返回投资研究台 2026-05-18
Market Context

报告对应赛道与标的

11
LANES
AI 算力半导体118 报告Mag7 AI 平台再分层69 报告先进封装/HBM4 闸门178 报告
STOCKS / ETFs
METAMeta Platforms证据映射 · 91 · 99%AMZNAmazon证据映射 · 47 · 99%MSFTMicrosoft证据映射 · 67 · 99%AMDAMD证据映射 · 38 · 99%AVGOBroadcom证据映射 · 36 · 99%NVDANVIDIA证据映射 · 144 · 99%TSMTSMC证据映射 · 85 · 99%GOOGLAlphabet证据映射 · 39 · 99%

前序研究 — TMT综合：AI推理经济学能否承接HBM驱动的$/token地板？

  • 工作日期：2026-05-18（亚洲/新加坡）
  • |
  • 分析师：TMT行业分析师 | 立场：synthesize（综合）
  • 主题：AI推理经济学、HBM驱动的交付$/token，以及Capex/电力瓶颈主线

截至2026-05-18，我对前序研究采取综合而非否定：HBM驱动的交付$/token上行不会在2026-2028年关闭AI硬件周期，但会把市场切成两层：一线自有栈的前沿推理仍有正向单位经济，通用API层则被开源模型价格压力压到成本线附近。正确结论不是“需求先于供给失败”，而是“需求仍强，但只有具备分发、电力、HBM配额、软件效率与变现入口的买家才配享受硬件倍数”。

1. 核心判断

AI推理经济学可以为一线平台承接HBM驱动的$/token地板，但无法为无差异模型访问承接。 前序研究已经说明，HBM4/HBM4E把Rubin级加速器中HBM占BOM比例抬升至约19-25%，而H100时代约10%，若客户不吸收成本，加速器毛利率将压缩约300-500bp。前序研究正确压力测试了token ASP与开源竞争能否吸收这一成本传导。TMT视角下，答案是分层的

层级 经济性 投资含义
前沿Agentic工作负载 OpenAI GPT-5.5标价为每1M tokens输入$5、输出$30；Claude Opus 4.6为$5/$25；高价值代码、搜索、企业流程与多模态Agent仍能为时延、准确性、数据控制与工具可靠性付费。 支持NVDA/AVGO/AMD/TSM/HBM赢家，以及具备分发的云平台。
产品内嵌AI Microsoft Copilot、Google Search/Workspace、Amazon Bedrock/AWS、Meta广告/助手闭环通过席位、广告、商业、云消费变现，而不只是转卖原始token。 若AI收入/Capex强度继续改善，支持超大规模厂商。
通用API与开源模型路由 DeepSeek-V4-Flash价格为每1M tokens输入$0.14、输出$0.28；V4-Pro至2026-05-31临时折扣至$0.435/$0.87，原价为.74/$3.48。 压制API-only厂商、无电力/HBM的neocloud和二线模型利润率。
批处理、缓存与后台推理 OpenAI和Anthropic均提供50%批处理折扣；Anthropic缓存命中为基础输入价0.1x；DeepSeek缓存命中价格极低。 低时效工作负载会从高价实时容量迁移出去。

因此，市场不应把所有token都按高价token估值。关键是高价实时输出token、缓存/批处理token与开源替代的结构占比。

2. 硬数据说明了什么

前序主线仍然成立。前序研究把讨论从“超大规模厂商是否削减Capex”转向“哪些MW能按时通电”；前序研究把硬件采购重估为tokens/MW；前序研究把配置从泛AI beta转向已通电MW、HV设备、中游气、液冷与能效领先硅；前序研究加入CoWoS/HBM第二物理瓶颈；前序研究加入需求侧压力测试。

最新公开公司信号仍支持“受约束的增长”，而非“周期崩塌”

  • Microsoft在FY26 Q3电话会上称AI ARR超过$37bn，当季Capex为$31.9bn，其中约三分之二为GPU、CPU等短寿命资产；2026日历年Capex预计约90bn，其中约$25bn来自组件价格上行。公司还表示Azure需求继续超过可用产能，且至少到2026年仍会受约束。 [6]
  • Meta的Q1 2026 10-Q指引2026年Capex约25-145bn，以支持AI与核心业务；Q1购置Property and equipment为9.00bn，且有$237.67bn不可取消合同承诺，主要与云容量、服务器、网络基础设施、数据中心及相关硬件有关。 [7]
  • Amazon披露Q1 2026 AWS收入$37.6bn，同比增长28%，AWS经营利润4.2bn；过去12个月Property and equipment购置额（扣除处置和激励）同比增加$59.3bn，主要反映AI投资。 [8]
  • Alphabet披露Q1 2026 Google Cloud收入$20.028bn、经营利润$6.598bn，同时披露Alphabet层面存在大量AI研发与技术基础设施使用成本。 [9]

