☁️ 云计算与北美云基础设施 - 行业概览 (商业模式与核心概念)

date2026-09-09

☁️ 云计算与北美云基础设施 - 行业概览 (商业模式与核心概念)

> - **CXL 内存池化革命**：打破 CPU/GPU 私房钱壁垒，建立全机房共享内存公积金池。详见 CXL 内存池化科普 > - **EDA 芯片母机**：指甲盖上排布 2000 亿个开关线路的唯一数字图纸母机。详见 EDA 电子设计自动化科普 > - **GAA 全环绕栅极**：2nm 堵住晶体管漏电的 360 度面条开关。详见 GAA 与先进封装科普

📌 买方核心论断 (Bottom Line)：
1. 大周期坐标：处于“北美超大规模云厂商（Hyperscalers）由传统通用云转向 AI 超大规模智能算力集群的万亿级资本开支扩张期”。云巨头年度 CAPEX 从 \$1,500 亿向 \$2,500 亿+ 阶梯式跃升。
2. 定价权与商业模式转移：从底层低毛利算力租赁（IaaS，毛利率约 30%-35%）向高附加值“模型即服务（MaaS）”与“企业级 AI 生产力工具（Copilot/Agentic SaaS，毛利率 70%-80%+）”完成定价权转移。
3. 核心持仓锚点：微软 (MSFT)（美股重仓基石，Azure + OpenAI 闭环 + M365 Copilot）、Databricks（企业级AI数据底座与Agentic基质龙头，ARR >$7B）、Snowflake (SNOW)（云原生数仓中立底座）、亚马逊 (AMZN)、谷歌 (GOOGL)、英伟达 (NVDA)、甲骨文 (ORCL)、Marvell (MRVL)、维谛技术 (VRT)、Constellation Energy (CEIX)。

1. 行业定义与核心业务模式

1.1 行业定义与层级架构

云计算通过网络将虚拟化与物理池化的计算、存储、网络资源按需交付给全球企业。进入生成式 AI 时代，云基础设施层级演变为五大维度：
- IaaS（基础设施即服务）：GPU/CPU 裸金属算力、高带宽存储与无损网络、超大规模绿色数据中心园区。
- PaaS（平台即服务）：向量数据库、分布式模型训练框架、数据清洗与治理管线。

Data & Agent Substrate（企业级数据底座与智能体基质层，关键中枢）：以 Databricks 与 Snowflake 为代表，将底层对象存储重构为高性能统一湖仓（Lakehouse），并通过 LTAP 事务分析一体化和统一治理中枢（Unity Catalog / Horizon）为企业级 AI Agent 提供实时记忆状态与知识检索底座，到 2030 年市场空间达 5,400 亿美元。详见：企业级AI数据底座与Lakehouse演进趋势深度研判。
MaaS（模型即服务，全新核心层）：将顶尖闭源大模型（GPT-4o、Claude 3.5、Gemini）以 API 形式对外输出，按 Token 调用量计费，成为现代云厂商的核心护城河。
SaaS（软件即服务 / Agent 原生应用）：以微软 M365 Copilot、GitHub Copilot、ServiceNow 为代表，通过智能体嵌入企业日常工作流，按订阅席位费（Seat-based Subscription）变现。

1.2 商业模式与飞轮效应

“巨额CAPEX构建全球算力物理网络 ➔ 吸引企业数据与工作流上云 ➔ 形成极高的数据重力与客户黏性（净留存率NDR > 115%） ➔ 充沛自由现金流反哺下一代AI基建”。
AI时代的经营杠杆特征：
模型与算力共生：微软向 OpenAI 提供算力换取排他性商业授权与模型分成；Azure 客户通过 API 调用模型，直接带动云存储与周边 PaaS 服务的二次消费。
高毛利软件转化：在基础云之上搭载 Copilot 席位（如 \$30/月/人），在边际算力成本可控的情况下，带来接近纯软件的高额利润转化。

2. 产业链上下游与价值分布

graph LR
  subgraph 上游芯片网络与电力基建
    Chip["AI加速与自研ASIC (英伟达 NVDA / 微软Maia / MRVL)<br>网络互联硬件 (中际旭创 / Coherent)<br>特种能源与数据中心温控 (维谛技术 VRT / CEIX核电)"]
  end
  subgraph 中游超大规模云厂商Hyperscalers
    MSFT["微软 Azure (MSFT) ⭐核心底座<br>OpenAI 独家算力基座 / 5.2GW+ 数据中心储备"]
    AWS["亚马逊 AWS (AMZN) 全球IaaS份额第一"]
    GCP["谷歌云 GCP (GOOGL) TPU生态闭环"]
    OCI["甲骨文 OCI (ORCL) GPU裸金属算力"]
  end
  subgraph 中下游数据底座与智能体基质
    DataSub["Databricks (Lakehouse / LTAP / Agent Bricks)<br>Snowflake (Cortex AI / Snowflake Postgres)"]
  end
  subgraph 下游基础大模型与企业级AI应用
    Model["顶尖基础模型 (OpenAI GPT-4o / Anthropic Claude)"]
    SaaS["企业级工作流与Agent (M365 Copilot / GitHub / ServiceNow)"]
  end
  Chip --> MSFT
  Chip --> AWS
  Chip --> GCP
  MSFT --> DataSub
  AWS --> DataSub
  GCP --> DataSub
  DataSub --> Model
  DataSub --> SaaS
  MSFT --> Model
  Model --> SaaS

