AI 基建投資地圖：拆解六層物理基建 Stack 嘅機會同風險

AI 唔再淨係軟件嘅事。隨住大模型參數量突破萬億、訓練算力每年翻倍，AI 嘅物理基建需求已經成為全球股票市場最重磅嘅主題之一。從晶圓廠裏面嘅 EUV 機，到數據中心外面嘅變電站，再到支撐 GPU cluster 嘅光纖同 HBM 記憶體——呢條價值鏈上面每一層都已經跑出咗贏家，亦都埋伏緊估值陷阱。

今次用 Sergey CYW 整理嘅 AI Infrastructure 六層框架做藍本，由下而上拆解每一層嘅商業邏輯、入場位置、風險位，幫你建立一份清晰嘅 AI 基建投資地圖。

六層架構概覽

成個 stack 嘅故事其實好簡單。AI 算力需求爆發 → hyperscaler（Microsoft、Google、Meta、Amazon）要瘋狂建數據中心 → 需要更多 GPU、更多 HBM 記憶體、更多網絡設備、更多電力。呢條鏈條上面分六層：

• Layer 1（製造設備層）：台積電、ASML、Applied Materials、Lam Research、KLA — 晶圓製造嘅「工具機」
• Layer 2（晶片層）：NVIDIA、AMD、Intel、Broadcom — 真正嘅 AI 大腦
• Layer 3（記憶體層）：Micron、SK Hynix、SanDisk、Samsung、Kioxia、Seagate、Western Digital — 訓練同推理都要用嘅 HBM、DDR、NAND
• Layer 4（網絡光學層）：Marvell、Astera Labs、Arista、Silicon Labs、Rambus、Coherent、Lumentum — GPU 之間傳數據嘅光纖同銅纜
• Layer 5（雲基建層）：Nebius、IREN、CoreWeave、Applied Digital — 專做 AI 訓練嘅 NeoCloud
• Layer 6（能源層）：Bloom Energy、Constellation Energy、Vistra、GE Vernova、EOG、Quanta Services、Nextera — 數據中心背後嘅電力、燃氣、核能、電網建設

呢個 stack 嘅特點係層與層之間高度互鎖。Layer 1 嘅設備落唔到地，Layer 2 就造唔到芯片；Layer 2 嘅 GPU 唔夠，Layer 3 嘅 HBM 就無用武之地；Layer 4 嘅頻寬唔夠，再多 GPU 都 cluster 唔起來；Layer 5 嘅雲容量建唔起，hyperscaler 就唔夠算力賣；Layer 6 嘅電力接駁唔到，成條鏈直接停擺。

每一層嘅商業模式

Layer 1 — 製造設備：寡頭壟斷嘅賣鏟人

呢層係整個 stack 裏面護城河最深嘅。台積電喺 3nm 同 2nm 製程良率遙遙領先，Samsung 同 Intel 仲追唔上；ASML 嘅 EUV 機全球獨家，唔存在第二個供應商；Applied Materials、Lam Research、KLA 呢三隻設備商雖然規模較細，但佢哋各自喺沉積、蝕刻、量測三個工序佔據主導地位，技術迭代慢、客戶綁定深，基本上係賺印鈔票式嘅生意。

呢層嘅收入節奏跟住晶圓廠嘅資本開支。Hyperscaler 落單建 GPU 集群，TSMC 就要擴產能，擴產能就要買新機台，於是 ASML、AMAT、LRCX 嘅訂單簿就會提前 12-18 個月暴漲。呢層嘅風險係 cyclically — AI capex 一放緩，估值會即刻被殺。

Layer 2 — 晶片：贏家通吃嘅賽局

NVIDIA 佔咗 AI 加速器 90% 以上嘅市佔，CUDA 軟件生態嘅黏性令到客戶即使想分流都走唔甩；Broadcom 同 Marvell 喺 ASIC 客製化晶片領域食到 hyperscaler 嘅份額（Google TPU、Meta MTIA、AWS Trainium 都係佢哋設計），毛利仲厚過 NVIDIA。

AMD 嘅 MI300 系列算係後起之秀，但市佔仲係個位數，要搵到第二個 hyperscaler 客戶先有突破。Intel 係呢層最弱—18A 製程良率同 Foundry 業務都未明朗，屬於需要避開嘅位置。

