锚定日期：2026-06-02 复盘窗口：2026-05-02 至 2026-06-01 对象：AI Institute 关于 AI power、CPO/光互联、存储/HBM、先进封装、电力设备、变压器/GOES/铜的白板与深度研究线索。
本复盘的目的不是证明“AI 基建一定通胀”或“AI 效率一定降本”，而是把研究所观点从泛 AI beta 迁移到物理瓶颈、交付节奏和利润池分配的过程整理清楚。
1. 优先结论
- 最早的白板已经把 AI 交易从软件/模型 beta 转向物理 AI stack。 2026-05-02 至 05-03 的白板把 firm power、HBM/先进封装、光互联、液冷、变压器、GOES、电网设备和数据中心交付列为核心稀缺输入。
- 研究观点的主线是“需求真实，但兑现受物理瓶颈过滤”。 AI capex 不能直接等于收入或算力上线；必须经过并网、PPA、电力质量、变压器交期、GOES/铜、液冷、HBM验证、CoWoS/基板和测试时间。
- CPO/光模块不是简单的“全模块商上涨”。 早期白板已经提醒，租可能向 InP、EML、DSP、硅光、先进封装耗材和高端材料迁移；模块装配量有弹性，但毛利可能被上游吸收。
- 存储/HBM 被升级为系统级瓶颈。 推理 scaling 和 test-time compute 提高 HBM per accelerator 需求，HBM4 验证、CoWoS/interposer、基板和测试时长比普通 DRAM 周期更关键。
- 电力设备链条的胜负在订单质量和价格传导。 高压变压器、开关设备、HVDC、GOES/HiB、铜与本地认证形成真实稀缺，但公用事业、EPC 和概念性电力股并不自动受益。
2. 研究时间线
| 阶段 | 代表材料 | 当时观点 | 后续验证 / 修正 |
|---|---|---|---|
| 2026-05-02 | Q1 财报后的云巨头 AI capex：需求验证还是瓶颈预警？ | Hyperscaler capex 真实，但瓶颈从 GPU 扩散到电力、HBM、设备、光互联 | 后续所有深度研究都沿用“物理约束过滤 capex”的框架 |
| 2026-05-02 | Inference Scaling Laws vs Training Scaling Laws | 推理和可验证任务提高 HBM per accelerator、CoWoS、firm power 的重要性 | HBM 不再只是 DRAM 周期，而是系统集成瓶颈 |
| 2026-05-03 | AI 基础设施资本开支超级周期 | Capex 超级周期不是泡沫或需求坍塌二选一；关键是转换成可用算力的速度 | 后续研究把观察点落到 PPA、并网、变压器交付和利用率 |
| 2026-05-16 至 05-18 | AI power / 电力瓶颈深度研究 | 电力、电网、变压器、储能和局部消纳成为最先定价的成本脉冲 | 研究从“买电力”修正为“买有订单质量和交付确定性的设备/材料” |
| 2026-05-19 至 05-23 | 变压器、GOES 与铜深度研究 | 真正硬约束不是组装产能，而是高磁感 GOES、铜、电网认证、熟练工和测试能力 | 交易表达从公用事业 beta 上移到变压器 OEM、GOES、铜、开关设备和本地化能力 |
| 2026-05-28 至 05-31 | HBM/先进封装密集研究 | HBM4、先进封装材料、ABF/基板、测试和出口管制共同影响供给弹性 | AI 硬件利润池进一步从 GPU 扩展到封装、存储、材料和设备 |
| 2026-06-01 | AI 能源成本与国产算力闭环 | 中国算力国产化不仅是芯片问题，还包括能源约束、电网调峰、液冷、光互联和西部绿电 | 中国路径需要单独框架：政策信用要变成可用物理算力 |
3. 观点如何变化
3.1 从“AI capex 越高越好”到“capex-to-power-to-revenue”
早期市场容易把 hyperscaler capex 增长视为单向利好。AI Institute 后续把它拆成四步：
- capex 承诺；
- 电力和土地可得；
- 设备交付与并网；
- 利用率、收入密度和 FCF。
只有第四步兑现，capex 才是股东价值。否则它会先表现为折旧、PPA 通胀、融资成本和项目延期。
3.2 从“买电力”到“买电力链中真正稀缺的部件”
研究持续修正了“AI power”篮子。优质暴露包括：
- 高压变压器、GIS、HVDC、开关设备；
- 高磁感 GOES、精炼铜、电网级线材；
- 有价格联动条款、客户预付款、认证资质和明确项目名的设备商；
- 能把订单转换为收入确认和现金回款的供应商。
而弱暴露包括：笼统公用事业、无 AI 园区 PO 的概念股、通用配电/充电桩收入占比高的公司、固定价格项目风险较高的 EPC。
