当前，AI投资核心已从单纯的资本开支驱动转向回报率验证，市场更青睐可验证的AI收入与现金流质量。我们重构了美股AI投资框架，采用杠铃策略兼顾硬件确定性与软件弹性，一方面保留对算力、基础设施的战略配置，另一方面加大对已展现AI变现能力的软件和平台公司的配置权重。定价逻辑从单一关注资本开支转向“行业景气度+商业化验证+现金流质量”并重，估值方法聚焦盈利可见度、PEG及自由现金流覆盖率。我们列出了38家海外AI产业链的代表公司供参考。
　　AI投资叙事转变的核心是什么？在AI行情的第一阶段，过去三年，市场处于技术突破的兴奋期，投资者愿意为远期潜在市场规模和颠覆性愿景支付溢价。但来到行情的第二阶段，市场更加偏好那些盈利预测持续上修、利润率保持稳定、财报后股价能形成正反馈的公司。估值扩张的动力，已从情绪抬升转向盈利上修。如今，资本开支进入高位平台期，利润向HBM（高带宽内存）、电力及液冷等环节转移。市场偏好从高增长故事转向可验证的AI收入，估值驱动由情绪抬升转为盈利上修。尽管DeepSeek等算法突破削弱了高端芯片的估值溢价，但单位成本下降反而有望推升总算力需求。AI投资叙事已从加码资本开支向验证回报率转换。
　　从芯片短缺转向电力与存储的双重约束。此前，市场的核心矛盾是GPU（图形处理器）是否短缺。然而，随着Blackwell等新一代GPU架构的推出，AI训练和推理性能较前代提升30倍，瓶颈已悄然转移至HBM的产能与价格，以及数据中心电力供需缺口。HBM是一种通过3D堆叠技术将多个内存芯片垂直封装，从而实现超高数据传输速率的高性能内存。HBM的供需紧平衡和价格持续上涨，使其从配套存储变为定价核心。而美国数据中心巨大的电力缺口，造成项目落地延迟和GPU闲置，影响资本开支的实际回报率。这种瓶颈的转移意味着产业链的超额利润池正从单一的芯片设计，向HBM、供配电、液冷、ASIC（专用集成电路）等新瓶颈承接环节扩散。
　　如何重构美股AI投资框架？在AI投资叙事的转变下，新的投资框架应是多维度的，可采用杠铃策略，兼顾硬件确定性与软件弹性。一方面需保留对算力、基础设施领域的战略配置，另一方面可适当加大对已展现AI变现能力的软件和平台公司的配置权重。AI硬件上，算力芯片性能进一步提升，但竞争更激烈。网络设备中Scale up方案崛起，硅光技术将迎来爆发。电源与冷却系统在高密度算力需求下迎来升级。AI软件上，行业范式开始从SaaS向SaaL（软件即劳动力）迁移，而平台公司投资框架的焦点从资本开支转向投资回报率验证。
　　构建新框架下的定价逻辑和估值方式。在新的框架下，AI投资定价逻辑由“单一资本开支驱动”转向“行业景气度+商业化验证+现金流质量”并重。估值方法从单纯关注营收增速转向盈利可见度、PEG及自由现金流覆盖率。同时，还需在资本开支效率、技术瓶颈与外部政策等维度展开动态监测。我们列出了38家海外AI产业链的公司供参考。
　　投资风险：政策刺激不及预期，地缘政治紧张局势升级，流动性趋紧。