大家好，我是花朵，每天给大家带来最新的动态，内容随便更，每篇都是干货；如果你觉得这些信息对生活有用，就点个关注～

最近几年，AI是整个投资圈、产业圈热度最高的主线。从大模型、AI应用、AI软件，再到算力芯片，资金扎堆往数字赛道挤。在很多人的固有印象里，AI代表轻量化、数字化、线上化，代码、模型、数据才是新时代的核心资产，厂房、土地、电力设施、矿山、工厂这类实体资产，笨重、周转慢、投入大，早就属于旧时代的东西，增长空间有限。


就在所有人把目光集中在数字资产的时候，高盛发布了一份研究观点，提出了一个和大众直觉完全相反的判断：AI持续爆发的大周期里，长期收益空间不一定全部落在软件、模型这些轻资产上，很多看起来笨重、传统的实体资产，反而会成为AI浪潮里实实在在的受益者。

这个观点刚出来的时候，不少人第一反应很难理解。AI是数字技术，为什么红利会流向重资产？是不是机构换个说法，吸引资金去接盘传统板块？我们不能直接全盘相信一份机构观点，也不能简单当成噱头一笑而过。想要看懂这个逻辑，不能停留在表面，要顺着AI产业真实的落地链条往下梳理。AI不是悬浮在网络里的代码，它每一次运算、每一次训练、每一次对外提供服务，背后都要消耗大量实实在在的资源，依赖线下硬件、能源、场地、供应链支撑。

今天我们就用大白话，把这套反直觉逻辑完整拆解清楚。先搞明白为什么大家天然觉得AI利好轻资产，再一步步梳理AI产业链条里面，哪些实体资产会持续受益，不同实体资产受益的底层逻辑有什么区别，同时也要客观讲清楚这些重资产本身自带的风险，不盲目吹捧。最后给普通投资者一套简单好用的判断思路，区分哪些实体资产是真的吃到AI长期红利，哪些只是短期蹭热点炒作。全文保持客观理性，数据尽量贴合产业现实，不夸大收益，也不回避风险。

一、先理清固有认知：为什么大家默认AI属于轻资产赛道？

想要看懂这个反直觉判断，先要明白主流想法是怎么形成的。过去几轮互联网浪潮，给很多人留下了很深的印象。

移动互联网时代，一款APP、一套线上服务，开发完成之后，新增用户的边际成本很低。产品做出来，多一个人使用，不需要新建厂房，不需要大幅度增加硬件投入，主要成本是服务器和带宽。只要用户规模跑起来，利润可以快速放大，这就是典型的轻资产生意。所以大家形成了固定思维：数字科技的特点就是四两拨千斤，靠软件和流量赚钱，实体重资产投入高、折旧久、回本周期长，效率跟不上数字时代。

AI发展的早期阶段，也强化了这个印象。最先出圈的是大模型公司、AI应用服务商。大家看到的是团队写代码、调模型、做产品，面向C端推出AI绘图、AI对话、AI办公工具。这个阶段，市场讲故事的重心放在算法、数据、产品体验上。很多研报、自媒体内容，都在强调模型、数据是核心壁垒，厂房、电力、硬件只是配套，属于配角。

在这样的氛围下，资金优先追逐AI软件、AI应用、数据要素这类标的。对应的实体资产，比如电力、数据中心土建、工业设备、矿产，被当成稳增长、传统周期板块，和AI主线分得很开。大家默认，AI行情是数字板块的行情，实体资产最多跟着沾一点边角红利，不可能成为主线里面核心受益方向。

但这里有一个关键区别：移动互联网是信息传输，而生成式AI是高密度计算。两者资源消耗不在一个量级。普通网页、短视频传输，消耗的算力很低；大模型训练、推理，是持续不断的高密度运算。算力不是凭空产生的，算力的载体是服务器，服务器要放在机房，机房需要土地、建筑、制冷设备，运行需要持续供电，芯片制造又需要特种材料、工业气体、精密设备。整条链路一环扣一环，全部扎根在实体世界里。

