AI產業硬件利潤大增、軟件估值腰斬：機構用腳投票的真相

文 | 多空象限

2026年第一季度，AI產業迎來了一個重要的分水嶺。市場正在告別2023至2025年間以“流動性溢價+概念炒作”為主導的階段，進入一個以“盈利兌現優先、硬件占優”為特征的新周期。這一轉變標志著AI產業的核心邏輯，正從“講故事”走向“看報表”。

從三個維度可以清晰地看到這一投資邏輯的根本變化：

首先，純軟件及AI應用公司的平均市盈率從2025年的65倍回落至2026年一季度的35倍，而GPU、服務器、光模塊等AI硬件龍頭的市盈率則維持在45-55倍的高位，且業績持續超預期，估值分化加劇。

其次，一季度公募基金的AI持倉中，硬件板塊占比從2025年的42%大幅提升至68%，軟件板塊則從58%降至32%，機構“用腳投票”的趨勢愈發明顯，資金流向出現逆轉。

最后，一季報數據顯示，AI硬件公司平均凈利潤同比增長85%，而AI軟件公司僅增長12%；股價表現與業績增速的相關性從0.3顯著提升至0.78，業績驗證正成為股價的核心催化劑。

AI投資為何轉向硬件？

從宏觀層面來看，流動性環境正在邊際收緊。2026年，全球主要央行進入“higher for longer”階段，流動性寬松周期正式結束，估值擴張的時代宣告終結。美聯儲聯邦基金利率維持在4.75%-5.00%區間，10年期美債收益率在4.2%-4.5%的高位震蕩。中國央行則在一季度凈回籠MLF 6000億元，DR007從2025年的平均1.8%升至2.1%。與此同時，納斯達克100指數的遠期市盈率從2025年末的28倍降至2026年4月的23倍。

我們可以看到一條從宏觀利率變化到公司估值的清晰傳導路徑：在流動性收緊的背景下，缺乏現金流支撐的高估值公司首當其沖，投資者從追逐“市夢率”回歸到關注“市盈率”。硬件公司因擁有真實訂單和利潤，成為資金的避風港。中信證券在研報中指出：“流動性拐點確認后，AI投資必須從‘估值驅動’轉向‘盈利驅動’，硬件環節因業績確定性最高，將成為資金首選配置方向?！备呤⒁脖硎荆骸霸诟呃虱h境下，我們下調純軟件AI公司目標價15%-25%，同時上調硬件龍頭目標價10%-15%?！?/p>

除了宏觀環境變化，一季度財務數據也揭示了硬件與軟件板塊之間的顯著分化。兩者在盈利兌現能力上的差異，是表現“冰火兩重天”的另一關鍵原因。硬件端呈現出“量價齊升”的黃金期：大模型訓練和推理需求爆發，GPU供不應求，服務器廠商訂單飽滿，光模塊用量激增（800G/1.6T產品單價提升30%-50%），規模效應疊加技術壁壘，推動毛利率持續提升。

而軟件端則陷入“增收不增利”的困境：大模型同質化嚴重，價格戰激烈（API調用價格在2025-2026年間下降60%），獲客成本高企，商業化落地緩慢，盈利模式尚未跑通。

中金公司預計2026年硬件環節凈利潤增速將是軟件的5-7倍。摩根士丹利強調：“軟件公司的單位經濟模型尚未改善，獲客成本仍高于客戶終身價值，這是估值下修的根本原因?！?/p>

機構持倉與調研方向的轉變，則是資金“用腳投票”的最直接體現。對比2026年一季度與2025年四季度的持倉數據，公募基金增持前三名分別為英偉達（+3.2%）、中際旭創（+2.8%）和工業富聯（+2.1%）；減持前三名則分別為某AI語音公司（-4.5%）、某AI辦公公司（-3.8%）和某大模型創業公司（-3.2%）。

