AI泡沫系列研究之计算机行业篇：热力学熵增定律视角看本轮“AI泡沫”演变

www.chinastock.com.cn证券研究报告请务必阅读正文最后的中国银河证券股份有限公司免责声明计算机行业首席分析师：吴砚靖分析师：邹文倩、胡天昊热力学熵增定律视角看本轮“AI 泡沫”演变——AI 泡沫系列研究之计算机行业篇行业深度报告· 计算机行业请务必阅读正文最后的中国银河证券股份有限公司免责声明。2热力学熵增定律视角看本轮“AI 泡沫”演变——AI 泡沫系列研究之计算机行业篇2025 年 12 月29 日当前AI 资本市场呈现出一种“非理性繁荣”与“理性泡沫”交织的复杂特征。一方 面，以“AI+”为核心 的科技革 命是确定 性产业趋势，巨额 资本（Capex）的持续注入既反映了全球对技术突破与未来价值的共识，也构成了泡沫的“理性”基底，即：技术迭代真实发生、应用需求切实存在、产业逻辑清晰可循；另一方面，本轮AI 龙头公司英伟达估值屡创新高，产业链各环节资本开支空前高涨，从北美云厂商数千亿美元的年投入，到 AI 芯片、数据中心等重资产领域的规模扩容，均呈现出“非理性繁荣”的迹象，再叠加当下AI 革命呈现的复杂性，如生态溢价的涌现性、技术路径的非线性竞争、商业转化的长周期，使得传统基于线性因果、还原论拆解与均衡假设的分析范式失效，难以真正穿透表象评估其可持续性与潜在风险。引入热力学“熵增定律”来分析本轮AI 泡沫。为破解这一复杂系统的分析困境，我们尝试引入热力学“熵增定律”构建分析框架，将AI 资本市场视为一个被巨额资本（能量 E）持续注入的开放系统。系统的存续逻辑在于：外部输入的资本能量必须高效转化为有序的价值产出（负熵），包括技术性能的确定性提升、规模化商业收入的落地、正向自由现金流的生成，否则系统无序度（熵 S）将不可逆累积，导致估值体系割裂、技术路径分歧加剧、资本效率走低，从而引发泡沫破裂风险。AI 泡沫的熵增判断本质上是对“上游Scaling Law 有效性”与“下游ROI可实现性”的双重检验。这两大问题分别对应产业链的供给端转化效率与需求端价值闭环能力，即：只有上游能将资本高效转为智能供给、下游能将智能高效转为商业回报，整个 AI 系统才能在高熵环境中维持有序扩张，否则任何环节的熵增失控都可能引发系统性调整。基于此，我们从产业链上中下游熵值分布出发，剖析脆弱性、识别“负熵节点”的逻辑起点，我们认为：当前AI资本市场正处于高熵累积但未达临界点的状态，产业链上中下游因转化效率差异呈现显著熵值分化：上游（芯片/硬件）处于“高压区”，存在泡沫隐忧。整体来看北美四大云厂商资本性支出预计 2026 年仍然维持增长态势，需求仍然强劲，整体资本密集度呈下降趋势，上游供需关系的非线性断裂风险暂不明显，但存在泡沫隐忧。截至 2025Q3 英伟达库存增长 158.48%，显著高于微软 Intelligent Cloud 业务收入增速 28.25%与 Google Cloud 增速 33.51%，剪刀差持续扩大；其次面临技术路径竞争（如英伟达 GPU 与谷歌TPU）、美国电力危机推高成本、以及循环投资下资本回报率可持续性存疑等风险。中游（云/平台）是“相变震中”，脆弱性最高。作为连接上下游的核心枢纽，中游厂商面临三重熵增压力：大客户依赖与价格战风险凸显（收入/资本支出比率显示资本拉动营收的边际效应减弱，头部厂商 AI 资本支出对营收的贡献已从高位回落） ； 算力租赁市场隐现价格战与空置率攀升（尽管当前H200租赁价格维持高位，但区域空置率分化加剧，北美部分市场空置率虽低但新增容量增速过快），且电力将成为制约算力发展的最大物理瓶颈（Nvidia 下一代集群推进将使单卡算力提升与电力消耗同步激增）；开源模型与客户自研冲击生态锁定。