存储如白银？半导体仍是主线吗？详解大摩与高盛的AI路线之争

本文来自微信公众号： 每日天使 ，作者：每日天使

仅三天之内，全球最受关注的两家顶级投行交出了两份完全相反的AI策略报告。

7月3日，高盛发布年中衍生品展望，核心建议是：卖出科技七巨头（Mag7），全力转向半导体硬件。7月7日，摩根士丹利首席美股策略师Michael Wilson在周度报告中向客户发出明确信号：减持半导体，转向超大规模云厂商。三天，两个建议，完全相反。而且双方的火力覆盖范围高度重叠——都在讨论同一个问题：半导体和云厂商之间，AI价值的天平究竟在向哪边倾斜？

大摩的逻辑：存储如白银，半导体正在大宗商品化

Michael Wilson的报告中，最引人注目的不是结论，而是一个极具想象力的类比。

他指出，半导体走势高度类似白银（Silver）。理由有两点：其一，两者均经历了抛物线式的价格拉升；其二，两者都与大宗商品市场高度挂钩，而大宗商品价格历来大起大落。

这个类比的真正杀伤力在于——一旦某种资源从“稀缺资产”蜕变为“大宗商品”，护城河就开始溶解。大宗商品的定价逻辑由供需周期驱动，而非技术壁垒。存储芯片是半导体复合体中“最像大宗商品”的品类——价格弹性大，反转也快。7月初近20家芯片厂集体涨价、AI服务器芯片涨幅达25%，在Wilson看来不是利好，而是见顶信号。

触发这次判断的直接催化剂，是Meta上周的一个公告：将开始向外部客户出售其多余的AI算力（excess capacity），H100/B200据传以原价的40%至60%甩卖。

Wilson的逻辑链很清晰：Meta卖算力→超大规模云厂商的Capex增速可能触及阶段性拐点→芯片商的需求依赖于云厂商的资本开支意愿→两者之间严重背离的表现本质上不可持续→当背离走向极端，必然出现均值回归。

他不厌其烦地强调：这不是看空AI。这是“修正速率”——资本开支增长速率的阶段性见顶，而非资本开支本身的见顶。事实上，自2022年11月ChatGPT发布以来，AI投资周期内已经发生过三次类似的阶段性修正，此次是第四次。

而这个判断的背后，是Wilson早在2025年11月年度展望中就提出的“市场扩散”交易框架。其核心逻辑是：美国经济在2025年完成滚动式衰退后进入新一轮扩张周期，盈利增长将好于预期，市场领涨力量理应从AI资本开支受益者向更广泛板块扩散。这个判断曾在2026年2月被伊朗战争打断，如今随着油价回落、通胀预期趋稳，条件再度成熟。

高盛的逻辑：半导体仍是H2主线，这轮抛售只是仓位出清

在高盛分析师Brian Garret看来，7月初的市场暴跌完全是另一回事。

他承认，过去10个交易日内AI动量因子自阶段高点累计回撤24%，远超历史平均12%的调整幅度。但他把这次下跌定性为“仓位出清”——驱动因素是夏季市场流动性季节性走弱、大盘AI成长股持仓极度拥挤、机构季度末调仓，以及市场对云厂商AI资本开支回报率的质疑升温。“并非AI硬件产业基本面出现崩塌。”

高盛给出的投资方向与大摩完全相反：资金正在从Mag7大型科技股持续流出，但不是流向云厂商，而是——流向半导体硬件。

Garret的逻辑也自成一体：科技巨头云厂商持续大额AI资本开支，正在持续侵蚀短期利润率；而半导体、存储、光模块企业属于上游“卖铲人”——订单确定性强、业绩兑现落地。报告明确提出三大最高确定性细分赛道：AI算力芯片（英伟达GPU、博通AI ASIC）、高带宽存储HBM（美光、SK海力士，量价双升周期延续到2027年）、半导体设备与先进封测（受益于HBM和GAA工艺大规模扩产）。