3.3 从“光模块 beta”到“光互联租金在哪里”
CPO/光互联的复盘结论不是“所有 800G/1.6T 都好”。更准确的问题是：增量利润留在模块装配，还是被 InP、EML、硅光、DSP、连接器、光学材料和封装耗材吸走？因此后续跟踪应优先看良率、上游材料、客户认证、产品代际切换和价格下行速度。
3.4 从“内存涨价”到“HBM 系统瓶颈”
HBM 的核心不只是价格周期，而是每颗加速器的 HBM 容量、HBM4 验证、封装集成、基板、测试时间和客户锁量。若推理 scaling 抬高 memory-per-token 或 test-time compute，存储与先进封装会成为比 GPU 供给更难快速扩张的环节。
4. 做对了什么
- 很早识别了 AI 基建的物理化。 5月初白板已经把电力、HBM、先进封装、光互联和设备交付作为核心变量。
- 避免了“电力概念股一篮子买入”。 深度研究反复强调订单质量、交期、价格联动、认证和本地化能力。
- 把 CPO 和 HBM 置于利润池迁移框架中。 这比单纯追模块量或 DRAM 周期更接近 AI 供应链真实约束。
- 承认效率是反向力量。 ASIC、边缘 AI、模型效率和自动化可能缓释电力瓶颈，因此不能只用再通胀叙事外推估值。
5. 需要修正的地方
- 部分早期材料容易把设备订单等同于算力上线。 正确口径应是：订单、交付、并网、验收、利用率和收入确认分属不同阶段。
- AI power 主题容易过度拥挤。 高质量设备链和概念型电力股应拆开，不能共享同一估值倍数。
- CPO 与光模块需要毛利率验证。 成交量和出货量不等于利润，价格下行、客户集中和上游材料稀缺可能改变利润分配。
- 中国国产算力路径需要单独验证。 政策信用、液冷、光互联、国产加速器、CANN/软件栈、西部绿电、水资源和利用率都必须同步跟踪。
6. 当前框架
| 物理瓶颈 | 看多信号 | 看空信号 |
|---|---|---|
| Firm power / 并网 | 已签 PPA、可用电力、明确并网节点、客户预付款 | 负荷申请虚高、并网排队拉长、电价/PPA 通胀 |
| 变压器 / GOES / 铜 | 130-160 周交期、价格联动条款、HiB/薄规格缺口 | 订单延期、关税豁免导致交期压缩、固定价合同被成本击穿 |
| HBM / 先进封装 | HBM4 验证成功、CoWoS/基板/测试排产锁定 | 良率不达标、客户 LTA 取消、出口管制扰动 |
| CPO / 光互联 | 800G/1.6T 需求兑现、InP/EML/DSP 稀缺 | 模块价格快速下行、上游吸走利润、客户切换延迟 |
| 液冷 / 电源管理 | 高功率密度真实部署、机柜功耗持续上升 | 设计变更导致交付延迟、价格竞争加剧 |
| 效率反证 | ASIC/边缘 AI 降低单位电力需求 | 效率收益被更大模型和更多推理吞噬 |
7. 关键来源
outputs/research thread/oldest-april-ai-infra-research thread.md：最早 AI power / CPO / memory / power equipment 白板综述/investor/deep-research/ai-power-inflation-transmission-0c9ba15c/：AI 算力资本开支、电力瓶颈与通胀再定价/investor/deep-research/transformer-goes-copper-bottleneck-fe892901/：变压器、GOES 与铜：AI 电力硬件瓶颈的价格传导/investor/deep-research/china-power-equipment-export-policy-8678db7f/：中国电力设备出海与政策压力/investor/reports/archive-40b6cf0730e2/：AI 硬件分层策略验证：HBM、GPU 与 CPO 产业链基本面评估/investor/reports/archive-8f061fe00b4a/：AI算力网络的技术演进：从800G/1.6T可插拔光模块到CPO路径/investor/reports/archive-5b1eba54b8d1/：AI 硬件核心供应链（HBM/先进封装）的供给弹性与技术风险/investor/reports/archive-a1ca484525d1/：AI算力部署的电力墙
8. 一句话复盘
AI Institute 对 AI 基础设施最重要的进步，是把“AI 需求真实”拆成“哪些物理瓶颈能捕获利润、哪些瓶颈只会推迟现金流、哪些效率创新会反过来削弱瓶颈租”；下一阶段应继续从泛 AI beta 迁移到订单质量、交付确定性、上游材料和可验证毛利率。