呢層嘅邏輯好簡單：跑贏大市嘅方法就係 long 寡頭、short 追趕者。

Layer 3 — 記憶體：HBM 周期最猛

AI 訓練對 HBM（高頻寬記憶體）嘅需求係結構性嘅。一張 H200 GPU 要配六顆 HBM3E，HBM 嘅單位售價係常規 DRAM 嘅 5-7 倍，仲要排隊先買到。SK Hynix 係 HBM3E 龍頭，NVIDIA 認證最快、供貨最穩，呢隻基本上係 Layer 3 嘅 sweet spot。

Micron 起步稍慢但 DRAM 周期復甦同步帶動，SanDisk（從 Western Digital 拆出）主打 NAND 周期。至於 Seagate 同 Western Digital 嘅 HDD 業務已經偏離 AI 主題，可以略過。

Layer 4 — 網絡光學：被低估嘅升級周期

呢層係成個 stack 裏面最被低估嘅一組。原因好簡單：GPU cluster 越大，需要嘅光互連、銅纜、交換器數量係指數級增長，唔係線性。800G 升級到 1.6T 嘅週期剛開始，呢個轉換期通常 18-24 個月，期間設備商會享受到價量齊升嘅甜蜜期。

Astera Labs 係 AI 光學領域最純嘅 exposure，Arista Networks 係 hyperscaler 數據中心網絡嘅龍頭，Marvell 嘅客製化 silicon 直接同 Broadcom 競爭，Coherent 同 Lumentum 係傳統光通訊商喺 AI 轉型中。

Layer 5 — 雲基建：最高 beta 嘅 AI 純概念股

CoreWeave、Nebius、IREN、Applied Digital 呢四隻都係專做 AI 訓練嘅 NeoCloud。佢哋唔係傳統 hyperscaler，唔搶企業客戶生意，而係直接向 AI 創業公司、研究機構賣 GPU 算力。呢層嘅特點係超高 beta：業績超預期就 double，miss 就跌 50%，只適合短炒或者投機倉位。

Nebius 係俄羅斯 Yandex 拆分出嚟嘅歐洲 AI cloud，IREN 本來做 Bitcoin 礦場轉型過嚟，CoreWeave 係 NVIDIA 早期投資嘅項目，Applied Digital 主力建 AI hosting 數據中心。

Layer 6 — 能源：AI 嘅真正樽頸

呢層先係成個 stack 嘅命脈。國際能源署預測到 2030 年全球數據中心電力需求會佔全美 8-12%，呢個係結構性順風最強嘅一組。

GE Vernova 嘅燃氣輪機全球龍頭，backlog 已經排到 2030；Constellation Energy 同 Vistra 主力做核電同天然氣重啟；Quanta Services 做電力基建同變電站建設；Nextera 係美國最大再生能源商；Bloom Energy 做燃料電池（比較 niche）；EOG 係油氣探勘商（同 AI 主題關聯較間接）。

多空平衡分析

利好因素

第一，AI 需求嘅結構性增長未見頂。OpenAI、Anthrop、Google Gemini、Meta Llama 嘅模型參數量仲係每年 5-10 倍增長，每一代模型都對算力有剛性需求。Hyperscaler 嘅 capex 指引只升不跌，Microsoft 已經承諾 FY2026 投入超過 $80B 喺 AI 基建，Google、Amazon、Meta 全部跟住加碼。

第二，Layer 1 同 Layer 6 嘅護城河深到無對手。ASML 嘅 EUV 機要再培養一個競爭對手至少 15 年，台積電嘅 3nm 良率 Samsung 同 Intel 追咗 3 年都追唔上。GE Vernova 嘅燃氣輪機 backlog 排到 2030，期間新進入者根本冇可能插到位。

第三，美國能源政策轉向。Trump 政府對核電、燃氣嘅監管明顯鬆綁，data center 可以用 nuclear + gas 嘅混合供電方案。Layer 6 嘅政策順風只會越吹越強。

第四，HBM 周期仍然向上。HBM3E 仲係供不應求，HBM4 嘅規格仲未落定，呢個升浪最少仲有 12-18 個月。

利淡因素

第一，估值已經好貴。Layer 2 嘅 NVIDIA 嘅 PE 35+、Forward PE 28，已經 price in 完美執行；Layer 5 嘅 CoreWeave 同 Nebius 完全無傳統意義嘅 PE 可以參考，市銷率（PS）已經炒到 30-50 倍。一旦 AI capex 增速放緩，呢啲高估值個股會順週期殺估值。

第二，Layer 1 嘅 cyclical 風險。晶圓設備商嘅收入跟住晶圓廠 capex 周期，AI 泡沫一旦破滅，台積電、Intel、Samsung 嘅 capex 會同步縮減，AMAT、LRCX、KLAC 嘅訂單會即刻冷卻。

