一、算力的极致增速与代价

英伟达于本月发布了4季度业绩：收入同比增长73%至681亿，增速从2季度的55%触底后，已经连续两个季度在提速。净利率也从过去平均的55%提升至63%，净利润增速高达94.5%。按照26年一季度的业绩指引，结合英伟达财报的惯例，大概率26年Q1的收入同比增速会再度加速至80%以上。这是一家4万亿美元全球最大市值企业的“大象狂奔”。

英伟达在用快速迭代且持续领先的软硬件生态，加速着整个AI行业的发展。当下最先进的GB300 NVL72机柜，其单位成本能生产的Token数比上一代H200系统高出了整整35倍，而单位能耗下生产的Token数更是比H200系统高出了50倍。正是新一代Blackwell芯片的交付部署，模型的能力在25年底才普遍有了实质性的飞跃。

 这种高速的增长，除了公司近乎疯狂的产品代际升级速度外，还来源于对上游产业链和下游客户资金的极致压榨。这两年，从上游的先进封装、光模块、存储，到配套的小型核电站、储能电池、燃气发电轮机，再到各种大宗商品，都被这股增速拉扯着往前走。激进的产业环节像PCB、光模块都在积极地配合扩产。而经历过一轮轮周期的HBM存储巨头，则在用提价和“产能置换”的方式，收割这种强劲需求，不太愿意增加产能投资。这逼着英伟达用“承诺采购”和“股权投资”的方式，去推动上游产业链的扩产，同时锁住市场份额，形成了强劲的排他竞争力。其财报披露的“采购义务”金额，2023年为161亿美元，2024年增至308亿美元（同比增91.3%），2025年更是飙升至952亿美元（同比增209.1%），两年扩张近6倍，且速度不断加快。这便加剧了市场的担忧情绪，担心原属于上游的“周期性”风险，转移到了英伟达，在AI需求降温后会形成库存和折价，使其估值承压（也带来了上游企业估值的提升）。

另一方面，下游客户在这种极致增长背后，在疯狂燃烧着他们的自由现金流。刚刚过去的2025年，亚马逊、Meta、谷歌和微软这四大互联网企业，总资本开支高达3725亿美元，而其经营活动产生的现金流总额为5805亿美元，挣的钱大部分（64%）被用于支持AI事业的发展。但2026年，这四大企业的总资本开支预告为6500亿美元，同比高速增长74%，但凡2026年这四家企业的经营现金流增速低于12%，投资的现金流就面临枯竭和短缺。好在25年四家企业的总经营现金流增长了27%，如果经营现金流增速得以延续，甚至在AI投资下能加速增长，资金短缺的状况会有所缓解。所以巨头们都在纷纷下场发行债券和私募信贷，以及通过场外经营租赁来转移资金的压力。于是，市场担心下游客户资金无以为继的压力，会逐渐成为英伟达增长放缓的源头之一。

二、时代的核心矛盾在于“需求”

这两个与极致增长并存的风险，把英伟达26年动态的PE估值压缩到了20倍以内（过去历史均值在30倍以上）。未来极致的高增长一定会放缓，上下游的资源约束问题也必然存在，但核心矛盾不在这里。历次伟大的技术周期中，资金紧绷和资源物理约束往往只是“发展中的摩擦力”。核心矛盾在于，未来几年，AI能力能否持续不断进步，AI Token的成本能否持续不断地下降，AI应用能否赋能每个行业和个体，以及AI所创造的价值是否远大于当前产值。这些都是AI发展的需求层面的问题。英伟达的极致创新速度，这一供给侧的驱动力，只是这个核心需求矛盾的催化剂之一而已。

我们在过往的几期观点中，描绘过当前及今年AI的能力进化、成本下降和应用普及所带来的需求喷发的图景。开年以来，这份图景也在迅速展开：在本月财报中，我们看到谷歌Q4云计算收入增速超过50%，Meta Q1广告收入增长超过34%，Anthropic的ARR收入从2025年初的10亿美元到本月的200亿美元疯狂飙升；在互联网上，我们也可以看到AI漫剧和短视频的病毒式生成，AI电影大制作箭在弦上，中国农历新年的春晚几乎成了AI和机器人的宣传片，Openclaw“龙虾养殖”人群在悄然扩张和破圈，模型的前沿能力进步和蒸馏降本几乎是每周一次的更新，而5年前的芯片A100的租赁价格还在不断上涨。这份AI需求图景才是核心矛盾的具象化，英伟达只是其中的加速器和受益者。