这些信号重要，因为它们为硬件链提供了收入与产能利用率底线。它们不能证明所有AI Capex都有高ROIC，但能说明支付HBM-heavy加速器价格的买家不只是API转售商。它们拥有云、广告、生产力套件、搜索、应用商店、商业流量、企业客户，以及越来越多的保留容量合同。

3. Token价格阶梯：需求侧压力真实存在

价格栈足够宽，既提供支撑也制造压力

2026-05-18的供应商/模型信号 每1M tokens输入价 每1M tokens输出价 TMT解读
OpenAI GPT-5.5标准价 $5.00 $30.00 代码/专业工作实时前沿能力的高价地板。 [1]
OpenAI GPT-5.4标准价 $2.50 5.00 主流前沿通道；批处理/flex可将有效价格减半。 [1]
Anthropic Claude Opus 4.6 $5.00 $25.00 高价企业/代码通道。 [2]
Anthropic Claude Sonnet 4.6 $3.00 5.00 高量企业默认选择。 [2]
Google Gemini 3 Pro图像/文本定价信号 $2.00 2.00文本/思考 仍属高端，但低于GPT-5.5/Opus。 [3]
Google Gemini 2.5 Pro .25-$2.50 0.00-5.00 超过200k prompt tokens后长上下文价格上行。 [3]
DeepSeek-V4-Pro原价 .74 $3.48 开源权重对闭源前沿价格形成压力。 [4][5]
DeepSeek-V4-Pro至2026-05-31促销价 $0.435 $0.87 近期API价格冲击；但单独不足以跨过企业可靠性/SLA门槛。 [4]
DeepSeek-V4-Flash $0.14 $0.28 低价值、可容忍时延负载的通用路由锚。 [4]

按60%输入/40%输出的简单混合口径，标价从GPT-5.5约每1M混合tokens 5.0、Claude Opus 4.6约3.0、Claude Sonnet 4.6约$7.8、GPT-5.4约$7.5，到DeepSeek-V4-Pro原价约$2.4、DeepSeek-V4-Pro促销价约$0.61、DeepSeek-V4-Flash约$0.20。它不是一个市场，而是一个价差高达75x的价格阶梯。

因此，前序研究的压力测试成立：通用token ASP无法吸收所有HBM成本上行。但这不等于硬件周期失败。HBM-heavy加速器会优先分配给token具备产品上下文的工作负载：代码Agent、企业流程自动化、搜索变现、广告排序/素材生成、云保留容量与高价值多模态推理。

4. 为什么HBM在一线推理中仍能出清

HBM不只是成本项。它购买的是内存带宽、上下文长度、批处理效率、高并发低时延，以及每已通电MW上更多有用token。DeepSeek-V4本身也强化了这一点：其发布强调1M上下文、稀疏注意力、token压缩与更低内存成本，这正是低价模型压制API价格、同时证明内存效率成为模型经济性核心的同一组软件杠杆。 [5]

对一线买家而言，HBM成本传导通过五条通道出清

  1. 利用率：保留容量和产品内嵌负载降低闲置GPU时间，优于投机型neocloud部署。
  2. 分发：Microsoft、Google、Amazon和Meta能通过席位、搜索、广告、云消费和商业流量变现，而不只是按token转售。
  3. 栈控制：定制ASIC、模型蒸馏、推测解码、KV-cache复用、MoE路由和调度软件降低每个有用token的交付成本。
  4. 服务差异化：数据驻留、安全、时延、企业支持、工具执行和可审计性，使其相对开源API维持溢价。
  5. 电力稀缺：已通电MW稀缺，使买家愿意为每MW有用输出更高的硅支付更高单卡BOM。

弱点在中间层：用高价HBM-heavy容量购买算力，却向DeepSeek、Qwen、Llama、Mistral和批处理/缓存路由锚定的市场出售通用API访问的模型提供商。这一层的利润率压缩风险最高。