简单一句话：软件和模型决定AI能不能用，实体资产决定AI能不能大规模落地。没有后面这一堆笨重的实体支撑，再先进的算法模型，都没办法大规模运行。AI的规模扩张越快，底层实体资源的需求压力就越大。这就是高盛这个判断能够成立的底层基础。

当然，这不代表轻资产的AI软件、模型公司没有机会。它们依然是产业链里很重要的一环，有机会跑出优秀企业。只是市场之前过度偏向一端，低估了实体端需求增长的持续性。AI红利不是只有一条赛道，轻资产和重资产，处在产业链不同位置，分享红利的方式完全不一样。

二、AI浪潮下，哪些“笨重”实体资产，会实实在在吃到红利？

我们所说的实体资产，范围很广，不是所有传统资产都会受益。AI带来的是结构性机会，不是所有重资产普涨。我们按照距离算力需求远近，分成几大类，逐个讲清楚受益逻辑，同时区分需求是短期脉冲，还是长期持续。

第一类：算力承载载体——数据中心、机房资产。
这是距离AI算力最近的实体资产。很多人会把目光放在服务器芯片上，忽略机房本身。一台AI服务器，不是随便找个房间就能放。AI服务器功耗远高于传统服务器，散热压力极大，对供电稳定性、制冷系统、消防、承重都有特殊要求。普通机房改造难度很高，新建智算中心，前期要拿地、土建、配套电力工程，投入金额巨大，建设周期很长，属于标准的重资产。

AI算力需求是持续往上走的。不管是大厂自研大模型，还是云厂商对外提供AI推理服务，都要持续扩充算力集群。算力需求增长，直接转化成对智算机房的需求。机房资产的收入模式，大多是机柜租赁、算力托管。只要上游算力需求稳定，机柜出租率维持在高位，现金流就相对稳定。

但是这里面有坑，不是随便一个数据中心都能受益。传统的IDC机房，很多是为普通云业务设计，供电容量、冷却方案跟不上AI高功耗服务器，改造价值有限。真正稀缺的，是已经拿到充足电力指标、配套完善、可以上架高密度AI服务器的智算中心。电力指标是现在很多地区机房扩张最大的瓶颈，比建筑本身更稀缺。这也是这类实体资产的核心壁垒，不是有钱就能快速复制。

第二类：能源类实体资产——绿电电站、配套电网调峰设施。
AI算力最大的刚性成本，是电费。一台高端AI服务器，一年耗电数额不小，上万台服务器组成的集群，耗电量相当于一个小型城镇。算力规模持续扩张，直接拉动电力需求增长。

这里要区分火电和绿电。一方面，算力企业有降成本的诉求，另一方面，很多科技企业有碳中和要求，新建智算集群优先考虑绿电资源。风电、光伏电站这类实体资产，就和AI算力需求形成了匹配。除此之外，储能电站、调峰设施的价值也在提升。风电光伏发电不稳定，算力集群需要稳定不间断供电，储能可以平滑供电波动，保障算力持续运行。

很多人会觉得，电力是充分竞争的公用事业，价格受管控，很难有超额收益。这个看法有一部分道理。纯电网企业电价受到监管约束，利润上限清晰。但手握优质新能源电站、可以和算力园区签订长期供电协议的主体，它的资产价值会被重新定价。AI带来稳定的长期购电需求，相当于给电站锁定了长期订单，降低了发电量消纳的风险。以前新能源电站最大的痛点是发电卖不出去，现在算力集群变成稳定的消纳客户。

第三类：上游资源类实体资产——芯片制造所需矿产、特种工业材料产能。
AI芯片、光模块、服务器硬件，都离不开底层原材料。硅片生产需要石英砂，芯片制造需要稀有气体、靶材，光芯片、高速光模块用到铟、锗等金属，散热材料需要铜、铝。这些资源，埋藏在矿山里，开采、提纯、加工都是重资产项目，建设周期漫长，环评、开采资质门槛很高，产能很难短期快速释放。