他的核心数据支撑是：2025年至2030年，AI服务器需求预计增长4.3倍，直接拉动AI GPU、HBM高端存储、先进封装和半导体设备需求。他提醒投资者注意一个先行信号：亚洲存储芯片股（SK海力士单日大涨10.88%、三星涨幅超8%）已率先走出强势反弹。

但同时，高盛也给出了一个重要的风险警示：下行风险仍不容忽视。AI动量拥挤仓位仅完成部分出清，若硬件板块无持续增量资金入场，后续最大回撤幅度或将达到当前跌幅的两倍。

第三方声音：更长期的路线图

大摩和高盛的短期策略分歧固然吸引眼球，但他们对AI产业更长期的路标判断值得单独拿出来看——因为在这些问题上，他们与其他顶级投资方的看法存在不容忽视的交集和张力。

a16z联合创始人马克·安德森在2026年初的年度展望中提出了一个比大摩“存储如白银”更激进的判断：“如果有什么东西出现了短缺，人类的历史证明它最终会被大规模复制，直到变成过剩——AI芯片和算力也不会例外。”

他的逻辑基于经济史上反复上演的商品周期规律：任何商品市场，导致过剩的第一大原因就是短缺本身——因为短缺，数千亿甚至数万亿美元会被砸进产能建设。安德森预测：“未来十年，AI公司的单位成本将像石头一样直线下跌。”他指出智能单位成本（Per unit cost）的下降速度已经远超摩尔定律，这将触发需求端的爆发性增长，但也意味着“拥有算力”不再是竞争优势——“AI应用正从”按Token付费”向”基于价值定价”转移，初创公司不再只是”套壳”，而是向后集成构建自己的模型。”

安德森的观点在时间维度上偏向大摩——他同意算力最终会变便宜，但他对需求爆发性增长的预期又跟高盛的“AI服务器4.3倍增长”形成呼应。

红杉/Dylan Patel：推理市场将超越石油

SemiAnalysis创始人Dylan Patel在6月30日红杉资本的专访中给出了一个极其大胆的预测：“AI推理必将成为一个比石油更庞大的超级市场。它的规模将远超石油……未来，AI推理将占据全球GDP的数个百分点。”

Patel的判断有扎实的数据支撑：在短短一年内，同等质量的模型推理成本暴降约60倍；但他同时指出，这并不意味着算力需求会减少——“算力短缺之所以将长期存在，是因为AI模型扩展实用价值的速度，远远超越了算力增长的步伐。”他以Anthropic为例：在Q2已实现盈利（不计股票薪酬），单个Opus 4.8 Token的毛利率超过80%。“每租用一张GPU都能立刻以正毛利变现”——这说明推理算力正在进入正向印钞循环。

Patel预测，仅OpenAI和Anthropic两家到2030年的用电量就将超过100吉瓦，2040年达到太瓦级别。如果这个判断成立，那么高盛的“HBM超牛到2027”可能是保守估计——硬件需求的天花板远未到来。

伯克希尔阿贝尔：100亿美元买全栈闭环

2026年6月，巴菲特接班人阿贝尔主导了一笔令华尔街侧目的交易：伯克希尔·哈撒韦以100亿美元定向投资谷歌母公司Alphabet，全部用于AI数据中心扩建与全球算力底座搭建。这是伯克希尔近三年最大的一笔科技投资，打破了巴菲特“看不懂的科技绝不投资”的61年铁律。

阿贝尔将此定性为“基础设施”投资，但其真实逻辑值得拆解：他买的既不是纯粹的下游应用（像大摩建议的转向云厂商），也不是纯粹的上游硬件（像高盛建议的买入半导体）。他买的是一个完整的闭环——自研TPU芯片摆脱对英伟达依赖→ Google Cloud一季度收入同比大涨63% → Gemini大模型月活超9亿→ “芯片-云-模型-应用”全栈闭环，让算力投入具备明确营收反哺路径。

