)

  受益于HBM4、服务器DRAM和eSSD需求的韩国存储器受益者

  优势

  多年客户协议和KRW40trn回购并注销

  劣势

  较高的已实现波动率

  对比

  报告将其与Samsung一同视为板块调整后的重新布局机会

  风险

  中国传统DRAM产能扩张

• Naura, AMEC, ACM Research

  中国内地国内半导体设备订单的潜在受益者

  优势

  受益于本土生产和本土化

  对比

  受益于国内硬件建设，而非AI应用商业化

  风险

  技术约束和本土化执行风险

• US semiconductors and cloud infrastructure

  美国市场首选的AI敞口

  优势

  无论哪种模型或应用胜出，均直接受益于训练和推理增长

  劣势

  依赖资本开支和商业化持续

  对比

  优先于超大规模云厂商，后者优先于软件

  风险

  算力价格走弱、积压订单增长疲软和利用率下降

关键数据

• Anthropic年化收入运行率USD65bn据报为2026年7月数据
• OpenAI年化收入运行率USD40bn于2026年8月报道
• 美国超大规模云厂商资本开支USD770bn in 2026e; USD1.1trn in 2027e市场一致预期，分别上调USD170bn和USD260bn
• 超大规模云厂商RPO积压订单Approximately USD2.35trnQ2-26为该水平，而一年前为USD815bn
• 超大规模云厂商融资Nearly USD250bn debt issuance in 2026; more than USD1trn uncommenced lease commitments后者可能支持约USD400bn-500bn的表外借款
• 韩国存储器调整幅度Approximately 35% below peakHSBC认为调整改善了估值、持仓和盈利风险
• SMIC AI周边芯片收入增长Approximately 40% q/q最新Q2业绩；产能利用率接近94%，晶圆ASP环比上升5.7%

影响与含义

HSBC对AI的建设性观点基于企业采用持续、基础设施需求稳健和供应受限，但其区分了长期经济潜力与近期现金流、杠杆和回报压力。报告偏好直接受益于AI基础设施需求的区域和产业链敞口，并认为软件和中国互联网商业化需要更高选择性。

风险

• AI基础设施供应最终可能增长快于足以支持资本开支的收入。
• 自由现金流压力、杠杆上升、租赁承诺和更高融资成本可能拖累超大规模云厂商的股东回报。
• 算力价格走弱、积压订单增长放缓或利用率下降将加剧产能过剩担忧。
• CXMT快速扩产可能压低传统DRAM价格并影响韩国存储器盈利。
• 中国内地的技术限制，包括先进EUV设备获取受限，可能制约本土化进展。
• 美国敞口较高的中国光模块公司面临FCC限制带来的结构性压力。

后续跟踪

• Anthropic拟议S-1中有关客户集中度、留存率、推理后毛利率、算力承诺和现金转换的披露。
• 企业AI支出和模型能力能否持续转化为可持续商业化。
• 超大规模云厂商的积压订单增长、GPU租赁价格、算力利用率和资本开支修订。
• 超大规模云厂商收入增长相对于折旧、融资成本和资产规模扩张的速度。
• CXMT产能增加、DRAM市场份额提升，以及韩国存储器长期协议提供的保护。
• 中国本土化指标，包括国内晶圆厂利用率、设备订单和AI硬件需求。