從調研頻次來看，2026年3-4月，AI硬件公司平均每月接待機構調研15.6次，而AI軟件公司僅為6.3次。調研問題的關注點也明顯不同：硬件公司被問及“產能擴張進度、訂單可見度、毛利率趨勢”；軟件公司則被關注“付費轉化率、續費率、盈虧平衡點”。華泰證券指出：“機構調研的‘硬件偏好’反映了市場對確定性的追求。硬件公司的訂單可見度已達12-18個月，而軟件公司的收入預測誤差率仍高達40%?！?/p>

AI硬件產業鏈：盈利兌現的“黃金賽道”

GPU芯片：算力需求的“賣水人”

全球GPU市場規模正從2025年的450億美元快速增長至2026年的820億美元，同比增長82%。

龍頭公司財務表現亮眼，英偉達2026年一季度營收達440.62億美元，同比增長69.18%；凈利潤187.75億美元，同比增長26.17%；毛利率維持在60.5%的高位。

A股龍頭中際旭創一季度營收194.96億元，凈利潤63.17億元，毛利率46.1%。訂單可見度方面，2026年全年產能已售罄，2027年一季度訂單也已開始排產，供需失衡至少持續至2027年。

競爭格局方面，英偉達在訓練芯片市場占據90%的份額，H200/B100系列供不應求；AMD的MI300系列快速放量，2026年一季度數據中心營收同比增長156%，市場份額從5%升至8%。

國產替代方面，華為昇騰910B產能持續爬坡，2026年預計出貨15萬片（同比增長200%），但生態壁壘仍是挑戰。瑞銀認為：“國產GPU在推理端有望實現20%-30%的替代率，但在訓練端仍需3-5年追趕?！?/p>

AI服務器：算力落地的“承載者”

全球AI服務器市場規模預計從2025年的380億美元增至2026年的650億美元，同比增長71%；中國AI服務器市場則從120億美元增至210億美元，同比增長75%。AI服務器正呈現出“量價齊升”的局面：大模型參數量每18個月翻10倍，訓練集群規模從千卡級邁向萬卡級，服務器需求量指數級增長；單機價值量從2023年的8萬美元升至2026年的15萬美元（其中GPU占比從60%升至70%）。頭部廠商如工業富聯、浪潮信息、超微電腦憑借供應鏈管理和交付能力，市場份額持續提升。

從一季度財務表現看，工業富聯AI服務器營收占比從25%升至48%（預測），毛利率提升2.3個百分點至9.8%；浪潮信息AI服務器出貨量同比增長95%（預測），經營現金流凈額轉正。招商證券表示：“AI服務器是‘鏟子股’邏輯最清晰的環節，訂單可見度達18個月。預計2026年頭部廠商凈利潤增速將超80%?！被ㄆ煲仓赋觯骸胺掌鲝S商的議價能力正在提升，毛利率拐點已現，這是過去三年未見的積極信號?！?/p>

光模塊：算力網絡的“血管”

技術迭代是光模塊行業持續增長的核心動力。速率從400G到800G再到1.6T，2026年800G滲透率將從35%升至65%，1.6T開始小批量出貨；萬卡集群的光模塊用量從2023年的25萬只升至2026年的80萬只，增長220%；800G光模塊單價約800美元，1.6T產品單價預計在1500-1800美元。

中國廠商在全球光模塊市場中占據70%的份額（代表企業有中際旭創、新易盛、天孚通信），一季度頭部公司凈利潤同比增長70%-90%，毛利率維持在35%-40%的高位。光大證券認為：“光模塊是AI硬件中‘彈性最大’的環節，1.6T產品放量將推動2026-2027年行業復合增速超60%?！?/p>

其他關鍵環節：HBM、先進封裝、液冷

HBM（高帶寬內存）2026年市場規模預計達120億美元，同比增長95%，SK海力士、三星、美光三足鼎立，國產長鑫存儲正在加速追趕。先進封裝（CoWoS）產能瓶頸制約GPU出貨，臺積電2026年CoWoS產能翻倍仍供不應求。液冷散熱方面，單機柜功率密度從20kW升至50kW，液冷滲透率從15%提升至45%。