5. 投资综合

前序配置结论应保留，但需加一个修正。半导体仓位仍应集中，但对超大规模厂商和AI软件敞口的门槛应从“AI使用量增长”提高到每已通电MW的可变现有用token。

细分 评级倾向 理由
HBM与先进封装 高配 SK hynix、TSM、ASE/Amkor/BESI/LRCX仍捕获HBM4/HBM4E与CoWoS-L的物理瓶颈租金。
加速器与ASIC龙头 选择性高配 NVDA、AVGO、AMD及超大规模自研硅若能提升tokens/MW并锁定HBM配额，将继续胜出。
具备分发的超大规模厂商 选择性高配 MSFT/GOOG/AMZN拥有云与企业通道；META拥有广告和消费端入口，但需更清晰证明AI变现相对Capex。
已通电电力、HV设备、中游气、液冷 高配 前序研究仍是瓶颈主题最可辩护的跨资产表达。
API-only模型层和无电力/HBM的neocloud 低配 同时面对HBM成本通胀和开源模型路由带来的价格通缩。
消费电子端侧AI 中性至选择性 端侧推理会把一部分低价值token从云端转移出去，但不能替代HBM-heavy前沿推理；需关注PC/手机内存涨价压力。

对TMT组合而言，错误交易是“因DeepSeek降价而做空AI”。更精确的交易是“做多稀缺电力、HBM、封装与分发的拥有者；做空没有成本控制的通用token卖方”。

6. 监控触发条件

若出现以下情况，本综合结论将走弱

  • 前沿模型输出ASP下调超过40%，且没有对应的利用率或tokens/MW提升。
  • DeepSeek-V4-Pro在2026-05-31促销后仍把输出价维持在每1M tokens 以下，且企业买家大规模接受其SLA/安全画像。
  • Microsoft、Google、Amazon或Meta披露2027年Capex实质性下修超过约15%，且不是时点递延。
  • Samsung HBM4认证和CoWoS-L良率提升快于预期，提前消除15-20%高堆叠HBM缺口，从而压缩瓶颈租金，但也降低交付$/token。
  • 电力侧队列改革把time-to-power压缩至30个月以下，削弱已通电MW稀缺溢价。

截至2026-05-18，上述条件均未触发。

7. 结论

我支持前序研究的压力测试，但将其综合为更窄的结论：AI推理经济学只有在token绑定差异化产品、分发、SLA与已通电容量时，才能吸收HBM驱动的$/token地板。开源模型价格会压缩通用API利润率，但不足以取消一线加速器需求。AI可投资栈仍然存活，但价值池不再是泛半导体beta，而是瓶颈租金加有用token效率。

资料来源

  1. OpenAI, API Pricing: https://openai.com/api/pricing/
  2. Anthropic, Claude API Pricing: https://platform.claude.com/docs/en/about-claude/pricing
  3. Google, Gemini API Pricing: https://ai.google.dev/gemini-api/docs/pricing
  4. DeepSeek, Models & Pricing: https://api-docs.deepseek.com/quick_start/pricing
  5. DeepSeek, DeepSeek-V4 Preview Release, 2026-04-24: https://api-docs.deepseek.com/news/news260424
  6. Microsoft, FY26 Q3 Earnings Conference Call, 2026-04-29: https://www.microsoft.com/en-us/investor/events/fy-2026/earnings-fy-2026-q3
  7. Meta Platforms, Q1 2026 Form 10-Q: https://www.sec.gov/Archives/edgar/data/1326801/000162828026028526/meta-20260331.htm
  8. Amazon, Q1 2026 Earnings Release, 2026-04-29: https://ir.aboutamazon.com/news-release/news-release-details/2026/Amazon-com-Announces-First-Quarter-Results/default.aspx
  9. Alphabet, Q1 2026 Earnings Release PDF: https://s206.q4cdn.com/479360582/files/doc_financials/2026/q1/2026q1-alphabet-earnings-release.pdf
  10. Workspace prior card: research discussion/b2f8dbcb-5339-4240-8256-3cefd4d35b13/research note/report.en.md
  11. Workspace note: research note live files were missing and prior research noteswas reconstructed from the prompt snapshot supplied for this card.

*页脚 | TMT行业分析师 | 2026-05-18（亚洲/新加坡） | | *