2.1 产业链分层与价值量拆解

环节	代表标的 (代码)	业务模式与角色	财务特征与毛利率	核心战略壁垒
综合云霸主	微软 (MSFT)	全球最大商业云，涵盖 Azure、OpenAI、M365、GitHub	整体毛利 ~70%，商业云毛利 ~72%	4亿商业Office付费用户黏性，OpenAI生态独占权，企业信任度最高
全球IaaS龙头	亚马逊 (AMZN)	AWS 云服务开创者，自研 Trainium/Graviton 芯片	AWS 运营利润率 ~30%-38%	全球企业客户覆盖最广，规模效益与成本优化曲线成熟
多模态与搜索	谷歌 (GOOGL)	GCP 云平台 + 自研 TPU 集群 + Gemini 模型闭环	GCP 经营利润率迈入 10%-15%	拥有自研软硬件最强全栈闭环，搜索与YouTube海量数据语料库
裸金属算力先锋	甲骨文 (ORCL)	OCI 凭借低延迟 RDMA 网络提供高性价比 GPU 算力	云基础设施营收增速 45%-50%+	数据库老牌锁定，性价比优势吸引大量头部 AI 初创企业
AI数据与Agent底座	Databricks	湖仓一体开创者，LTAP 事务分析融合与企业 Agent 运行中枢	ARR >$7.0B+，YoY +80%，软件毛利 80%+，FCF 转正	统一 Delta/Iceberg 表格式，Unity Catalog 多云治理，伯克利团队技术壁垒
云原生数仓中立底座	Snowflake (SNOW)	跨云数据共享与分析中心，Cortex AI 与 CoWork 企业协同	产品营收 ~$6.1B (YoY +37%)，Non-GAAP 毛利 ~78%	跨三大公有云中立网络效应，高并发 SQL 开箱即用，企业决策层粘性极高
算力加速硬件	英伟达 (NVDA)	提供全套 Blackwell/Hopper 算力硬件与 CUDA 生态	毛利率 73%-76% 极高水平	全球 AI 训练与推理事实上的工业标准
定制芯片与互联	迈威尔科技 (MRVL)	为超大云厂商定制自研 AI ASIC 芯片及高速光 DSP	毛利率 60%+	协助云厂商自研芯片摆脱对英伟达单一依赖
物理设施与能源	维谛技术 (VRT) / CEIX	提供机房配电PDU、液冷CDU及清洁核电基地直供	维谛技术毛利 35%-40%	数据中心土地通电权与电力配额成为 AI 扩张的终极物理瓶颈

3. 竞争格局与核心玩家对比

3.1 竞争格局特征

“3+1”全球垄断寡头格局：微软 Azure、亚马逊 AWS、谷歌 GCP 三大云巨头占据全球公有云市场 65%+ 的份额，甲骨文 OCI 作为第四极异军突起。
AI 赋能带来的份额重新洗牌：
微软凭借与 OpenAI 的结盟，成为生成式 AI 商业化的绝对领头羊，Azure 同比增速（28%-33%）持续超越 AWS（16%-19%），市场份额不断侵蚀 AWS。
谷歌在多模态与长文本推理上依靠 Gemini 1.5/2.0 及第六代 TPU 反扑，打造自研软硬件最优性价比闭环。

3.2 核心标的横向对比矩阵

标的代码与名称	AI战略定位与生态布局	CAPEX 规模预期 (2025-2026E)	核心变现通道 (Monetization)	关键看点与催化剂
微软 (MSFT)	AI基础设施与企业应用的绝对王者，Azure 独家承载 OpenAI，软硬件生态最完备	\$550亿 - \$700亿+/年	Azure AI API 算力计费 + M365 Copilot 每月 \$30/用户席位费	Azure 保持 30%+ 高增 + M365 Copilot 渗透率突破 5%-10%
亚马逊 (AMZN)	坚持中立模型超市（Bedrock），自研 Trainium2 芯片降低算力成本	\$600亿 - \$750亿+/年	AWS 算力/存储租用 + Bedrock 调用 + 企业云迁移	自研 AI 芯片大规模替代降本 + 核心企业客户云优化周期结束
谷歌 (GOOGL)	全栈自研（TPU + Gemini + GCP），从底层芯片到消费级应用全闭环	\$450亿 - \$550亿+/年	GCP 云平台 + Search/Workspace 生成式 AI 溢价	TPU 成本优势外溢 + Gemini 在企业级复杂推理中的渗透
甲骨文 (ORCL)	GPU 裸金属机房与企业核心数据库向云端迁移	\$150亿 - \$200亿+/年	OCI 纯算力租赁 + 战略客户长期高额长协合同	在手未履约合同（RPO）暴增 + 微软/谷歌多云互通协议合作

