作者：George Kikvadze
編譯：深潮 TechFlow
深潮導讀：Bitfury 集團副董事長 George Kikvadze 提出了一種逆向思路：AI 賽道最賺錢的機會不在模型層，而在電力、散熱、記憶體、網路等基礎設施瓶頸。他梳理了 7 個 AI 系統「卡脖子」環節，並公開了自己的 14 只標的組合，目前回報約 60%。這套「瓶頸投資」框架值得每一個關注 AI 投資的人認真看一遍。
想搞懂 AI 裡哪兒能賺到錢，別看頭條新聞，看系統哪裡在承壓。
最簡單的類比：今天的 AI 就像一座訂單無限的工廠，但電力、線纜、散熱全都跟不上。
這種錯配本身就是機會。
在進行詳細的盡職調查後，我們押注了以下「AI 瓶頸」組合：
$CEG $GEV $VST $WMB $PWR $ETN $VRT $MU $ANET $ALAB $ASML $LRCX $CIFR $IREN
真正該問的問題
大多數投資者都在問：「誰會贏下 AI？」這個問題問錯了。
該問的是：系統會在哪裡斷裂？誰在賺修復的錢？
在市場中，依賴關係就是槓桿。
AI 的依賴關係一點也不抽象，全是實物：
- 兆瓦級電力
- Transformer delivery cycle
- 每機櫃散熱能力
- Memory bandwidth
The economic center is shifting toward these areas.
唯一需要的分析框架
AI 擴張 → 基礎設施承壓 → 被迫投資 → 瓶頸 → 定價權 → 盈利上修
當需求剛性、供給受限：價格先動，盈利跟上，股價最後重估。
為什麼是現在
幾個數字說明全部問題：
全美近 50% 的數據中心項目目前處於延期狀態，原因並非缺乏需求或資金，而是無法獲得電力。變壓器的交付週期已從 2020 年前的 24 個月延長至現在的 5 年以上。數據中心的建設週期為 18 個月。這筆賬算不平。
超大規模廠商於 2026 年僅 AI 基礎設施支出就將達到 7000 億美元，接近 2022 年的 6 倍。亞馬遜 2000 億，谷歌 1750-1850 億，Meta 1150-1350 億。沒有任何一家在減速。
半導體目前佔標普 500 IT 板塊總市值的 42%，比 2022 年熊市底部翻了一倍多，是 2013 年權重的四倍以上。半導體還貢獻了 IT 板塊前瞻 EPS 的 47%，比 2023 年幾乎翻了三倍。
市場以史無前例的密度湧向算力層。
但算力已不再是瓶頸。
資本瘋狂湧入晶片，而真正的約束已轉移到其他地方。
This discrepancy is a trading opportunity.
瓶頸地圖：壓力到底在哪
- Power: Foundation
AI 离了电就扩不了。
美國每兩年需要新增相當於當前整個數據中心電力基礎的容量，才能跟上 2030 年前的 AI 需求預測。核電是唯一能提供超大規模廠商所需規模與可靠性的基載電源，但即使最快的核電重啟也需要數年時間。
標的：$CEG $GEV $VST $WMB
這些不是公用事業股，而是 AI 產能供應商。市場尚未完成這項重新分類，這種錯誤定價就是機會。
Constellation Energy（$CEG）運營著全美最大的核電站艦隊，是少數能提供大規模、可靠、零碳基荷電力的供應商之一。超大規模廠商正加速與核電供應商簽署長期購電協議，Constellation 直接處於這條需求路徑上。
GE Vernova（$GEV）正在構建下一個能源週期的發電骨架，涵蓋燃氣輪機、可再生能源和電網解決方案。當 AI 需求加速時，快速大規模部署電力的能力變得至關重要，GE Vernova 的燃氣輪機與電氣化能力正處於這一核心位置。
Vistra Corp（$VST）擁有多元化的發電組合，包括核電、天然氣和零售電力，能同時應對基荷與峰值需求。AI 工作負載帶來極大的電力需求波動，這種靈活性變得尤為重要。
