港美股云厂商-互联网-消费观点汇报

这份报告最值得深入思考的，是其「叙事切换」的判断本身——把AI投资逻辑从Capex转向ROI（投资回报）确实是关键拐点，但需要警惕几个被低估的隐含假设。 第一，「Capex/收入增速交叉」是个时点游戏而非趋势。微软2026日历年Capex维持持平看似放缓，但若计入存储涨价因素、且OpenAI Codex放量后推理算力（模型实际运行所需的计算资源）需求二次爆发，Capex增速可能在2027年再创新高。这意味着「投资回报转正」可能只是单季快照，而非结构性结论。 第二，循环融资被打破的论据偏弱。微软商业化RPO同比+84%确实亮眼，但RPO是合同金额而非确认收入，且其中有多少来自OpenAI内部循环采购、Anthropic通过AWS采购，实质上仍是模型公司互相买单。把「非AI实验室客户驱动」单独拎出来对比是聪明的做法，但样本量仍小，需观察3-4个季度才能确认。 第三，教育板块的「证伪双减」有政策尾部风险。新东方、好未来的强势建立在大机构退出、行业集中度提升的格局上，但K12（基础教育）教培政策具有可逆性，任何监管表态都可能让估值瞬间压缩。报告中提及的老年教育、AI辅导属于正确对冲，但这些业务尚未规模化，无法单独支撑估值。 第四，金山云的「中立第三方」定位是双刃剑。在AI算力供不应求时中立是优势，一旦CSP自建产能溢出或DeepSeek这类模型公司自建集群，金山云可能两头承压。其EV/EBITDA（企业价值/息税折旧摊销前利润）6倍看似便宜，但前提是利润率改善能够兑现，而2026Q1毛利率波动已经显示传导并不彻底。 第五，与互联网早期类比需要打折扣。报告提到AI普惠化类似互联网提速降价，但1990年代末的网速提升建立在光纤基础设施成熟之上，而当前模型推理成本下降更多依赖架构创新（如MoE混合专家架构，即把一个大模型拆成多个小模型按需调用以降本）和量化（把模型参数精度压缩以减小体积），后者红利正在衰减。 横向参照：CoreWeave 3.7倍EV/EBITDA看似便宜，但90%收入依赖微软、长期壁垒不明；NBIS 16倍则因50%小客户预付款60-100%支撑，模型完全不同。两者2027年估值都会显著重定价，关键看微软自建数据中心进度。 读者应重点跟踪：①9月份谷歌TPU性能报告——决定谷歌估值能否上修；②亚马逊2026Q4云业务利润率能否再上台阶；③新东方FY27 Q1收入增速兑现度；④金山云2026Q2毛利率改善节奏；⑤DeepSeek下一代模型与GPT/Claude的性能差距；⑥中国对国产算力的政策表态与招标节奏。