熊貓校長 AI 基建月報｜7 月：問題變了，主角沒換

這是《熊貓校長 AI 基建月報》第一期。

我不想把 7 月寫過的文章再念一遍。

我更想留下三件事：這個月什麼變了；我的判斷因此往前走了哪一步；下個月用什麼證據來檢驗。

本月母句：問題變了，主角沒換

7 月，AI 基建的主角沒有換。

存儲、芯片、網絡、服務器、數據中心和電力，仍然是這輪投入的地基。

但市場開始問的，已經不只是 “誰最缺、誰的訂單最滿”。

而是：更強、更開放的模型出來以後，企業到底會把錢花在哪裏？這筆錢，又會流回產業鏈的哪一段？

過去一個月，我的判斷走了三步。

第一步：從 “硬件都受益”，走到 “錢開始挑着花”

7 月，我們先看海力士、三星、美光、台積電，也看韓國擴產和長鑫上市。

這些事情放在一起，不是在證明 “AI 硬件都很好”。

恰恰相反，它提醒我：硬件不能再一鍋端。

AI 訓練和推理，把 HBM、高價值 DRAM、企業級 SSD、先進製造和封裝，推到了不同的位置。錢開始挑着花以後，不會平均流向所有硬件公司，而會先流到眼下最缺、最難交付、最接近客户認證的地方。

這就是 7 月第一處認知變化：

AI 基建仍在擴，但 “什麼硬件都受益” 的看法，已經太粗了。

另一面也要記住。三星競爭、韓國擴產和長鑫上市，都是未來的供給變量。今天最緊的地方，不等於明年也最緊。

所以這一段真正該觀察的，不只是需求有多熱，還有稀缺會不會被新的供給慢慢沖淡。

第二步：從 “雲廠還花不花”，走到 “誰最終付錢”

接着，問題走到了雲廠。

Meta 的財報讓市場把一個問題擺到枱面上：Capex 越報越高，未來回報在哪裏？🤔

微軟和亞馬遜沒有給出完整答案，但給出了比上一季更硬的線索。

微軟讓我們看見，企業不只是買雲裏的算力，也開始為工作裏的 AI 付錢。Microsoft 365 Copilot 的付費席位已經超過 3,000 萬，Microsoft Cloud 約 90% 的收入，來自前沿模型公司之外的客户。

亞馬遜則從收入端給了同一個方向的數字：AWS 二季度收入 422 億美元，同比增長 37%，比上一季的 28% 更快。按目前這個速度一年算下來，AWS 的 AI 業務和芯片業務，各自都超過 250 億美元。

這不是説 AI 已經回本。

亞馬遜過去 12 個月的自由現金流仍是負數；管理層在電話會中把 2026 年現金 Capex 預期上調至約 2,200 億美元，裏面除了 AI，也有機器人、芯片和衞星等投入。

租金開始來了，不等於整棟樓已經回本。

所以，7 月第二處認知變化是：

AI 基建的正循環開始形成，但現金回收還在施工期。

換成更直白的話：現金流承壓已經看見，市場開始算賬、企業付款開始出現；但 Capex 減速，還沒有出現。

第三步：從 “誰在付錢”，走到 “企業為什麼會持續付錢”

這一步，才是我覺得 8 月最值得開始研究的新問題。

模型更便宜、更容易部署以後，價值會不會往工作流入口遷移，是我在 8 月開始研究的新問題。

Kimi K3 的開放權重、DeepSeek 的模型和 API 迭代，給企業多了幾條路：可以先試一試、改一改，也可以自建或選擇託管部署。

模型變得更強、更便宜、更容易部署，可能帶動更多推理需求，進而帶動算力、存儲和網絡；但它也逼着我們問另一面：模型越來越接近以後，企業為什麼還會持續為工作流付錢？

DeepSeek 的 V4-Flash 已經把低成本、長上下文和工具調用放進可用 API。它説明競爭正在從 “模型會不會回答”，往 “模型能不能接工具、跑長任務、穩定交付” 延伸。

於是，問題自然走到了工作流。

Anthropic 的 Cowork、OpenAI 的 ChatGPT Work，以及微軟的 Microsoft 365 Copilot Cowork，正在把同一個問題推到台前：AI 不只是會聊天、會寫代碼，還能不能替人把一段真實工作做完。