Williams Companies（$WMB）運營著全美最大的天然氣管網之一，為彌合當前需求與未來核電規模之間的缺口提供燃料。在 AI 基礎設施擴張中，天然氣是最快上線增量電力的途徑。Williams 實質上是 AI 增長的能源原料供應商。
電網與電氣化：電力背後的限制
發電是一回事，送電更難。
美國電網互聯的排隊現已延至 2030 年以後。未來十年，僅滿足現有承諾就需要超過 500 億美元的輸電投資，這還未計算一座新的 AI 數據中心上線。
標的：$PWR $ETN
時間表在此處延遲，利潤率在此處擴大。解決「最後一公里」配送問題的公司擁有持久的長期定價權。
Quanta Services（$PWR）是建設和升級輸電基礎設施的頭部承包商，連接發電端和用電端。當電網擁堵成為 AI 擴張的主要瓶頸時，Quanta 正處於多年期、非自由裁量資本支出的路徑上。它的積壓訂單就是電網壓力的前瞻指標。
Eaton Corporation（$ETN）提供配電系統、開關設備和電力管理技術，讓電力能大規模安全高效配送。當數據中心向更高功率密度和更複雜能源流推進時，Eaton 的組件從標準化硬體變成了關鍵基礎設施。
散熱：沉默的天花板
熱量扼殺性能。熱力學沒有軟體修補程式。
下一代 AI 設施的目標是每機櫃 250 千瓦，十年前標準企業數據中心僅為 10-15 千瓦。液冷已不再是可選項，而是必備基礎設施。每售出一塊 GPU 都需要對應的散熱容量，這個比例不會改變。
標的：$VRT
Vertiv 在超大規模數據中心散熱領域接近壟斷地位。這是整個 AI 堆棧中被低估最嚴重的環節之一，因為沒人關心散熱，直到叢集當機。
Vertiv Holdings（$VRT）設計和部署熱管理系統，讓高密度 AI 集群在極端功率負載下保持運轉。當機櫃從風冷轉向液冷時，Vertiv 正處於這輪結構性升級週期的中心，與 AI 算力部署同步擴張。這不是可選支出，而是正常運行的前提。
記憶體：下一個瓶頸
AI 正在從算力受限轉向記憶體受限。
隨著模型越來越大、推理量爆發，記憶體的頻寬和容量成為限制因素，而非原始處理能力。HBM（高頻寬記憶體）供應已趨緊張。全球前三大的 AI 記憶體供應商控制了 90% 以上的全球 HBM 產出。Micron 是西方的主要受益者。
核心標的：$MU
這是盈利上修的下一波。大多數投資組合還未為此布局。等市場反應過來時，它們會的。
Micron Technology（$MU）是全球少數能大規模量產先進 HBM 的廠商之一，HBM 是 AI 訓練和推論負載的關鍵組件。當記憶體成為系統效能的限制因素時，Micron 從歷史上週期性的供應商轉變為 AI 需求的結構性受益者。這種轉變尚未被估值充分反映，存在持續盈利上修和估值倍數擴張的空間。
網路：吞吐層
The speed of an AI cluster depends on the slowest connection.
一個網絡瓶頸就能讓整個數千 GPU 的叢集停滯，浪費每座設施數億美元的資本。當叢集規模擴展至 10 萬 GPU 配置時，互聯問題呈指數放大。一個堵點，全線停擺。
標的：$ANET $ALAB
安靜、關鍵、倉位不足。沒人討論網絡，直到網絡出問題。
Arista Networks（$ANET） 建立高性能網絡基礎設施，讓數據在大規模 AI 集群中無縫流動。當工作負載要求超低延遲和高吞吐量時，Arista 的軟體定義網絡成為維持集群效率的關鍵。停機或低效帶來的成本極高，Arista 透過確保系統全速運行來捕獲價值。
Astera Labs（$ALAB）運作於數據通路內部，確保 AI 系統中 GPU、CPU 和內存之間的高速連接。當叢集密度提升時，瓶頸會從網絡邊緣移向晶片到晶片的通信，這正是 Astera 的定位。在高性能 AI 環境中，若組件之間的通信不夠快，整個系統就會變慢。
製造：長週期約束
沒有晶片製造能力就無法擴展 AI。沒有製造工具就無法製造先進晶片。
