AI瓶頸投資法：14檔標的，覆蓋從電力到光刻的每一層

深潮TechFlow

特邀专栏作者

2026-05-15 09:33

本文約4804字，閱讀全文需要約7分鐘

多數投資者在追逐AI，真正的機會是擁有AI離不開的東西。

AI總結

展開

核心觀點：當前AI投資的核心機會不在於模型或晶片開發，而在於電力、散熱、記憶體及網路等基礎設施的瓶頸環節。透過識別並投資這些被市場忽視的「卡脖子」領域，可以獲得超額回報，目前相關組合已實現約60%的收益。
關鍵要素：
1. 全美近50%的數據中心項目因電力短缺而延期，變壓器交付週期從24個月延長至5年以上，形成嚴重供應錯配。
2. 超大規模廠商2026年AI基礎設施支出預計達7000億美元，是2022年的6倍，且未見減速跡象。
3. 半導體佔標普IT板塊市值42%，但算力已非瓶頸，真正的約束轉向電力、散熱和記憶體等物理基礎設施。
4. 下一代AI設施每機櫃目標功率250千瓦，而10年前僅10-15千瓦，液冷成為必備，散熱公司（如Vertiv）接近壟斷地位。
5. 記憶體正成為新瓶頸，HBM供應緊張，全球前三大供應商控制90%以上產出，Micron是西方主要受益者。
6. 部分比特幣礦工（如Cipher Digital和IREN）被錯誤歸類為礦業股，實則正轉型為AI電力與HPC基礎設施平台，擁有低成本電力和長租約。
7. ASML的EUV光刻機生產週期超過一年，單台成本超過2億美元，無替代品，控制著晶片製造關鍵卡口。

原文作者： George Kikvadze

原文編譯：深潮 TechFlow

導讀：Bitfury 集團副董事長 George Kikvadze 提出一個逆向思路：AI 賽道最賺錢的機會不在模型層，而在電力、散熱、記憶體、網路等基礎設施瓶頸。他梳理了 7 個 AI 系統「卡脖子」環節，並公開了自己的 14 檔標的組合，目前報酬約 60%。這套「瓶頸投資」框架值得每個關注 AI 投資的人認真看一遍。

想搞懂 AI 裡哪兒能賺到錢，別看頭條新聞，看系統哪裡在承壓。

最簡單的類比：今天的 AI 就像一座訂單無限的工廠，但電力、線纜、散熱全都跟不上。

這個錯配本身就是機會。

我們做了詳細的盡調之後，押注了以下「AI 瓶頸」組合：

$CEG $GEV $VST $WMB $PWR $ETN $VRT $MU $ANET $ALAB $ASML $LRCX $CIFR $IREN

真正該問的問題

多數投資者在問：「誰會贏下 AI？」這個問題問錯了。

該問的是：系統會在哪裡斷裂？誰在賺修復的錢？

在市場裡，依賴關係就是槓桿。

AI 的依賴關係一點不抽象，全是實物：

兆瓦級電力
變壓器交付週期
每機櫃散熱能力
記憶體頻寬

經濟重心正在向這些地方轉移。

唯一需要的分析框架

AI 擴張 → 基礎設施承壓 → 被迫投資 → 瓶頸 → 定價權 → 盈利上修

當需求剛性、供給受限：價格先動，盈利跟上，股價最後重估。

為什麼是現在

幾個數字說明全部問題：

全美近 50% 的資料中心項目目前處於延期狀態，原因不是缺需求或資金，而是拿不到電。變壓器交付週期從 2020 年前的 24 個月拉長到了現在的 5 年以上。資料中心建設週期 18 個月。這筆帳算不平。

超大規模廠商 2026 年僅 AI 基礎設施支出就將達到 7000 億美元，接近 2022 年的 6 倍。亞馬遜 2000 億，谷歌 1750-1850 億，Meta 1150-1350 億。沒有一家在減速。

半導體目前占標普 500 IT 板塊總市值的 42%，比 2022 年熊市底部翻了一倍多，是 2013 年權重的四倍以上。半導體還貢獻了 IT 板塊前瞻 EPS 的 47%，比 2023 年幾乎翻了近三倍。

市場以史無前例的密度湧向算力層。

但算力已經不是瓶頸了。

資本瘋狂湧入晶片，而真正的約束已經轉移到了別處。

這個落差就是交易機會。

瓶頸地圖：壓力到底在哪

電力：地基

AI 離了電就擴不了。句號。

美國需要每兩年新增相當於當前整個數據中心電力基礎的容量，才能跟上 2030 年前的 AI 需求預測。核電是唯一能提供超大規模廠商所需規模和可靠性的基荷電源，但即便最快的核電重啟也要數年。

標的：$CEG $GEV $VST $WMB

這些不是公用事業股，是 AI 產能提供商。市場還沒有完成這個重新歸類。這種錯誤定價就是機會。

Constellation Energy（$CEG） 營運著全美最大的核電站艦隊，是少數能提供大規模、可靠、零碳基荷電力的供應商之一。超大規模廠商正加速與核電供應商簽署長期購電協議，Constellation 直接處在這條需求路徑上。