除此以外，AI需求的井喷，还有另一个更直接的表现，就是各个产业环节都在出现“供不应求”：各种AI原生应用因算力不足而限制账号的使用量；微软的Azure云因算力投资不足，收入增速持平，而拖累股价；谷歌的TPU因代工产能受限而拒绝了苹果等的订单需求；存储芯片因供不应求而每个季度环比不停涨价；数据中心因发电硬件供应延迟，GPU被迫在仓库中“等电”；AI用尽了互联网数据后，演化出为强化学习提供“数据饲料”的专业分工；以及头部公司为争抢稀缺的头部人才，开出了天价相互挖角，团队收购也成为绕过反垄断的一种主流玩法。

接下来，随着视频技术的广泛应用，以及“龙虾模式”的Agent框架易用性的提升和在消费侧的普及，还会有许多环节出现供不应求和高增长的情况。比如其中一个重点领域和方向，可能会发生在快要被人遗忘的CPU上。

三、CPU逻辑算力也可能“供不应求”

在早期的AI聊天应用中，模型工作的本质是“直觉预测”，根据模型参数去预测问题答案里的下一个Token。这涉及海量的矩阵乘加运算，是GPU的主战场。CPU主要发挥的功能，包括数据的预处理（例如文字的“Token化”、数据检索、图像的裁剪预处理等），为模型在GPU上的并行计算做任务编排管理，在实际Decoding阶段给GPU精准投喂数据，最后在GPU给出概率分布后选出具体token并输出文字。GPU负责了大量重复的“简单加法乘法运算”，而CPU则辅助完成数量有限但复杂的逻辑判断任务。为了克服CPU投喂数据时的带宽和内存问题，英伟达引入了Grace CPU配合NVLink-C2C片间互联技术，以替代通用的X86 CPU和PCIe互联技术。

2025年，AI进入了“推理任务”聊天时代，模型不再只是进行脱口而出的直觉“快思考”，而是引入了逻辑搜索的慢思考——增加了方案规划、多路线探索、反思纠错等迭代思考循环。在这种模式下，CPU的职能也发生了质的飞跃，新增了搜索树（Search Tree）的规划和维护、对思考的中间结果进行逻辑验证和反思、在思考路径走不通时对新的路径决策进行精准控制等复杂逻辑任务。因为逻辑推理任务的引入，CPU的工作量因此又提升了1—2个数量级。

2026年，AI全面进入“Agent时代”。模型不再只是聊天，而是拥有长期记忆，能够使用工具，懂得与不同模型合作，通过累积经验独立完成多步骤的任务，走向真正的工程智能。在Agent时代，CPU不再只是默默给GPU喂数据的“搬运工”，而是重新找回了作为Agent操作系统“总线管家”与“神经中枢”的核心地位。在统一内存架构等技术的加持下，CPU与作为“认知大脑”的GPU形成深度协同的“双核共治”，而非谁取代谁。

在Agent智能体的定义中，最核心的跃升是“与环境产生真实互动”。AI不止步于让模型生成一段话、一张图片或一个指令，而是要使用工具干预环境，并根据反馈不断修正动作，以对任务状态进行有效改造。举个通俗的例子，自动驾驶模型根据当前路口视频，输出了右转方向和起步加速的指令，但重要的是要通过操控汽车右转行驶，与来往车辆和路口行人互动，反复修改指令，最终完成“右转”的状态变更，才算完成一个子任务。因此，Agent 的工作流可以被抽象为“智能计算（意图推理）”与“环境计算（系统调度与执行）”的动态闭环。其中，GPU主导高并发的“智能计算”，而以CPU为核心（协同DPU/NPU）的异构阵列则全面接管庞杂的“环境计算”，其工程底座的不可替代性被大幅放大。

