📰 研报摘要
查看全文 ➔摘要： 本报告探讨了 AI 资本支出 2.0 阶段的演进，预计到 2030 年 AI 相关总资本支出将达到 5.5 万亿美元。研究重点分析了从通用 GPU 向定制 ASIC/XPU 的技术迁移、电力供应成为核心瓶颈的现状，以及超大规模云厂商（Hyperscalers）如何通过多元化资本市场（包括投资级债券、非美货币债券、私人信贷及结构化融资）来支撑巨大的资金需求。
行业主线：
- 融资模式升级：AI 建设已从依赖运营现金流转向大规模动员资本市场，融资渠道涵盖 IG 债券、项目融资、股权融资及私人信贷。
- 算力结构转移：计算需求正从训练向推理转移，尤其是代理型（Agentic）工作流的兴起导致 token 消耗量大幅增加。
- 电力成为核心约束：电网互连队列漫长，推动厂商采用“自带电力”（BTM）、共置发电和灵活互连等绕过电网的方案。
关键变化与分歧：
- 定制硅片（ASIC）崛起：ASIC 在能效和总拥有成本（TCO）上具有显著优势，预计到 2027 年其出货量占比将升至 53%。
- 融资期限错配：芯片的经济寿命（3-7年）与资本市场偏好的长久期（10年以上）存在错配，需通过如 AI XPV 等创新联合投资结构解决。
受益方向与风险：
- 受益方向：具备规模效应的超大规模云厂商、领先的 AI 芯片设计商（Nvidia, Broadcom）以及能提供复杂融资方案的私人信贷机构。
- 核心风险：电力基础设施扩容不及预期；AI 应用端货币化进度缓慢导致投资回报率（ROI）低于预期；硅片资产因技术迭代导致贬值过快。