AI軟件與應用：困境中的破局探索

與硬件端的火熱形成鮮明對比的是，AI軟件與應用當前正面臨三重商業化困境。

大模型同質化嚴重，全球大模型數量從2023年的80個激增至2026年的650個，但性能差異卻在縮小。MMLU基準測試顯示，頭部模型得分集中在85-88分區間，難以形成顯著差異化。

價格戰壓縮盈利空間，API調用價格從2023年的0.03美元/千tokens降至2026年的0.012美元/千tokens，降幅達60%。國內大模型價格戰更為激烈，部分廠商甚至打出“免費換流量”的策略。

付費轉化率低下，企業端POC（概念驗證）轉化率僅15%-20%，平均銷售周期從3個月延長至6個月；消費端付費用戶占比普遍低于5%，ARPU值難以提升。

上市公司財報很好地佐證了這些困境，某頭部AI辦公公司2026年一季度營收同比增長35%，但銷售費用率從45%升至58%，凈利潤率從8%降至-3%。某AI語音公司活躍用戶數增長120%，但付費用戶僅增長25%，獲客成本是客戶終身價值的2.3倍。

破局的方向正在從“通用大模型”轉向“垂直場景深耕”。具體包括：行業大模型+私有化部署，金融、醫療、法律等垂直領域因數據壁壘和合規要求，私有化部署成為剛需；AI Agent（智能體）從“對話”走向“執行”，用戶不愿為“聊天”付費，但愿意為“完成任務”買單。2026年一季度，AI Agent在客服、銷售、運維等場景的滲透率從8%升至22%，商業模式按任務完成量收費（如每成功處理一個訂單收費5元），單位經濟模型顯著改善；端側AI，即手機、PC、汽車的“AI化”。2026年AI手機滲透率預計達45%，帶動SoC、存儲、傳感器升級；L3級自動駕駛落地，單車AI算力從50TOPS升至200TOPS，商業模式為硬件銷售+軟件訂閱（如FSD每月99美元）。

國泰君安認為“軟件公司的出路在于‘垂直化+場景化’，通用大模型已成紅海，但金融、醫療等垂直領域仍有10倍空間?！币按遄C券也稱：“AI Agent是2026年最值得關注的軟件方向，我們預計2027年Agent市場規模將達150億美元，復合增速120%?！?/p>

市場展望：2026-2030年AI產業鏈發展趨勢

展望未來3-5年，AI硬件環節預計將保持強勁增長態勢。這一判斷主要基于三大原因：大模型迭代持續加速，參數量每18個月翻10倍的趨勢未變，訓練集群規模從萬卡級向十萬卡級演進，算力需求呈指數級增長；推理需求爆發式增長，AI應用從訓練端向推理端遷移，預計2027年推理算力需求將超過訓練算力，成為主要增長引擎；技術迭代帶來價值量提升，GPU從H200向B100、Rubin演進，光模塊從800G向1.6T、3.2T升級，HBM從HBM3向HBM4迭代，單機價值量持續提升。

興業證券預計，到2027年全球AI服務器專用ASIC出貨量將比2024年增長三倍。這一爆炸性增長的背后，是谷歌TPU基礎設施的強勁需求、AWS Trainium集群的持續擴展，以及Meta和微軟內部芯片產品組合的擴展。國金證券預測：“北美四大云廠商持續擴大AI基礎設施投資，2026年總投資金額有望達到6000億美元的歷史新高。Token數量的爆發式增長帶動了ASIC強勁需求，我們研判谷歌、亞馬遜、Meta、OpenAI及微軟的ASIC數量在2026-2027年將迎來爆發式增長?！?/p>

