第十二章 风险 — 中美分化、华为良率、廉价模型三重冲击

12.1 开篇:AI 投资不是只看多

「牛市里最危险的一句话是『这次不一样』。」

前十一章,我们从五层产业链的视角,把 AI 基础设施的投资逻辑拆了个透彻—— 从算力芯片到电力、从液冷到光模块、从云端到边缘。读到这里,你可能已经热血沸腾,准备 All-in。慢着。任何一个负责任的投资框架,都必须包含「怎么死」的部分。巴菲特说过:「告诉我我会死在哪里,我就永远不去那个地方。」查理· 芒格更直接:「反过来想,总是反过来想。」本章的任务,就是把 AI 基础设施投资中最可能「杀死你」的风险,一一摊开在桌面上。不是为了唱空,而是为了让你在做多的时候,知道自己的风险敞口在哪里,止损线画在哪里。我把内核风险归纳为三重冲击:

• 中美分化:市场永久分裂,供应链重构(影响层级:系统性)
• 华为良率:国产替代的「最后一公里」(影响层级:结构性)
• 廉价模型:算力需求曲线被压平(影响层级:颠覆性) 除了这三重冲击,还有估值泡沫、电力瓶颈、黑天鹅事件等衍生风险。让我们逐一拆解。

12.2 中美 AI 市场永久分裂从「脱钩」到「平行宇宙」

2018 年中美贸易战开打的时候,市场还在讨论「脱钩」 (Decoupling )是暂时的还是永久的。到了 2026 年,答案已经很清楚了—— 这不是脱钩,这是分裂(Bifurcation )。截至撰稿时(2026 年 6 月),美国对中国的 AI 芯片出口管制已经历经多轮升级:

• 2022 年 10 月:首轮管制,禁止 A100/H100 出口
• 2023 年 10 月:堵住「降规版」漏洞,H800/A800 被禁
• 2024 年 12 月:扩大 Entity List ,限制 HBM 内存出口
• 2025 年 4 月:特朗普政府扩大管制至 NVIDIA H20 (中国合规版),导致 NVIDIA 计提约$55 亿损失;中国科技巨头 (阿里/腾讯/字节)抢购约$180 亿芯片
• 2025 年 6-7 月:美国部分放宽(恢复 AI 芯片设计软件出口、允许部分 NVIDIA/AMD 芯片对华销售)
• 2026 年:管制延伸至 EDA 工具和先进封装设备; NVIDIA 在中国 AI 加速器市场份额从此前约 95% 暴跌至预计年底约 8% (来源:X 平台@StarboySAR ,2026 年 6 月) 结果是什么?全球 AI 基础设施市场正在形成两套完全独立的生态系统:
• 训练芯片:NVIDIA H200/B200/GB300 (中国体系:华为 Ascend 910C/920 )
• 推理芯片:NVIDIA+AMD+Intel+ 定制 ASIC (中国体系:华为+ 寒武纪+ 海光+ 摩尔线程)
• 软件栈:CUDA 生态(中国体系:CANN/MindSpore+ 自研框架)
• 云服务:AWS/Azure/GCP (中国体系:阿里云/华为云/腾讯云)

对投资者的含义

• 模型:OpenAI/Anthropic/Google (中国体系: DeepSeek/ 智谱/百川/通义) 第一,市场规模要打折。如果你投资的是一家只能卖到「美国+ 盟友」市场的公司,中国市场的 TAM (Total Addressable Market )必须从你的模型中剔除。反之亦然。第二,供应链冗余成本上升。两套体系意味着双倍的研发投入、双倍的产能建设、双倍的生态培育。这些成本最终要有人买单—— 要么是企业的利润率,要么是终端用户的价格。第三,地缘政治风险永远存在。今天能卖的市场,明天可能因为一纸禁令就没了。台海局势、美国大选、中国的反制措施,都是悬在头上的达摩克利斯之剑。

情景分析:

• 基准情景(概率 50% ):维持现状,两套体系各自发展,偶尔有摩擦但不升级
• 升级情景(概率 30% ):管制进一步扩大到 DRAM、光刻胶等更上游环节
• 缓和情景(概率 20% ):因经济压力或政治换届,部分放松管制作为投资者,你需要确保你的 Portfolio 在三种情景下都能存活。

12.3 华为 910C 良率分歧内核问题：国产替代的「最后一公里」能不能走通?