AI带来算力硬件需求上行，沿着产业链向上传导，会慢慢带动上游原材料需求。但是资源品有一个特点，价格受供需周期影响波动很大。如果短期市场疯狂抢货，价格暴涨；等到上游产能集中释放、算力需求阶段性放缓，价格又会回落。所以这类资产受益的波动性最强，机会和风险同时存在。它的红利不是稳定持续的现金流，更多来自供需缺口阶段的弹性。

第四类：高端制造实体资产——芯片产线、精密设备工厂。
晶圆厂是典型的超级重资产，一条成熟制程产线投入百亿级别，先进制程投入更是数百亿。AI芯片需求爆发，带动代工产能需求提升。不管是训练芯片还是推理芯片，都要在晶圆厂流片、生产。除了晶圆制造工厂，生产半导体设备、光模块、高速连接器的工厂，同样属于实体资产。

这类资产的壁垒，在于技术和产能爬坡周期。不是投入资金马上就能产出合格产品。产线建好之后，良率提升需要漫长时间。AI芯片需求起来的时候，优质代工产能、高端零部件产能会变得紧缺。不过半导体本身是强周期行业，一旦下游需求阶段性见顶，订单下滑，重资产产线折旧压力会立刻显现，业绩波动会非常剧烈。这也是它和机房、电站不一样的地方。

第五类：配套基础设施——输电线路、冷却供水、工业配套园区。
算力集群除了用电，还有供水、冷却、运输等配套需求。大型智算园区选址，优先靠近电力源、水资源充足的区域。地方配套的输电通道、工业供水设施，也属于被AI带动的实体资产。这一类属于间接受益，弹性偏弱，更多是区域配套价值提升。

讲完这几类，大家就能看明白：AI拉动的实体资产，不是路边普通商铺、老旧厂房这类通用资产。必须是能够嵌入算力产业链、解决算力扩张刚需的实体资产。刚需越强、复制难度越高、建设周期越长的实体资产，越容易吃到长期红利；容易快速扩产、同质化严重的实体资产，红利持续性会大打折扣。

三、为什么很多人依然不看好重资产？客观聊聊实体资产天生的短板

高盛这个观点只是指出一个方向，不等于实体资产没有缺点，更不等于所有重资产闭眼买入就能赚钱。笨重两个字，本身就代表着它与生俱来的短板，这些短板不会因为AI红利消失，我们必须客观讲清楚。

第一，资本开支巨大，回本周期很长。
轻资产项目，投入几百万、几千万，产品落地之后就可以持续变现。而一座智算中心、一座新能源电站、一条晶圆产线，动辄几十亿上百亿投入。资金投入进去之后，要持续好几年才能逐步收回成本。期间利率变化、融资成本上升，都会直接侵蚀利润。利率上行环境下，重资产公司的财务压力会明显变大。这是重资产永恒的软肋。

第二，资产折旧压力刚性存在。
设备、机房、产线都有使用年限，每年固定计提折旧。哪怕订单暂时变少、产能闲置，折旧费用照样要算。一旦下游算力需求不及预期，机柜空置、产线开工率下滑，营收减少，刚性成本还在，利润会快速承压。轻资产公司没有大额折旧压力，行情不好的时候收缩人力成本就可以降低亏损，两者抗风险能力差异很大。

第三，政策、环评、土地审批门槛高，不确定性更多。
想要新建机房、电站、矿山、工厂，要经过土地审批、能耗审核、环评、安全生产核查等一系列流程。很多项目规划出来，不一定能够顺利落地。能耗指标、电力指标收紧，是最近几年算力项目最常遇到的卡点。一个项目哪怕资金充足，指标拿不到，也没法开工建设。这种外部约束，是轻资产AI公司很少面对的。