ASML 的 EUV 光刻機生產週期超過一年，單台成本超過 2 億美元，沒有可信的替代品。地球上每一顆先進晶片，從 NVIDIA 的 H100 到蘋果的 M 系列，都需要它們的設備。Lam Research 的蝕刻與沉積工具嵌入了全球每一條主要晶圓廠的生產線。
標的：$ASML $LRCX
長期週期約束。在結構上比任何軟體護城河都更難被顛覆。討論熱度遠低於應有水平。
ASML Holding（$ASML）是 EUV 光刻系統的唯一供應商，這是最先進的晶片製造工具，也是生產尖端半導體的必要條件。由於長期訂單積壓且無可行競爭對手，ASML 控制著全球晶片供應鏈中的關鍵瓶頸。
Lam Research（$LRCX）提供構成半導體製造骨幹的蝕刻與沉積設備。其設備深度嵌入所有主要晶圓廠，使其成為晶片產能擴張中週期性且不可或缺的合作夥伴。當 AI 需求推動持續的產能擴張時，Lam 能獲得與全球半導體製造增長直接掛鉤的長期收入。
錯誤歸類：Alpha 的來源
這是大多數投資者忽略的部分，也是整個地圖上最不對稱的機會。
有一類公司，市場將它們定價為 A，但其運營和財務現實已成為 B。
以 $CIFR（Cipher Digital） 和 $IREN（IREN Limited） 為例。
市場看到的仍然是比特幣礦工。
它們正在轉變為更具價值的東西：AI 電力基礎設施和 HPC 數據中心平台。
這些公司在無人關注時鎖定了低成本電力，並在需求出現前建好了基礎設施。今天，超大規模廠商正在瘋狂爭搶的正是這兩樣東西。
Cipher Digital 已開始執行轉型，與投資級超大規模租戶簽訂了 15 年租約（第三個 AI/HPC 園區），並從頂級全球銀行獲得了 2 億美元循環信貸額度。這些並非投機性行動，而是長期收入承諾。
IREN 在多個站點執行相同策略，將能源獲取與可擴展的數據中心建設相結合。其優勢在於速度：已掌控轉向 AI 工作負載所需的土地、電力和基礎設施。
市場看到的仍是礦工。資產負債表看起來已經像基礎設施公司了。
這個差距會收斂。收斂時不會慢。
組合一览
這不是一堆股票，而是一個系統。
每個倉位對應 AI 堆疊中的一個特定約束，每個約束都必須被解決，系統才能運轉。這就是紀律。
- 電力：$CEG $GEV $VST $WMB
- 電網：$PWR $ETN
- 散熱：$VRT
- 記憶體：$MU
- 網絡：$ANET $ALAB
- 製造：$ASML $LRCX
- 錯誤歸類：$CIFR $IREN
大多數投資者尚未完成的認知轉換
我們正在從 算力稀缺 轉向 基礎設施稀缺。
這意味著：
- GPU 不再是唯一敘事
- 電力、電網、記憶體和散熱成為主導盈利的驅動力
- 回報應追隨約束，而非熱度
多數投資組合的倉位還停留在舊世界。
風險：紀律同樣重要
這個框架在特定條件下會失效。它們值得坦誠對待。
超大規模廠商資本支出減緩。如果亞馬遜、谷歌和 Meta 因利潤率壓力或需求低於預期而放緩基礎設施支出，則剛性需求的假設將被削弱。這是需要監控的首要風險，應將每季的資本支出指引作為領先指標加以關注。
瓶頸解除速度比預期更快。政府干預變壓器製造、加速核電審批，或重組電網互聯排隊，都可能壓縮受限基礎設施的溢價。這些變化雖緩慢，但真實存在。
監管摩擦。電力和電網基礎設施與公用事業監管、環境審查及費率制定機構交叉。當此領域的監管趨勢轉向不利時，將結構性且持久地限制回報上限。
關鍵區別在於：這不是對產品週期的押注。產品週期一個季度就能逆轉。工業限制需要數年才能建立，也需要數年才能消除。這種不對稱性正是重點。
最後
每個工業時代，財富都不是由製造火車的公司創造的。
而是由擁有鐵軌、煤炭和路權的公司創造的。
AI 的鐵軌以兆瓦、變壓器交付週期和每機櫃散熱能力來衡量。
大多數投資者都在追逐 AI。真正的機會在於擁有 AI 離不開的東西。
在每個系統中，頭條追隨創新，利潤追隨約束。我們專注於約束而非敘事，目前回報約 60%。隨著 AI 基建加速，這不是交易的終點，仍處於早期階段。我們認為現在才打到第三局。