三重因素放大了中游的熵增压力，成为脆弱性最高的环节。计算机行业推荐维持评级分析师吴砚靖：wuyanjing@chinastock.com.cn分析师登记编码：S0130519070001邹文倩：zouwenqian@chinastock.com.cn分析师登记编码：S0130519060003胡天昊：hutianhao_yj @chinastock.com.cn分析师登记编码：S0130525070004相对沪深300 表现图2025-12-29-20%-15%-10%-5%0%5%10%15%20%25%30%计算机SW沪深300资料来源：中国银河证券研究院相关研究1. 【银河计算机】2026 年计算机行业投资策略：从AI-Enabled 到 AI-First，拥抱AI 应用大蓝海，2025-11-25行业深度报告· 计算机行业请务必阅读正文最后的中国银河证券股份有限公司免责声明。3下游（应用），处于“达尔文式进化”，显性β风险之下存在隐性α价值。虽然面临技术迭代导致资产贬值（模型、算力架构快速迭代使旧技术快速失去市场竞争力）、对上游供应商的高度依赖（API 价格波动直接影响成本结构）等显性风险（β风险），但其以可变成本为主、低切换成本的运营架构，以及对垂直领域数据和 Know-How 的深度沉淀（如临床数据、工业缺陷图像专有数据资产，以及嵌入行业规范的专家系统数据）构成了其反脆弱性和隐性价值（α价值）的来源。2026 年 Agent 模式渗透率将进一步扩大，用户对数据主权的日 益重视 将推动端侧 AI 发 展（ 本地存 储 与 多模 态缓冲 提升硬 件 配置需求），这些趋势正强化下游应用的α价值。整体判断：总体来看，当前AI 资本市场系统正处于从低熵有序向高熵无序转变的关键阶段，宏观失衡风险（如资本回报率覆盖压力、融资结构复杂化）正在累积，但相较于 2000 年互联网泡沫时期全面的“高熵无序”，当前更接近产业革命早期的“理性泡沫”，技术突破的真实性与应用需求的广泛性为系统提供了“负熵”生成的底层支撑，尚未触及无序出清的临界点。未来的演变节奏，根本上取决于资本向商业价值转化的效率：若技术性能提升与规模化收入增长能持续消化高熵，系统将向新的有序稳态演进；反之，若转化效率持续低迷，熵增突破临界点将引发无序调整。投资建议，在熵增系统中寻找“负熵”创造者，关注结构性机会。基于熵增框架，我们建议聚焦“负熵”承载者，挖掘结构性机会：其一，规避高熵、脆弱性环节，对资本开支巨大但商业回报路径模糊（如部分依赖融资支撑的算力租赁项目）、竞争格局恶化（如中游大模型及云厂商价格战）、技术护城河可能被颠覆（如单一架构芯片厂商）的领域保持审慎；其二，拥抱“反脆弱”与“负熵”创造者，重点关注几类方向：1）下游AI-First 原生应用公司，当下 AI Agent 正从 L2 普及级向 L3 融合级跨越，关注可实现规模化收入的通用AI Agent，以及 AI Agent 与垂直行业 Know-How 深度融合（如医疗诊断、金融投研的专家型 Agent）等机会；2）AI-First 下的端侧 AI，重点关注端侧AI 上游“铲子型”算法及产业链深度卡位公司,用户对数据主权的需求推动端侧 AI 硬件繁荣，典型载体如AI 眼镜、人形机器人、自动驾驶汽车、AI 智能医疗设备等；3）供需剪刀差下的国产算力链替代机遇；4）能源互联网，电力瓶颈将催生虚拟电网、储能及上游的结构性机会。这些既