首页/研究/AI 算力链：从龙头溢价到二线弹性扩散
EN
AI 算力链：从龙头溢价到二线弹性扩散
2026年5月27日 Read in English

AI 算力链：从龙头溢价到二线弹性扩散

摘要

AI 算力行情已经不再只是 NVDA 的单点故事。2025 年初至 2026 年 5 月 26 日，本地市场数据库显示，LITE 累计 +965.5%、GLW +325.6%、AMD +313.5%、COHR +280.7%，同期 NVDA +54.7%。市场仍把 NVDA 当作需求锚，但更大的价格弹性已经转向光互联、玻璃、替代 GPU、ASIC、网络和代工链条。

这并不意味着二线链条的基本面已经同等兑现。更准确的说法是：市场正在把“下一层瓶颈”提前资本化。价格扩散是清楚的，盈利兑现还没有同样清楚。

核心发现

第一，AI 算力定价从 GPU 龙头确认，扩散到链条侧翼。LITE、GLW、AMD、COHR 的 2025 年以来涨幅都显著高于 NVDA。

第二，需求预期仍支持 AI capex 链条。分析师一致预期显示，NVDA FY2026 收入均值较 FY2025 增长约 65%，FY2027 再增长约 81%；AMD 对应为约 46% 与 53%；TSM 对应为约 38% 与 27%。这些是分析师一致预期，不是公司指引。

第三，估值压力集中在二线弹性名称。NVDA trailing PE 为 38.7，5 年历史百分位 54.5%；ANET 为 56.8，历史百分位 95.8%；LITE 为 506.7，历史百分位 97.8%，但历史天数只有 505，置信度低于 NVDA 与 ANET。

第四，新闻与搜索情绪支持半导体热度，但不适合作为主证据。GDELT 与 Google Trends 显示 AI / semiconductor 语境仍偏热；新闻情绪数据存在聚合源噪音，不能单独支撑结论。

从“龙头确认”到“瓶颈扩散”

如果只看 NVDA，2026 年的 AI 算力行情会显得不够极端。NVDA 从 2025 年 1 月 2 日的 138.31 美元涨到 2026 年 5 月 26 日的 213.90 美元，累计 +54.7%。这仍是强势表现，但不是链条中最强的一段。

真正极端的是侧翼。LITE 从 85.60 美元涨到 912.11 美元，累计 +965.5%；GLW 从 46.71 美元涨到 198.78 美元，累计 +325.6%；AMD 从 120.63 美元涨到 498.84 美元，累计 +313.5%；COHR 从 100.59 美元涨到 382.94 美元，累计 +280.7%。

这组数据说明，市场已经把 AI 算力问题从“谁卖 GPU”扩展为“谁卡住下一层供给”。GPU 仍是需求确认器，但边际瓶颈可能出现在光模块、光学材料、玻璃基板、交换机、ASIC 供给、先进封装或代工排产。

这类扩散有两面。正面是产业链的机会集变宽：AI capex 不只落在一个公司损益表里。反面是证据质量变得不均匀：NVDA 的收入与利润兑现最清楚，侧翼公司的 AI 收入拆分往往没有同样透明。

预期层仍在上修

一致预期没有否定 AI 需求。分析师一致预期显示，NVDA FY2025 收入均值约 1294 亿美元，FY2026 约 2137 亿美元，FY2027 约 3873 亿美元。对应增速约为 +65% 和 +81%。这解释了为什么 NVDA 仍是链条锚点：它的增长不是单纯叙事，而是被预期模型直接反映。

AMD 的路径更像第二供给者弹性。FY2025 收入均值约 341 亿美元，FY2026 约 499 亿美元，FY2027 约 763 亿美元，对应约 +46% 与 +53%。市场对 AMD 的反应，不是因为它已经取代 NVDA，而是因为在供给紧张叙事中，第二供给者的边际改善会被放大。

TSM 则更接近基础设施层。分析师预期以原始本币口径记录，显示 FY2026 收入增长约 38%、FY2027 约 27%。它的弹性弱于 AMD，却提供了另一种确认：AI 需求并不只停留在芯片设计公司，而是传导到制造层。

估值拥挤点不在 NVDA 本身

估值分位给出一个反直觉结论：NVDA 不是最拥挤的部分。截至 2026 年 5 月 26 日，NVDA trailing PE 38.7，5 年历史百分位 54.5%，历史样本 1254 天，置信度高。换句话说，NVDA 的绝对估值很高，但相对自身历史并不处在极端分位。

拥挤更集中在侧翼。ANET trailing PE 56.8，历史百分位 95.8%，confidence=high。LITE trailing PE 506.7，历史百分位 97.8%，confidence=medium。CSCO 与 GLW 也处在高分位区间。

这正是 AI 扩散行情的风险：价格弹性最强的标的，未必有最完整的基本面披露。市场给二线瓶颈更高弹性，是因为它们看起来更像“下一层短缺”；但当需求二阶导放缓，或者客户订单没有兑现到收入，这些侧翼名称通常也会更敏感。

情绪是背景，不是证据锚

GDELT 和 Google Trends 支持“半导体热度仍在”。本地新闻语调数据（GDELT）中，semiconductor 近 1 个月 tone 均值为 0.50，近 7 天为 0.63；artificial intelligence 近 1 个月为 0.27，近 7 天为 0.36。Google Trends 里，semiconductor 过去 12 个月平均 interest 为 60.0，最近 30 天均值为 72.4；AI 过去 12 个月平均为 65.6，最近 30 天为 76.2。

但新闻情绪不能当主锚。新闻情绪数据里，NVDA 与 AMD 相关文章很多，但大量来自 Yahoo 聚合与盘中榜单，ticker 关系弱，sentiment 分数也不完整。它可以提示叙事温度，不能替代公司收入、订单、资本开支和估值数据。

研究盲区

本地 EDGAR fundamentals 对 LITE、GLW、COHR 等光互联与材料链条覆盖不足。本文能确认价格扩散与估值分位，不能确认每家公司 AI 收入的真实拆分。

本地库没有全半导体板块估值，也没有全行业 forward PE。本文不把结论外推为“半导体板块整体低估或高估”。

新闻情绪 view 噪音较高。未来若要构造 ticker 级情绪指标，需要按 URL 与 related 字段重新清洗样本。

结论

AI 算力链已经进入第二阶段：NVDA 仍是需求锚，但价格弹性正在扩散到更靠近瓶颈想象的侧翼环节。这个扩散本身是真实的；真正需要克制的是把价格扩散直接等同于盈利兑现。

更稳妥的框架是分三层看：NVDA 代表已验证的需求锚，AMD / TSM 代表可量化的供给扩散，LITE / GLW / COHR / ANET 代表更高弹性的瓶颈定价。三层都属于 AI 算力链，但证据质量和估值风险并不相同。

数据与来源

本文为 KSINQ 的独立市场观察，仅供参考，不构成投资建议。数据快照为 2026-05-27。