截至2026年6月底，这笔投资账面浮盈约12.3亿美元。但这笔交易传递的信号比浮盈数字重要得多：巴菲特系的入局方式，既不是赌芯片，也不是赌云，而是赌“从芯片到用户的整个链条上，每一层都能赚钱”。

分歧之下，共识何在？

把五方观点放在一起对照，一个被短期策略分歧遮蔽的更深层共识浮出水面。

第一，所有五方都同意：AI产业正在经历一次结构性的“价值迁移”。大摩说，价值从芯片商迁移到云厂商；高盛说，价值从云厂商迁移到芯片商。表面相反，但双方都承认同一个前提——旧的价值分配模式正在瓦解，新的分配格局尚未定型。a16z说要从“按Token付费”变成“按价值定价”；红杉说推理将成为超越石油的超级市场；伯克希尔直接用100亿美元押注了全栈闭环。五条路径，指向同一个方向：AI的竞争重心正在从“谁能建更大算力中心”转向“谁能把算力更高效地转化为收入”。

第二，分歧的本质在于对“转折时点”的判断差异。大摩Michael Wilson认为拐点已至——Meta卖算力就像煤矿里的金丝雀，预示着Capex狂欢的减速。高盛Brian Garret认为拐点未到——这只是一次仓位出清，HBM的供需缺口足够撑到2027年。

这两种判断都可以找到数据支撑：大摩的弹药是H100租赁价格从每小时8美元跌到2美元、GPU渠道库存从2周膨胀到8周；高盛的弹药是SK海力士年报中直到2027年HBM产能仍然被订满、AI服务器2025至2030年需求预测增长4.3倍。两组数据都是真实的。矛盾不在于谁的数据有问题，而在于双方在衡量同一件事的不同时间尺度。大摩看的是未来2至3个季度的市场情绪和资金流向；高盛看的是未来2至3年的产业供需基本面。两者并不互斥。

第三，伯克希尔的“全栈下注”可能提供了最合逻辑的折中路径。阿贝尔那100亿美元揭示了另一个维度：真正的问题不是“该买上游还是下游”，而是哪家公司同时拥有上游的效率和下游的变现能力。Alphabet之所以能让伯克希尔破例——甚至让高盛说的“半导体”和大摩说的“云厂商”同时失效——是因为它在“芯片→云→模型→用户”的链条上每一层都有营收反哺机制。这或许才是AI下半场真正重要的竞争维度：不是在哪一层押注，而是谁能把多层闭环跑通。

对于一级市场投资者而言，这个判断框架的启示是清晰的。上半场的逻辑是“有卡就是王”——只要你手里有GPU集群，就有人愿意给你估值溢价。下半场的逻辑变了：如果连Meta都在甩卖闲置GPU，如果连大摩都在说“存储就是白银”，那么“拥有算力”本身正在褪去护城河的色彩。下一轮获得溢价的，将是那些能证明“算力→收入”这条转化链上每一步都有清晰ROI的公司——无论它在产业链的哪个环节。

所以大摩和高盛谁对谁错？在2至3个季度的时间尺度上，大摩对短期资金轮动的判断可能更精准；在2至3年的时间尺度上，高盛对产业供需的判断可能更坚实。但两个时间尺度的交汇点是同一个：AI投资的胜负手，正在从“赌稀缺”转向“赌效率”。

【参考资料】

摩根士丹利，Michael Wilson，Weekly Warm-up，2026年7月7日

高盛，Brian Garret，Mid-Year Equity Derivatives Outlook，2026年7月3日

a16z，Marc Andreessen，The a16z Show 2026年度展望，2026年1月

红杉资本/SemiAnalysis，Dylan Patel专访，2026年6月30日

伯克希尔·哈撒韦，SEC Filing及公司公告，2026年6月