市场上的两派观点

华为 Ascend 910C 是中国 AI 算力国产替代的旗舰芯片。官方宣称其性能达到 NVIDIA H100 的 80-90% 水平,但市场对其良率(Yield Rate )存在巨大分歧。什么是良率?简单说,一片晶圆上能切出多少合格的芯片。良率决定了成本,成本决定了能不能大规模商用。乐观派(以中国券商研究为主):

• 910C 良率已从 2024 年初的约 20-30% 提升至 2025 年底的 50% 以上
• 中芯国际 N+2 制程持续改善
• 华为通过 Chiplet 封装技术绕过了先进制程的限制
• 2026 年下半年有望达到 60-70% 的经济良率

悲观派(以海外机构为主):

• 7nm DUV 多重曝光的物理极限决定了良率天花板
• 没有 EUV 光刻机,良率提升的边际成本极高
• 实际大规模交付的良率可能仍在 30-40% 区间

为什么这对投资者至关重要?

• 高良率数字可能是「挑拣」后的结果,而非全晶圆良率

让我们做一个简单的数学题:

• 单片晶圆产出(Die 数):良率 40% 为 100 ,良率 60% 为 100 ,良率 80% (NVIDIA 水平)为 100
• 合格芯片数:良率 40% 为 40 ,良率 60% 为 60 , 良率 80% (NVIDIA 水平)为 80
• 每颗芯片均摊成本:良率 40% 为 2.5x ,良率 60% 为 1.67x ,良率 80% (NVIDIA 水平)为 1.25x
• 系统级成本竞争力:良率 40% 为显著劣势,良率 60% 为勉强可接受,良率 80% (NVIDIA 水平)为具备商业竞争力如果良率停在 40% ,意味着:
• 中国云厂商的 AI 算力成本比美国同行高出约一倍
• 国产替代只能是「政治任务」而非「经济选择」
• 中国 AI 公司的推理成本劣势将长期存在如果良率突破 60% ,意味着:
• 华为有能力大规模供货,中国 AI 算力不再受制于进口
• 中国云厂商的 CapEx 结构将发生根本性变化

投资者应该怎么做?

• 整个中国 AI 基础设施生态将形成正循环
• 不要押注单一结果。良率是一个动态变量,建议用情景加权法估值
• 关注一手数据。产业链上下游的出货量、ASP 变化、良率爬坡节奏
• 留意替代指针。华为云的 GPU 租赁价格变化、大模型训练客户的迁移速度截至撰稿时,根据产业链调研,910C 的全晶圆良率约在 30-40% 区间(多方产业链验证,来源:SemiAnalysis、FT、Digitimes 及 X 平台@Sino_Market/@smartsaver01 ,2025-2026 年),较一年前的约 20% 有明显改善,但与 NVIDIA 在台积电先进制程上的 80%+ 良率仍有差距。

12.4 DeepSeek 等廉价模型颠覆估值逻辑「用更少的算力做更多的事」

如果训练一个顶级模型只需要之前 1/10 的算力,那整个算力需求曲线不就塌了吗?