第四，技术迭代风险。
不要以为实体资产买下来就一劳永逸。AI硬件技术迭代速度很快，今天适合上架的服务器，两三年之后可能就落后；制冷方案、供电标准也会持续升级。现在投入巨资建好的机房，如果架构设计跟不上下一代算力硬件标准，未来会面临改造或者淘汰的风险。实体资产也会遭遇技术贬值，只是贬值逻辑和软件不一样。

第五，周期波动风险。
算力需求不是一条永远向上的直线。企业资本开支有周期，当算力建设扎堆上马，一段时间之后，算力供给过剩，机柜租金、代工报价就会下降，直接压缩重资产企业的盈利空间。算力周期、半导体周期、电力供需周期叠加在一起，波动会被放大。

对比下来就能得到一个客观结论：AI利好相关实体资产，但这类资产赚的不是轻松钱。它们赚的是长周期、重投入、承担各类约束之后的钱，收益稳定性、波动特征，和AI软件赛道完全不同。偏好短期高弹性的投资者，未必适合这类资产；能够接受长期持有、看重稳定现金流的人，才更适合研究这个方向。

四、轻资产和重资产不是对立关系，AI产业链是完整共生体系

很多人看完这个观点，容易走向一个极端：既然AI利好实体资产，那AI软件、大模型就没有机会了，资金都应该去买传统重资产。这个理解是错的。

AI软件、模型服务商，和机房、电力、芯片工厂这些实体资产，是共生关系，不是互相替代。没有模型和应用，算力就没有需求，机房、电站的资产价值就失去支撑；反过来，没有机房、电力、芯片工厂，再好的模型也只能停留在实验室，没法大规模商用。

整个AI产业链，可以简单分成三层。最上层是AI应用、大模型、算法，属于轻资产，负责创造需求场景，面向客户提供服务；中间层是算力硬件，服务器、光模块、芯片，介于轻重之间；底层是机房、电力、原材料、制造产线，是重资产底座。

行情轮动的时候，资金会在三层之间来回切换。AI刚爆发的时候，市场先炒想象空间，优先追捧上层的模型和应用；等到大家慢慢意识到算力落地瓶颈，资金开始往硬件、底层配套转移，也就是高盛所说的实体资产受益阶段。这不代表上层赛道行情结束，只是市场定价重心发生变化。

另外还有一个定价逻辑差异：轻资产AI公司，估值更多看未来用户增长、产品落地想象空间，估值波动极大，故事性更强；而受益于AI的实体资产，估值更多看现金流、出租率、产能利用率、长期订单，估值体系更贴近传统制造业和公用事业，想象空间小，但兑现逻辑更实在。

举一个通俗例子。AI应用公司像餐厅，负责把菜品做好卖给顾客；算力硬件像厨具；实体资产底座像厨房、水电、厂房。餐厅生意火爆，最先赚钱的是餐厅本身，但是餐厅越开越多，对厨房场地、水电供给的需求就会持续上涨。场地水电不会像新餐厅一样短期爆发式增长，但只要餐饮生意长期红火，它的需求就会稳定存在。高盛的判断，本质上就是看到了“餐厅持续扩张，底层配套需求长期抬升”这个规律。

当然，这个规律成立有一个前提：AI产业不是短期炒作，而是持续产业化落地。如果后续AI商业化落地不及预期，各大企业缩减算力资本开支，那么不管是轻资产的AI应用，还是底层的实体资产，红利都会收缩。所以，AI商业化进展，是判断这条主线能不能持续的核心风向标。

五、普通人怎么甄别：哪些实体资产是真受益，哪些只是蹭热点？

这个话题热度上来之后，市场上肯定会有很多传统重资产公司，借着AI概念宣传，股价跟着上涨，但本身业务和算力需求几乎没有关联。我们整理几条简单的判断标准，普通人看公告、看财报的时候可以对照，避开蹭热点的标的。

