全球算力短缺遇上估值回调,AI产业链的定价逻辑正在重写

11月17日至18日,2026年APEC工商领导人峰会在深圳举行。

百度创始人李彦宏在谈及发展与风险的平衡时,给出了一个具体判断:现在全球算力短缺,连美国的头部公司都缺芯片。

同一场峰会上,雷军、曾毓群、王兴兴等企业家围绕AI与机器人展开对话,科技议题构成了这场会议最密集的声量。

几乎同一时间,资本市场给出了另一组信号。

深市科技龙头估值回落至历史低位,创业板指前向市盈率21.6倍,处于近十年3.6%分位。

英伟达2027财年第三季度营收1158亿美元,同比增长103%,财报大超预期。

一边是算力稀缺的产业现实,一边是估值压缩的定价修正,两条线索交汇之处,正是AI产业链当前最值得拆解的位置。

算力短缺不是新话题,但Token交易所提供了一个新解法

李彦宏在峰会上把算力短缺说得相当直白。

他提到,世界各地都在建数据中心,但芯片供给跟不上,资源瓶颈在短期内难以消除。

这不是某一家公司的困境,而是全球AI产业共同面对的结构性约束。

训练侧的大模型竞赛尚未停歇,推理侧的需求又在全面快速增长,两端同时挤压有限的算力供给。

百度给出的应对方式是把资源聚起来。

李彦宏透露,百度最近推出了Token交易所,各地设有Token工厂,试图把Token的提供方与有推理需求的客户匹配起来。

这个做法的实质,是在算力供给刚性的前提下,通过交易机制提高存量资源的配置效率。

它不解决芯片短缺本身,但试图缓解短缺带来的使用摩擦。

这个思路值得注意的地方在于,它把算力从“自建自用”的基础设施逻辑,往“流通撮合”的市场逻辑推了一步。

当单家公司无论建多少数据中心都难以完全满足需求时,撮合平台的效率价值就会显现。

但Token交易所能否真正运转起来,取决于供给方的接入意愿、定价机制的合理性以及跨区域调度的技术可行性,这些都不是短期内能验证的。

李彦宏同时强调,AI可分为四层,底层GPU芯片、云基础设施、开源或前沿大模型,以及最上层的应用,而终极价值来自应用层。

这个判断与算力短缺的现实放在一起看,指向一个更具体的结论:算力是约束条件,但产业价值的最终兑现不在算力本身,而在算力之上能跑出什么样的应用。

估值压缩与业绩强劲并存,市场在重新校准AI资产的定价锚

产业端的算力焦虑,并没有阻止资本市场的估值修正。

近期A股科技板块再度回调,前期涨幅较大的AI算力、光模块、PCB等方向调整尤为明显。

中金公司研报指出,当前A股整体估值已回落至历史均值以下,创业板估值处于较极端水平。

李求索团队提到,沪深300股权风险溢价升至5.8%,历史上该指标到达此位置时,多次对应A股偏低位阶段。

更值得关注的是科技龙头与海外对标之间的估值差。

有券商通信行业首席分析师测算,中际旭创、新易盛的市盈率已低于英伟达。这个对比放在一年前几乎难以想象。

当时算力产业链的估值逻辑是“稀缺性溢价”,光模块龙头被视为AI基建中最确定的受益环节,估值被推至高位。

如今股价回落,估值压缩,市场开始重新审视这种确定性的兑现节奏。

英伟达的财报提供了一个参照。

第三季度数据中心营收1076亿美元,同比增长110%,第四季度指引1261亿至1339亿美元,高于市场预期。

黄仁勋表态“愿意回归”,董事会批准增加1500亿美元股票回购计划。

业绩和指引都没有出现问题,但A股算力链的估值却在回调。

这种背离说明,市场定价的锚已经从“行业景气度”转向“个股兑现能力与估值匹配度”。

换句话说,算力短缺是产业事实,但资本市场不会为所有算力概念统一付费。

谁能把需求转化为收入,谁能把收入转化为利润,谁能在芯片供给受限的条件下保持交付节奏,这些具体问题正在取代宏观叙事,成为定价的核心变量。

应用层的组织障碍,可能比算力短缺更难解决

李彦宏在峰会上还提出了一个容易被忽略的判断:AI落地的深层障碍在组织层面。

他用了一个类比,电机虽然装进工厂,但流水线尚未发明时,电对GDP的贡献有限。

大模型能力已经很强,企业组织方式跟不上,同样难以获益。这个判断把讨论从算力供给拉到了需求侧的消化能力上。

由此他提出智能组织的三条原则,涉及打破岗位边界、形成工作流闭环与智能体协作的每个环节数据流通。

这些原则听起来偏管理层面,但指向的问题很实际:企业买了算力、接了模型、部署了智能体,如果业务流程没有相应重构,AI的产出就无法嵌入经营环节,投入产出比自然难看。

这与估值回调形成了呼应。资本市场对AI资产的审视趋于严格,本质上是在问同一个问题:应用层的价值兑现到了哪一步。

算力短缺可以通过建数据中心、推Token交易所、整合各方资源来缓解,但组织方式的变革没有交易所能撮合。

它需要一家一家企业去改流程、调岗位、重建协作方式,周期更长,不确定性更高。

广东洲明科技的案例提供了一个侧面参照。

这家企业的屏幕出现在APEC会场、六届奥运、武汉地铁站和沙特沙漠,从“这个没做过”的狂想到全球顶级现场的标配,靠的是制造能力与场景落地的结合。

AI应用层要走到类似的位置,同样需要把技术能力转化为具体场景中的稳定交付,而不是停留在模型能力的展示上。

算力稀缺与资本审慎并行,产业链的分化才刚刚开始

把几条线索放在一起看,当前AI产业链的状态并不矛盾。

算力短缺是真实的产业约束,英伟达的业绩证明需求侧依然强劲,但资本市场的估值回调说明,投资者对“短缺必然带来全链条受益”的线性推演已经不再买账。

估值压缩发生在前期涨幅最大、预期最饱满的环节,这本身就是一种定价纠偏。

对算力产业链上的公司而言,接下来的分化取决于两件事。

一是能否在芯片供给受限的条件下维持交付能力和客户关系,这决定了收入端的确定性。

二是能否把算力资源转化为推理侧的实际收入,Token交易所这类撮合机制如果跑通,可能会改变算力分销的格局,但现阶段仍是早期尝试。

对应用层企业而言,算力短缺反而可能构成一种倒逼。

当资源不再廉价且充裕时,企业更倾向于把算力用在能直接产生收入的工作流上,而不是广撒网式的试点。

李彦宏所说的组织障碍,在这种倒逼下会变得更紧迫。

谁能先把智能体协作嵌入核心业务流程,谁就更有可能在估值分化的下一阶段获得定价溢价。

深圳这场峰会聚集了雷军、李彦宏、王兴兴、曾毓群等企业家,讨论的是AI与机器人的未来。

但资本市场同期给出的信号更冷静:创业板估值处于历史低位,科技龙头与海外对标的估值差正在收窄。

产业热度与资本审慎之间的落差,恰恰说明AI产业链正在从叙事驱动转向兑现驱动。

算力短缺会持续一段时间,估值修复也不会一蹴而就,真正决定下一阶段格局的,是谁能把稀缺资源转化为可验证的经营成果。

产业标签 算力中国
赞(1) 支持本站
分享到

支持本站持续更新

如果这篇内容对你有帮助,欢迎扫码支持。

支付宝扫一扫

微信扫一扫

登录

找回密码

注册