2025 年初,DeepSeek-V3 和 R1 的横空出世,给整个 AI 基础设施投资逻辑投下了一颗炸弹。市场的内核恐慌是: 让我们看数据:

• GPT-4 (2023.3 ):训练成本约$100M+ ,性能基准线
• Llama 3 405B (2024.7 ):训练成本约$60-80M , 性能接近 GPT-4
• DeepSeek-V3 (2025.1 ):训练成本约$5-6M (官方宣称),性能接近 GPT-4
• DeepSeek-R1 (2025.1 ):训练成本未公开,推估 <$10M ,性能推理能力超越 GPT-4

我的观点:Jevons Paradox (杰文斯悖论)

• DeepSeek-V4-Pro (2026.4 ):训练成本未公开,性能 1.6T MoE ,API 价格较 V3 再降 75% ,较 GPT-5.5 便宜 10-20 倍(来源:@deepseek_ai 官方,2026 年 4-5 月) 成本下降了一到两个数量级。这是不是意味着 AI 基础设施投资的逻辑崩了? 历史告诉我们:效率提升不会减少总需求,反而会增加总需求。1865 年,经济学家 William Stanley Jevons 发现:蒸汽机效率提升后,煤炭消耗量不降反升,因为更便宜的能源催生了更多的应用场景。AI 算力也是一样:
• 训练成本降低 → 更多公司能承担训练 → 更多模型被训练 → 总训练算力需求不降反升
• 推理成本降低 → 更多应用场景变得经济可行 → AI Agent 大规模部署 → 推理算力需求爆炸式增长

对不同产业链层级的差异化影响

• 2026 年现实:各大云厂商的 AI 算力利用率依然接近满载但是——Jevons Paradox 不是万能药。它有一个关键前提:需求弹性必须大于 1。如果 AI 应用的需求弹性不够大(即降价不能带来等比例以上的添加需求),那算力总需求确实可能被压缩。
• 芯片(NVIDIA ):中等偏负面(单位模型所需芯片减少,但模型数量和推理量增加可能抵消)
• 服务器/液冷:偏中性(算力密度反而可能提升,散热需求不降)
• 电力基础设施:偏正面(更多部署 = 更多机房 = 更多电力需求)
• 光模块/网络:偏正面(分布式部署增加互联需求)

真正的风险在哪里?

• 云服务:偏正面(更便宜的推理催生更多用量) 真正的风险不是 DeepSeek 本身,而是如果效率提升的速度持续超过需求增长的速度。这会导致:
• AI CapEx 周期缩短:云厂商可能放慢扩张节奏
• NVIDIA 的 Pricing Power 被侵蚀:客户谈判筹码增加
• 部分中间层被跳过:例如高端训练集群的需求被更多中端推理集群取代截至撰稿时,这个风险尚未完全兑现。Meta、Google、Microsoft 的 2026 年 AI CapEx 指引仍在上修。但投资者必须持续追踪这个动态平衡。

12.5 估值泡沫风险（NVIDIA 5 万亿市值的合理性） 一个简单的问题:NVIDIA 值多少钱?

基本面拆解

截至撰稿时(2026 年 6 月),NVIDIA 的市值约在$4.7-5.4 万亿美金区间波动,期间已多次突破$5 万亿关口(来源:X 平台 @WatcherGuru/@StockMKTNewz/@DeanGereg ,2026 年 6 月数据)。但我们必须问一个不舒服的问题:这个估值合理吗? 让我们用最简单的框架——DCF 的反向推算(Reverse DCF ): 假设 NVIDIA 市值达到$5 万亿:

• 假设合理 PE 为 30 倍(成长股溢价)
• 隐含净利润需达到约$1,670 亿/年
• 假设净利率 55% (目前约 55-60% )
• 隐含营收需达到约$3,000 亿/年

历史模拟：风险在哪里

• 2025 财年(截至 2025 年 1 月)营收约$1,300 亿; 2026 财年营收市场预估约$2,160 亿(来源:X 平台分析师讨论, 2026 年 6 月) 这意味着营收需要在未来 2-3 年再翻一倍以上。可能吗?可能。但确定吗?远非确定。
• Cisco (2000 年):高峰市值 $5,550 亿,回撤 -80% ,原因:网络设备需求见顶
• Intel (2000 年):高峰市值 $5,000 亿,回撤 -75% ,原因:PC 增长放缓+ 竞争加剧
• NVIDIA (2024 年 Q3 回调):高峰市值 $3.4 万亿,回撤 -20% ,原因:DeepSeek 恐慌+ 获利回吐 Cisco 的教训最值得警惕。2000 年的 Cisco 和今天的 NVIDIA 有惊