GE Vernova（$GEV） 正在構建下一輪能源週期的發電骨架，覆蓋燃氣輪機、可再生能源和電網解決方案。AI 需求加速時，快速大規模部署電力的能力變成關鍵，GE Vernova 的燃氣輪機和電氣化能力正處於這個核心位置。

Vistra Corp（$VST） 擁有多元化的發電組合，包括核電、燃氣和零售電力，能同時應對基荷和峰值需求。AI 工作負載帶來波動性極大的電力需求，這種靈活性變得格外有價值。

Williams Companies（$WMB） 營運著全美最大的天然氣管網之一，為彌合當前需求與未來核電規模之間的缺口提供燃料。AI 基礎設施擴張中，天然氣是最快上線增量電力的途徑。Williams 實質上是 AI 增長的能源原料供應商。

電網與電氣化：電力背後的約束

發電是一回事，送電更難。

美國電網互聯排隊現在已經排到了 2030 年以後。未來十年僅滿足現有承諾就需要 500 億美元以上的輸電投資，這還沒算一座新的 AI 資料中心上線。

標的：$PWR $ETN

時間表在這裡打滑，利潤率也在這裡擴大。解決「最後一公里」配送問題的公司擁有持久的長週期定價權。

Quanta Services（$PWR） 是建設和升級輸電基礎設施的頭部承包商，連接發電端和用電端。電網擁堵成為 AI 擴張的主要瓶頸時，Quanta 直接處在多年期、非自由裁量資本支出的路徑上。它的積壓訂單就是電網壓力的前瞻指標。

Eaton Corporation（$ETN） 提供配電系統、開關設備和電力管理技術，讓電力能大規模安全高效配送。資料中心向更高功率密度和更複雜能源流推進時，Eaton 的組件從標準化硬體變成了關鍵基礎設施。

散熱：沉默的天花板

熱量扼殺性能。熱力學沒有軟體修補。

下一代 AI 設施的目標是 每機櫃 250 千瓦，十年前標準企業資料中心只有 10-15 千瓦。液冷不再是可選項，而是必備基礎設施。每賣出一塊 GPU 都需要對應的散熱容量，這個比例不會變。

標的：$VRT

Vertiv 在超大規模資料中心散熱領域接近壟斷地位。這是整個 AI 堆疊中被低估最嚴重的環節之一，因為沒人在乎散熱，直到集群宕機。

Vertiv Holdings（$VRT） 設計和部署熱管理系統，讓高密度 AI 集群在極端功率負載下保持運轉。機櫃從風冷轉向液冷時，Vertiv 處在這輪結構性升級週期的正中心，直接與 AI 算力部署同步擴張。這不是可選支出，而是正常運行的前提。

記憶體：下一個瓶頸

AI 正在從算力受限轉向記憶體受限。

隨著模型越來越大、推理量爆發，記憶體的頻寬和容量成為約束條件，而不是原始處理能力。HBM（高頻寬記憶體）供應已經緊張。全球前三大 AI 記憶體供應商控制了 90% 以上的全球 HBM 產出。Micron 是西方的主要受益者。

核心標的：$MU

這是盈利上修的下一波。多數投資組合還沒有為此定位。等市場反應過來時，它們會的。

Micron Technology（$MU） 是全球少數能大規模量產先進 HBM 的廠商之一，HBM 是 AI 訓練和推理負載的關鍵組件。當記憶體成為系統性能的限制因素時，Micron 從歷史上的週期性供應商轉變為 AI 需求的結構性受益者。這種轉變尚未被估值充分反映，存在持續盈利上修和估值倍數擴張的空間。

網路：吞吐層

AI 集群的速度取決於最慢的那條連接。

一個網路瓶頸就能讓整個數千 GPU 的集群停滯，浪費每座設施數億美元的資本。集群規模向 10 萬 GPU 配置擴展時，互聯問題呈指數放大。一個堵點，全線停擺。

標的：$ANET $ALAB

安靜、關鍵、持倉不足。沒人聊網路，直到網路出問題。

Arista Networks（$ANET） 構建高性能網路基礎設施，讓數據在大規模 AI 集群中無縫流動。工作負載要求超低延遲和高吞吐時，Arista 的軟體定義網路成為維持集群效率的關鍵。停機或低效帶來的成本極高，Arista 靠保證系統全速運行來捕獲價值。

Astera Labs（$ALAB） 運作在數據通路內部，確保 AI 系統中 GPU、CPU 和記憶體之間的高速連接。集群密度提升時，瓶頸從網路邊緣移向晶片到晶片的通訊，這正是 Astera 的位置。在高性能 AI 環境中，組件之間通訊不夠快，整個系統就慢下來。

製造：長週期約束

沒有晶片製造能力就無法擴展 AI。沒有製造工具就無法製造先進晶片。

ASML 的 EUV 光刻機生產週期 超過一年，單台成本 超 2 億美元，沒有可信替代品。地球上每一顆先進晶片，從 NVIDIA 的 H100 到蘋果的 M 系列，都需要它們的設備。Lam Research 的蝕刻和沉積工具嵌入了全球每一條主要晶圓廠的產線。

標的：$ASML $LRCX

長週期約束。結構上比任何軟體護城河都難顛覆。討論熱度遠低於應有水準。