Nvidia 仍然是 AI 硬體領域的領頭羊，但目前基礎設施的繁榮已遠遠超越 GPU。投資者可透過網路、記憶體、電力、散熱和資料中心等領域獲得曝光，這些領域可能因 AI 計算需求增長而受益。
Nvidia 的資料中心收入在 2027 財年第一季達到 752 億美元，年成長 92%。同時，國際能源署預期全球資料中心的電力消耗將從 2025 年的大約 485 TWh 增至 2030 年的約 950 TWh。
這意味著 AI 交易正日益成為一項基礎設施交易。
除了英偉達之外，還可以投資哪些領域
| AI 層 | 它提供的內容 | 示例 |
|---|---|---|
| 計算 | GPU 和加速器 | Nvidia、AMD |
| 網路連接 | 連接大型 AI 集群 | Broadcom、Marvell |
| 記憶 | 高頻寬記憶體 | Micron |
| 電力與冷卻 | 電力與熱管理 | Vertiv、Bloom Energy |
| 數據中心 | 物理 AI 容量 | Equinix、Digital Realty、CoreWeave |
Coinpaper 的 AI 芯片 指南涵蓋了這一堆疊的半導體層面，而其 資料中心 分析則探討提供計算能力的公司。
電力可能成為關鍵瓶頸
如果數據中心無法確保足夠的電力，建設更多的 AI 伺服器也無濟於事。
國際能源署預期，到2030年，數據中心的電力消耗將幾乎翻倍。這可能有助於供應電氣設備、冷卻系統和現場發電的公司。
Vertiv 提供適用於高密度資料中心的電力與熱管理設備。Bloom Energy 提供現場燃料電池發電，在電網容量有限的地區，這是一種日益重要的選擇。Coinpaper 最近檢視了 Bloom 的 AI 驅動機遇。
記憶體成本上升也顯示了瓶頸如何在堆疊中移動。Coinpaper 最近對 伺服器成本 的報導指出，隨著記憶體價格上漲，Nvidia 系統的價格也隨之提高。
一種簡單比較 AI 基礎設施股票的方法
投資者不應只看收入增長。
一個有用的篩選指標是：
AI 增長效率 = AI 相關收入增長 ÷ 前向市盈率
示例：
- 公司 A：40% 增長 ÷ 40× 市盈率 = 1.0
- 公司 B：25% 增長 ÷ 20× 市盈率 = 1.25
較高的分數可能表示投資者為每一個百分點的預期增長所支付的金額較少。這並非完整的估值模型，但有助於比較處於 AI 技術棧不同層面的公司。
其他因素也很重要：
- AI 收入增長
- 自由現金流
- 客戶集中度
- 資本支出需求
- 估值
- 對基礎設施瓶頸的風險敞口
主要的重點很簡單：Nvidia 可能仍將處於 AI 計算的中心，但建設越來越依賴提供記憶體、網路、電力、散熱和實體資料中心容量的公司。
對於尋求超越 GPU 的投資者而言，這些基礎設施瓶頸可能提供一些最具吸引力的長期 AI 機會。