人的相似之处:

• 都是基础设施 Buildout 的内核受益者
• 都有垄断级的市场份额
• 都被视为「不可能失败」

我的风险框架

• 都在 CapEx 超级周期中享受高增长 Cisco 后来怎么了?路由器和交换机需求没有消失,但增速放缓+ 竞争者出现+ 客户去库存,三重叠加导致了灾难性的估值回撤。对 NVIDIA 的风险,我归纳为四个层面:
• 需求端风险:CapEx 周期见顶、廉价模型压缩算力需求
• 竞争端风险:AMD MI 系列追赶、Google TPU/Amazon Trainium 自研 ASIC 分流、华为在中国市场替代
• 定价端风险:客户议价能力增强、云厂商联合压价

投资者的风险管理建议

• 政策端风险:反垄断调查、出口管制收紧进一步缩小 TAM 我不是说 NVIDIA 会崩盘。我是说,在$4.7-5.4 万亿的市值水平上,好消息已经被 Price In 了很多,而坏消息只需要一点点就能触发大幅回调。
• 如果你持有 NVIDIA ,考虑用 Options 做 Downside Protection
• 不要把所有 AI 仓位集中在单一名字上
• 关注每季度的 Data Center 营收增速是否出现边际放缓
• PE Ratio 突破 40 倍时提高警惕

12.6 电力瓶颈导致需求延迟最被低估的风险：不是没人要买，而是没电可用

现实困境

前面几章我们已经详细讨论了电力基础设施的重要性。在风险分析的语境下,电力瓶颈带来的不是「需求消失」,而是「需求延迟」—— 客户想建 Data Center ,但找不到足够的电力供应。截至撰稿时,全球 AI Data Center 面临的电力挑战:

• 北维吉尼亚(全球最大 DC 市场):新项目排队 3-5 年才能获得电力接入
• 欧洲主要市场:绿电配额限制、电网升级缓慢
• 中国:部分地区能耗指针紧张,审批趋严

对投资时序的影响

• 东南亚:电网基础设施不足,供电稳定性差电力瓶颈的投资含义是时间轴被拉长:
• 服务器厂商的订单可能延迟兑现(已下单但客户机房没建好)
• 光模块需求可能后移 1-2 个季度

反面逻辑：电力瓶颈反而利好某些环节

• 液冷设备的安装进度可能落后于预期这对什么样的投资者影响最大?那些用短期催化剂做交易的投资者。如果你买了一家液冷公司,期待下季度营收爆发,但客户因为电力问题推迟了机房投产,你的交易逻辑就会被破坏。
• 电力基础设施本身:变压器、配电设备、电缆供不应求
• 高效节能技术:在有限电力下提升算力产出
• 新型能源方案:小型核反应堆(SMR )、天然气直供、燃料电池

12.7 黑天鹅场景

场景一：台海危机

• 边缘部署:分布式部署降低单点电力压力最后,让我们讨论那些「不太可能但一旦发生影响巨大」的尾部风险。概率评估:低(但非零) 影响程度:灾难性台积电生产了全球约 90% 的先进制程 AI 芯片。任何台海军事冲突或严重紧张,都会导致:
• 全球 AI 芯片供应中断
• NVIDIA、AMD、Apple、Qualcomm 全部受影响
• AI CapEx 被迫暂停

场景二:AI 监管突然收紧

• 半导体股票可能出现 50%+ 的回撤对冲思路:分散供应链敞口(关注 Intel Foundry、三星代工进展)、持有部分防御性资产。概率评估:中低影响程度:中到高欧盟 AI Act 已经实施,如果美国或中国突然推出类似严格的监管框架:
• 大模型训练可能需要政府审批
• 算力采购可能被加以限制