4. 景气度驱动因素与跟踪指标

4.1 核心宏观与中观指标

Hyperscaler 季度 CAPEX 实际支出与指引：
微软、亚马逊、谷歌、Meta 四家超级云厂商的季度现金流量表中的资本支出（CAPEX）总和；该指标是全球半导体、服务器、光模块、液冷与电力设备景气度的最前端指挥棒。
商业云核心增速与 AI 贡献点数：
Azure YoY 增速拆解：Azure 营收增速中由“AI Services”直接贡献的百分点数（已从早期的 3-6 个点攀升至 8-12 个百分点以上）。
AWS 与 GCP 营收同比增速反弹斜率。

4.2 微观高频跟踪指标

企业软件客户 ARR（年度经常性收入）转化率：M365 Copilot 商业付费用户数增长曲线（从 1000万向 3000万+ 席位迈进的速度）。
大模型推理 Token 吞吐量与调用成本：单位百万 Token 的推理价格下降趋势（以每 12-18 个月下降 80% 的速度普及），Token 成本下降是刺激终端应用爆发的前置条件。
数据中心电力签约与互联排期（Interconnection Queue）：PJM 等美国主力电网区域的数据中心接入排队时间（已长达 3-7 年），电力储备规模成为云厂商算力扩张的真实上限。

5. 核心矛盾与买方风险控制

5.1 当前周期主要看点

看点一：AI 资本开支的回报率（ROI）验证与商业化闭环。市场持续关注数千亿美元的 GPU 投入是否能通过高附加值的软件订阅和企业降本增效收回，企业级智能体（Agent）的规模化落地是打破“AI无用论”的关键。
看点二：物理基础设施瓶颈（电力与电网容量）超越芯片短缺。算力中心的竞争从“抢芯片”延伸至“抢电力指标与核电直供合约”。具备充沛绿色电力资源储备的云厂商享有长周期扩张壁垒。

5.2 买方风险预警与硬止损红线

⚠️ 超大规模云厂商联袂缩减 CAPEX：若宏观经济走弱或企业 AI 预算削减，云巨头放缓下一代数据中心建设排期。
⚠️ 折旧摊销激增侵蚀营业利润率：过去两年密集采购的数百亿美元 GPU 进入 3-4 年折旧周期，若终端收入放量节奏脱节，将造成短期营业利润率承压。
⚠️ 欧美反垄断与模型安全监管风暴：对大模型排他性投资合作（如微软对 OpenAI）展开反垄断立案审查。

6. 边际变化与企业AI支出实证调研 (2026-09 最新更新)

北美企业 AI 支出调研与软件格局分化（2026-09-09）：
2027 年 AI 支出增速预期趋于理性（YoY +26%）：最新近 40 家企业样本调研显示，2027 年 AI 支出预计同比增速为 26%，显著低于市场此前过度乐观预期；AI 支出在企业整体 IT 支出中占比目前仅约 5%，开源模型相关支出占比仅 3%。
企业支出极度“二八分化”：不足 10% 的高成长企业在营收增长端找到了高 ROI 场景并大幅追加预算；超 90% 的企业受制于严格的预算成本管控；但头部效应极强（OpenAI 前 10% 大客户的 API 调用量是平均客户的 8 倍）。
高景气高增速垂直赛道：
- 金融科技高居榜首：金融样本企业 2027 年 AI 支出同比增速达 118%（远超整体 26%），量化交易与风险控制研发投入最为激进；
- 广告营销成为全新增量：内容生产环节高频消耗 Token，且具备方案批量生成与“合成人格受众测试”的明确 ROI 乘数效应。
反蒸馏壁垒确立，模型厂商顺位上调：Claude 5.1 封禁蒸馏账户与 thinking 上下文修改权限，GPT-6 采用 latent transformer 隐藏思维链，开源模型向头部闭源蒸馏的技术漏洞全面收紧，二者差距可能重新拉大，基础模型厂商投资顺位回升。
软件 SaaS 商业模式防御边界：
- 单一工具类软件（Adobe、Figma、Autodesk、UiPath）面临直接被 AI 代劳替代的估值重估风险；
- 核心工作流 SaaS（Salesforce、ServiceNow）通过放弃纯 UI 争夺、深度防御垂直场景上下文数据与业务流程 Know-how，在 Agent 渗透下生命力远超市场悲观预期；
- Computer Use 虽打开了 10 倍于 Coding 的广阔白领知识办公空间，但目前模型能力尚处于 Claude 3.7 阶段，成熟放量至 Opus 4.5 级别仍需数月磨合，2026 年底前不会成为 ARR 爆发的核心推手。 (来源: FUNDA每周讨论会纪要)

来自 Obsidian 个人笔记 · 迁移归档 · 观点截至笔记日期 · 不构成投资建议