隨後，騰訊的 WorkBuddy、飛書裏的豆包和阿里的千問辦公／QwenWork，也在中國市場爭企業工作流的入口。

我的判斷是：開放模型不會讓 AI 基建故事結束，它會把價值繼續往兩邊推——底下是更多推理帶來的算力需求，上面是誰能把模型接進工作流、收住企業付款。

但這只是一個正在形成的判斷，不是結論。

產品上線、能力整合，甚至外部測試招募，都只能説明大家正在加速投入；它們還不能證明企業會持續付費，更不能證明 ROI 已經跑通。

8 月三張考卷：不是背日曆，是看答案

下面這張表值得收藏。日期本身不重要，重要的是每一張考卷要驗證什麼。

考卷一：宏觀

要驗證什麼：估值的尺子會不會變？

8/4 JOLTS：看勞動力需求是否繼續降温；

8/7 非農、8/12 CPI、8/13 PPI：就業和通脹會不會讓市場重新押注 9 月降息？

8/19 FOMC 紀要、8/26 個人收入與支出（含 PCE）與 GDP 二讀、8/27–29 Jackson Hole：市場對利率路徑的看法會不會再變？

對高估值科技股來説，借錢貴不貴會影響估值的尺子。但一份數據不好，不等於 AI 需求就突然消失。

考卷二：硬件

要驗證什麼：AI 需求還在不在擴散？

8/4 AMD Q2：看數據中心需求是否繼續擴大；

8/11 Supermicro FY2026 Q4：看交付、服務器訂單和毛利率；

8/26 NVIDIA FY2027 Q2：看客户需求、供給交付、毛利率和下一季指引。

重點不是 “超沒超預期”。真正要看的是：訂單有沒有擴散，出貨變大以後利潤率有沒有被壓住，客户是不是仍然過於集中。

考卷三：AI Work

要驗證什麼：模型能力有沒有變成企業願意持續付的錢？

8 月未必會給出一張漂亮的收入表。我們先看更早的信號：誰拿到了企業的入口、數據和權限；模型能不能真正幫人把活幹完；使用率能不能慢慢走到續費、用量和收入。

AI Work 是開始觀察的主線，不是已經爆發的結論。

本期判斷，以及什麼會讓我收緊判斷

本期判斷：

AI 基建沒有換主角，但研究重點正在從供給瓶頸，向付款人、工作流入口和現金回收延伸。

會讓我收緊判斷的證據：

如果 8 月硬件財報同時顯示訂單、交付或下一季指引走弱，我們會重新檢查 “需求仍在擴散” 這一步；

到下一輪雲廠財報，如果企業付費和雲需求沒有延續，同時經營現金持續跟不上大額投入，我們會下調 “正循環開始形成” 的確信度；

AI Work 若長期只有產品發佈、沒有使用走向續費、用量和收入的線索，它就只能繼續停留在觀察名單，而不能被當成新的增長結論。

8 月底，我們先對宏觀和硬件兩張考卷。付款人、續費和現金回收，則留到下一輪雲廠財報再對賬。

最後：下個月，我們回來對賬

7 月，我們沒有離開海力士、存儲、製造、芯片和網絡。

只是沿着這條鏈，往後多走了兩步：從 “誰最缺”，走到 “誰在交租”；再走到 “租客為什麼願意持續交租”。

這也是月報存在的意義。

文章記錄今天發生了什麼；月報記錄我的判斷這個月發生了什麼變化。

如果你願意，先把這篇存下來。8 月底，我們不只回看市場漲跌，也回來對賬：這三次認知遷移，哪一步被證據加強了，哪一步需要收回來。

你最想先看哪一張考卷：宏觀、硬件，還是 AI Work？🤔

本期關鍵數據口徑：微軟、亞馬遜數據來自公司財報及電話會；宏觀日程來自 BLS、BEA、美聯儲和公司 IR。

實盤觀察，不構成投資建議。

—— 熊貓校長 Ming ｜ AI 基建研究

相關研究標的：
$Meta(META.US) $谷歌-C(GOOG.US) $微軟(MSFT.US) $亞馬遜(AMZN.US) @活動君 @股主管理局