场景三：重大 AI 安全事故

• 部分 AI 应用场景被禁止这会直接压缩 AI 基础设施的需求增长。概率评估:中低影响程度:高如果一个 AI 系统造成了大规模的经济损失或人身伤害(例如自动驾驶大规模事故、AI 生成虚假金融信息导致市场崩盘),可能触发:
• 公众反 AI 情绪爆发
• 政府紧急叫停 AI 部署

场景四：技术范式突变

场景五：全球经济衰退

• 企业暂停 AI 投资概率评估:极低(5 年内) 影响程度:颠覆性如果量子计算在 AI 领域取得突破性进展,或者出现了完全不同的计算架构(例如光子计算、神经形态计算),GPU 的主导地位可能被动摇。但在 5 年的投资视野内,这个风险极低。概率评估:中等影响程度:中到高如果 2026-2027 年出现深度衰退:
• 企业 CapEx 被削减,AI 投资不能幸免
• 云厂商可能放缓扩张
• 初创公司融资困难,大量 AI 公司倒闭
• 但头部公司(NVIDIA、Microsoft 等)反而可能逆势扩张历史参考:2008 年金融危机后,Amazon 和 Google 反而加大了基础设施投资,最终在复苏期获得了压倒性优势。

12.8 本章小结风险总览

• 中美永久分裂—— 概率:高;影响:高;可对冲性: 中;监测指针:出口管制政策变化、外交动态
• 华为良率不及预期—— 概率:中;影响:中;可对冲性:低;监测指针:产业链出货量、ASP 变化
• 廉价模型压缩需求—— 概率:中;影响:中高;可对冲性:中;监测指针:云厂商 CapEx 指引、GPU 利用率
• NVIDIA 估值泡沫—— 概率:中;影响:高;可对冲性:高;监测指针:PE/PS Ratio、营收增速趋势
• 电力瓶颈延迟—— 概率:高;影响:中;可对冲性: 高;监测指针:Data Center 并网进度、电力审批
• 台海危机—— 概率:低;影响:极高;可对冲性:低; 监测指针:两岸政治动态、军事部署
• 监管收紧—— 概率:中低;影响:中高;可对冲性: 中;监测指针:各国 AI 立法进度

投资者的风险管理原则

• 经济衰退—— 概率:中;影响:中高;可对冲性:高; 监测指针:PMI、利率、企业盈利原则一:永远不要 All-in 单一叙事。AI 基础设施是一个好赛道,但不代表每家公司都能赢、每个价位都值得买。原则二:区分「延迟」和「消失」。电力瓶颈是延迟,不是需求消失。廉价模型是效率提升,不一定是需求压缩。投资者需要判断的是: 这个风险改变的是斜率还是方向。原则三:用仓位管理代替预测。没有人能准确预测黑天鹅。但你可以通过分散持仓、设置止损、使用期权保护、保持现金比例来管理尾部风险。原则四:逆向思考回报率。当一个投资的 Expected Return 只有在所有好消息都兑现的情况下才成立,那它的 Risk/Reward 就已经不对称了。最好的投资机会,是在坏消息已经被 Price In、但实际情况没那么差的时候出现。第十三章我们将把前面所有的分析框架集成起来,构建一个可操作的 AI 基础设施投资组合—— 如何配置、何时加减仓、怎么动态调整。免责声明本书内容仅供教育及信息参考之用途,并不构成投资建议、财务建议或交易建议。本书提及的任何公司、代币、股票、基金或投资工具,均不构成作者买入、卖出或持有的建议。所有投资均涉及风险,包括可能损失本金。读者应根据自身的财务状况、风险承受能力和投资目标作出独立判断,并在作出任何投资决定前咨询持牌专业顾问。加密货币及相关数字资产波动极大,未必适合所有投资者。各地对加密货币的监管政策不同,读者有责任了解并遵守其所在地区的相关法律法规。本书中的数据及市场信息以撰稿时为准,出版后可能出现重大变化。尽管已尽一切努力确保信息的准确性,但作者对其完整性或准确性不作任何保证,亦不对因依赖本书内容而导致的任何直接或间接损失承担责任。过往表现并不代表未来结果。