第三，中國出口管制嘅不確定性。ASML、TSMC、AMAT 對中國嘅出口持續被美國政府施壓，如果管制升級到連成熟製程都唔俾出，呢啲公司嘅中國收入會受重擊。

第四，AI 商業化嘅時間表仲未明朗。OpenAI 仲未實現盈利，Anthrop 燒錢速度仲快過收入增長。如果 AI 商業化嘅速度比預期慢，hyperscaler 會縮減 capex，整條鏈會即刻見頂。

第五，Layer 4 嘅競爭升溫。Broadcom 開始染指光學，傳統光通訊商 Coherent、Lumentum 加快研發，呢層嘅毛利率可能會被壓縮。

投資判斷

短線（3-6 個月）

優先持有 Layer 1 + Layer 6 嘅寡頭。呢兩層護城河深、估值合理、政策順風強，喺 macro 震盪環境下防守性最好。具體配置：ASML、TSM、GE Vernova、Constellation Energy。

Layer 2 嘅 NVIDIA 可以繼續持有，但唔建議加倉，等待回調到 50 日均線附近先考慮分批建倉。Broadcom 因為 ASIC 業務高毛利，可以略為超配。

Layer 3 嘅 HBM 鏈（SK Hynix、Micron）仲有上行空間，但唔好喺現價追高，等回調 8-10% 再分批入場。

Layer 4 嘅 Astera Labs、Arista 適合短線操作，因為 800G → 1.6T 升級週期會有階段性炒作。

Layer 5 嘅 NeoCloud 概念股只可以做投機倉（組合 5-10%），核心倉唔好放呢層。

中長線（1-3 年）

核心配置 Layer 1 同 Layer 6，呢兩層嘅商業模式最難被破壞，AI 算力需求增長嘅長期趨勢仲未結束。ASML 嘅 EUV 機獨家地位可以維持到 2030 年後，GE Vernova 嘅燃氣輪機 backlog 已經排到 2030 年，呢啲都係 sleep-well-at-night 嘅優質資產。

衛星配置 Layer 4，等待 1.6T 升級週期全面落地，呢層嘅增長爆發力強但波動大，適合做衛星倉。

減持 Layer 2 嘅 Intel，無論短期反彈幾多，呢隻股票嘅基本面仲未見底，避開就好。

觀望 Layer 5 嘅 NeoCloud，等 2026 年底業績出咗先再判斷，呢層嘅高估值需要實際盈利增長支撐，否則就係泡沫。

關鍵追蹤指標

判斷成個 stack 嘅健康度，要持續睇以下幾個數據：

第一，hyperscaler capex 季度 run-rate。Microsoft、Google、Meta、Amazon 每季公佈嘅 capex 指引係最直接嘅領先指標。如果有任何一隻 hyperscaler 開始縮減指引，就要即刻警惕。

第二，NVIDIA 數據中心收入同比增速。呢個係 Layer 1-4 嘅核心驅動力，放緩就代表成條鏈見頂。

第三，台積電月度營收。台股 2330 嘅月度營收係全球 AI 需求嘅最即時指標。

第四，HBM 售價同供貨週期。HBM3E 嘅 ASP 同交期可以預判 Layer 3 嘅利潤率變化。

第五，電力接駁輪候時間。Data center 起唔起到，最終係睇當地電網嘅接駁輪候。PJM、ERCOT 嘅輪候時間越長，Layer 6 嘅需求越強。

第六，OpenAI 同 Anthrop 嘅營收增長。AI 商業化嘅速度直接影響 hyperscaler 嘅 capex 持續性。

結語

AI 基建 stack 嘅故事仲喺度展開，但位置同估值已經唔同咗。Layer 2 嘅純 AI beta（NVIDIA）已經太貴、Layer 5 嘅 NeoCloud 過熱，反而 Layer 1 嘅製造設備、Layer 4 嘅網絡光學、Layer 6 嘅能源仲有合理入場位。

AI 主題唔係一隻股票嘅事，而係一條鏈嘅事。由下而上揀選護城河最深、估值最合理、政策順風最強嘅環節，先至係長線跑贏大市嘅方法。

⚠️ 聲明：以上內容僅為資訊分享同框架拆解，不構成任何投資建議。AI 基建主題估值高、波動大、周期性強，請獨立判斷、嚴控倉位、做好停損。過去表現唔代表未來回報，投資涉及風險，請審慎決策。