就在全球资本市场再度担忧 AI 算力过剩之际，大投行们开始发声！

例如野村的观点，认为 AI 军备竞赛大概率继续，存储短缺可能延续到 2028 年。

野村认为市场对 AI 投资前景 " 反应过度 "，其测算显示，全球新增数据中心容量明年有望增长约 41%，从今年的 22.3GW 提升至 31.5GW。

在这样的大规模建设背景下，存储芯片需求增速仍可能高于供给，价格维持强势。

野村还指出，2027 年存储供需格局已通过长期协议提前锁定，违约成本较高，部分合同违约罚金可能达到年度需求价值的 50% — 100%。

这意味着即便个别云厂商或新算力运营商出现融资压力，也不一定会立刻演变成全行业资本开支断崖。

野村给出的情景判断是：AI 军备竞赛继续的概率约 75%，资本开支放缓约 20%，融资失败约 5%。

花旗的观点更偏长期，它认为 AI 正从一次性训练走向 " 持续学习 "，模型需要不断吸收新数据、更新参数并保留历史信息，这将同时拉动 HBM、服务器 DRAM 和企业级 SSD 需求。

花旗预计，2027 年 HBM 需求同比增长约 62%，2028 年再增约 69%；DRAM 在 2027 年、2028 年分别可能出现约 8.7%、9.7% 的供应缺口。

如果这一判断成立，存储环节的紧张就不是短期现象，而是会延续到 2028 年甚至 2031 年。

对 A 股投资者而言，这意味着存储、先进封装、服务器 DRAM、企业级 SSD 等方向的景气度仍有中期支撑。

摩根士丹利，则把本轮 AI 投资看作全球数据中心和算力网络的工业级建设。

其测算显示，到 2028 年全球 AI 相关基础设施投资规模接近 3 万亿美元，其中大部分支出尚未落地。

英伟达在 AI 资本开支链条中仍占据核心位置，产业链受益集中在 GPU、存储、网络、光模块、ODM 服务器等环节。

但大摩也提示了两个风险。

一是电力瓶颈：美国到 2028 年仍可能存在约 32GW 净电力缺口，2029 年或扩大至约 72GW。芯片交付不等于算力上线，通电能力会决定实际部署节奏。

二是回报兑现速度：AI 资本开支增长很快，但企业级收入、利润率改善需要时间，市场估值不能只按订单规模线性外推。

巴克莱是另外一个角度，它提到五大云厂商 AI 相关资本开支到 2028 年可能升至约 1.16 万亿美元，自由现金流压力明显上升。

谷歌、亚马逊、微软、Meta 等公司已开始更多使用股权融资、可转债、强制可转债等工具，为 AI 基建补充资金。

这说明市场担心的 " 钱不够花 " 并非空穴来风，但科技巨头并非只能靠经营现金流硬扛。只要资本市场仍愿意提供融资，AI 基础设施扩张就可能继续，只是节奏会被融资成本和股东回报压力约束。

虽然有投行发声，但投资者依然要看具体的财务数据。

最新的韩国存储巨头财报数据已经公布，三星电子三季度初步营业利润 107.4 万亿韩元，SK 海力士预计约 77 万亿韩元，合计接近 185 万亿韩元，远高于 2025 年同期的 90.8 万亿韩元。韩国 10 月前 20 天半导体出口同比大增 222.5%。

现在说 AI 算力投资全面过剩，并没有十分明确的数据支撑，Anthropic、OpenAI 等头部模型公司收入仍在高速增长，云厂商资本开支仍在上调，存储价格和长协也显示需求有韧性。

刚刚公布的 Anthropic 招股书披露，2026 年第三季度，公司每投入 1 美元算力支出，可带来 1.70 美元收入。

相比之下，2025 年全年这一比例只有约 0.63 美元，也就是每 1 美元算力支出仅换回约 63 美分收入。

从 0.63 到 1.70，意味着单位算力收入效率提升了约 1.7 倍。

更细地看，2025 年第一季度，Anthropic 每 1 美元收入对应超过 2.5 美元的算力和基础设施支出；到 2026 年第二季度，这一比例已降至不足 0.5 美元。

算力支出占营收比例也从 2025 年第一季度的 251%，降至 2026 年第二季度的 48%。 

这说明大模型公司并非只能 " 越跑越亏 "，随着模型效率提升、多芯片调度、推理成本下降和企业客户放量，算力投入开始产生更清晰的收入回报。

当然了，虽然现在不需要担心 "AI 需求消失 "，但必须担心 " 算力投资回报滞后 "。

全球算力扩张仍是需求驱动，只是已经从 " 谁买得多 " 进入 " 谁用得好、谁能变现 " 的阶段。

实际上，对于 AI 算力投资过剩的担忧，绝非新鲜事，而是每隔一段时间都会出现一次，导致估值回撤、股价下跌。

从投资角度看，算力是否过剩的问题，不应停留在这类定性分析阶段，而是应该更多地转化为可量化的指标，估值、ROI、经营现金流等等。