軟件環節則有望在2027年后迎來拐點。2026年軟件板塊仍處于估值消化和商業模式探索期，但2027年后，隨著AI Agent商業化落地和垂直領域大模型付費率提升，有望迎來業績拐點。關鍵觀察指標包括：付費轉化率從當前的15%-20%提升至30%以上，續費率從60%-70%提升至85%以上，經營現金流從負轉正，單位經濟模型跑通，AI Agent滲透率從當前的22%提升至50%以上。發展路徑大致為：2026年估值消化期，聚焦垂直領域和AI Agent試點；2027年商業化驗證期，頭部公司實現盈虧平衡；2028-2030年規模擴張期，付費率提升驅動利潤釋放。軟件環節的市場規模將呈現“前低后高”的增長態勢。

競爭格局方面，無論是硬件還是軟件，都將從“百花齊放”走向“強者恒強”。硬件環節頭部集中趨勢加?。篏PU領域英偉達、AMD雙寡頭格局穩固；光模塊中國廠商全球份額有望從70%提升至80%；服務器頭部廠商CR5從65%提升至75%。軟件環節則迎來垂直領域龍頭崛起，通用大模型公司大量出清，金融、醫療、法律等垂直領域及AI Agent龍頭憑借場景理解和付費轉化能力脫穎而出。區域格局上，中美分化加?。好绹贕PU、大模型領域保持領先，中國在光模塊、服務器、端側AI領域優勢擴大，國產替代加速推進。

當然，風險因素也不容忽視。技術迭代風險方面，量子計算、光子芯片等顛覆性技術若提前突破，現有GPU產業鏈可能面臨重構。地緣政治風險方面，美國對華AI芯片出口管制若進一步收緊，可能影響國產替代進度和全球供應鏈穩定。宏觀經濟風險方面，若全球衰退來臨，企業IT支出縮減，AI資本開支可能推遲，從而影響硬件需求。估值回調風險方面，硬件板塊2026年PE已達45-55倍，若業績增速放緩，可能面臨“戴維斯雙殺”。

結語

2026年，AI投資正從“野蠻生長”進入“精耕細作”的新階段。硬件環節憑借清晰的盈利模式和強勁的業績兌現能力，成為當前確定性最高的配置方向；軟件應用雖短期承壓，但垂直化、場景化、端側化的破局探索正在孕育新的機會。

流動性驅動退潮，盈利兌現成為唯一的“硬通貨”。市場正從“市夢率”思維轉向“市盈率”思維，投資者更加關注真實的訂單、利潤和現金流。硬件為王，GPU、服務器、光模塊構成的“黃金三角”，2026-2030年凈利潤復合增速預計超過45%，供需失衡至少持續至2027年，訂單可見度充足，毛利率持續提升。軟件待時，短期應規避通用大模型，重點關注垂直領域和AI Agent的突破性進展；2027年后，隨著商業化落地，軟件板塊有望迎來估值與業績的雙擊。

AI產業的長期趨勢并未改變——算力需求爆發式增長、推理端需求崛起、技術迭代加速，這三大動力依然強勁。唯有緊跟產業節奏、聚焦盈利兌現，方能在AI產業的“下半場”中贏得超額收益。

參考資料：

[1]AI硬件投資新階段：盈利兌現優先，中信證券

[2]AI產業鏈深度：硬件黃金期，軟件待拐點，中金公司

[3]Global AI Investment Strategy，Goldman Sachs

[4]AI Software Unit Economics Analysis，Morgan Stanley

[5]GPU：最確定的瓶頸，中信建投

[6]國產GPU替代路徑分析，瑞銀

[7]AI服務器：訂單可見度18個月，招商證券

[8]光模塊：1.6T驅動高增長，光大證券

風險提示及免責聲明

本文內容基于公開信息及券商研究報告整理，僅供參考，不構成任何投資建議。投資者據此操作，風險自擔。文中涉及的所有數據、觀點均來源于第三方機構，作者不對數據的準確性和完整性作任何保證。市場有風險，投資需謹慎。本文不構成對任何證券、基金及其他金融產品的推薦或要約，也不構成對任何投資策略的承諾。過往業績不代表未來表現，投資者應結合自身風險承受能力，在獨立判斷的基礎上審慎決策。