CPU主导的环境计算，具体包括以下几类核心工作流：

1）沙盒环境模拟与安全隔离：Agent 的动作绝不会直接在宿主机上“裸奔”，而是利用虚拟化技术，动态圈出一块隔离的安全、独立、用完即焚的“实验室”，在其中拉起进程、分配内存、挂载文件系统、配置网络与权限管控。这种对系统底层硬件虚拟化、容器化等技术的应用，正是 CPU 复杂指令集的绝对强项。

2）调用工具落地系统动作：当 GPU 端的大模型输出“买入某只股票”或“查询历史订单”的决策意图时，这往往只是一串Token的语义信号。CPU 需要将这个信号解析并转化为真实的系统级调用——建立数据库连接、运行 Python 脚本、调用外部 API、驱动浏览器界面以及处理接口鉴权与网络容错。这些充满分支预测和逻辑判断的任务，依然是 CPU 的主场。

3）多Agent协作的通信总线：当一个“经理 Agent”调度多个“专家 Agent”时，模型（GPU）负责处理它们之间的专业探讨、观点争论与逻辑共识，而 CPU 则是这个协作网络的物理基础设施。它负责维护不同 Agent 进程的生命周期，分配与监控 Token 预算配额，处理复杂的异步消息队列和内存上下文路由，确保协作状态机运转流畅、防止死锁或系统崩溃。

4）逻辑环境验证：Agent执行动作后，环境必须给出反馈与打分。在软件与逻辑工程领域，这种闭环高度依赖CPU——例如，在AI编程过程中，AI代码生成使产出速度提升10-100倍，生成代码需大量CPU资源来做CI检测（试运行检测），代码量指数级增长会导致CPU算力危机。同时，AI生成代码的问题率是人类的1.7倍，形成“测试－修复－测试”恶性循环，CI运行次数暴增超10倍。过去CI系统多闲置，现在需24小时不间断运行。

以上的投资判断，在1月的市场中被广为流传，我们认为从定性的角度讲得通。CPU的产业地位在不断提升：3月份英伟达GTC大会上，以Vera CPU为核心的异构计算可能会成为大会非常重要的主题。2026年，ARM也在逐步打破专利授权的单一业务模式，亲自下场做CPU，并锁定了Meta等互联网巨头客户。3月即将发布的Deepseek V4，也被预期将采用Engram的新算法，将“背诵知识”和“逻辑思考”的任务进行分离，让CPU负责更多模型的主流工作。

四、局部战争改变不了时代轨迹

AI时代的主要矛盾非常清晰——产业链不断冒头的“供不应求”局势，都在显示着对AI部署强劲的需求。而此刻正在发生的许多宏观的阶段性事件，如伊朗战争，特别吸引眼球，左右着市场情绪；但于投资而言，都是次要矛盾，这些事件可以造成短期中小幅度的波动，但改变不了年内市场的大趋势。

我们不认为伊朗战事对全球经济的影响，能比肩2022年。彼时俄乌战事发生在全球两大核军事集团——北约与俄罗斯之间，影响更大；更重要的是当年疫情给全球生产和贸易都造成了阻断，导致大宗商品和许多贸易商品的无差别涨价，最终酿成了全球通胀，带来了美联储的加息和美股超过30%的指数下跌。而当下美以伊不对等的军事实力，石油对于PPI与CPI的影响力，美联储的降息周期，以及AI带来的生产效率的飞速提升，在此环境里，出现高通胀与加息的概率很低。

无论战争最终以何种形式收场，从过往百年美股的历史来看，我们明白市场走势的主导力量会很快会从战争的焦点中退出，回到生产力的最终决定因素上。

风险提示及免责声明：市场有风险，投资需谨慎。在任何情况下，文章中的资讯仅供读者参考之用，文中提到的公司亦仅为阐述产业逻辑，所有内容均不带任何投资建议，读者不应单纯依靠本文而取代个人的独立判断。对于因使用、引用、参考本文内容而导致的投资损失、风险及纠纷的，东方港湾不负任何责任。