第一，看收入端有没有和算力相关的真实订单。
判断是不是真受益，最硬核的标准，就是有没有明确的算力客户、智算园区相关合同。机房企业看AI机柜签约出租率；新能源电站看和算力企业签订的长期购电协议；晶圆厂看AI芯片代工订单占比。没有真实订单，只在公告里写一句“公司关注AI发展机遇”，基本就是概念炒作。

第二，看产能能不能匹配AI的特殊要求。
同样是数据中心，能不能承载高密度AI服务器，供电密度是关键指标；同样是光伏电站，能不能就近配套算力园区、稳定消纳电力，是核心差异。通用型传统资产，没有适配AI算力的改造能力，就算身处同一个行业，也很难分到红利。

第三，看资本开支计划是不是围绕算力配套展开。
企业新增的投资，是投向AI算力配套，还是继续投向原有传统业务。如果公司持续大额投入智算配套、绿电配套算力项目，说明管理层确实在布局这条赛道；资本开支没有变化，只是对外蹭热点话术，可信度很低。

第四，区分一次性收益和长期持续收益。
有些原材料企业，只是短期因为算力硬件抢货，价格上涨，利润一次性提升，上游产能很快就能补上，供需缺口很快消失，这种属于短期弹性行情，不是长期受益。而优质智算机房、绑定长期供电协议的绿电资产，收益来自多年持续合同，持续性会更强。

第五，对比资本回报率，警惕盲目扩产。
重资产最怕盲目扩张。看到AI风口就借钱大规模新建项目，一旦后续算力需求放缓，很容易出现产能闲置、负债高企。要留意企业的负债水平、融资成本，扩产计划有没有匹配锁定的客户订单，不能单纯看扩产规模大小。

还有一个给普通投资者的建议：实体资产赛道波动节奏和AI软件不一样，不要用短线炒作的思路参与。如果你没有时间持续跟踪机柜利用率、算力资本开支、能耗政策这些数据，尽量不要重仓押注。不管是AI轻资产，还是受益于AI的实体资产，都存在不确定性。机构观点只是一个参考视角，不是一定会兑现的结论。

六、总结

高盛提出的这个反直觉判断，不是说AI软件、大模型不再重要，而是提醒市场，不要只盯着代码和模型，忽略AI落地的实体底座。AI不是飘在云端的虚拟产业，它的每一步扩张，都在消耗电力、算力硬件、机房空间、工业原材料。这些看起来笨重、老旧、周转缓慢的实体资产，恰恰是AI大规模扩张绕不开的刚需。

轻资产负责打开AI的想象空间，重资产负责承接AI落地的刚性消耗。两者在产业链里面各司其职。AI浪潮越往前走，商业化落地规模越大，底层实体配套的价值就越容易被市场重新发现。

但我们同时也要保持清醒：受益不等于稳赚。实体资产自带投入大、周期长、折旧刚性、审批约束多的问题，还有行业周期、技术迭代带来的风险。同样属于实体资产，能不能吃到红利，核心看它能不能精准匹配算力产业链的刚需，有没有稀缺的指标、资质、长期订单作为护城河。

这个观点最大的价值，是帮我们打破固有的思维定式。科技变革里面，受益方向不一定是大家第一眼看到的地方。每一轮技术革命，除了台前耀眼的新应用，台下支撑它的基础设施、资源底座，往往也藏着长期机会。AI时代的竞争，不只是算法和模型的竞争，也是算力底座、能源供给、工业配套能力的竞争。看懂这一层，我们看待AI赛道的视野，才会更加完整。

话题互动

你怎么看待高盛这个观点？你觉得AI长期发展，底层实体配套资产的机会更大，还是AI软件应用赛道空间更大？欢迎理性留言交流，点赞关注账号，持续分享客观、接地气的产业和投资观察。

免责声明：本文仅解读机构观点与产业逻辑，不推荐任何资产，不构成投资建议，市场存在多重不确定性，请理性判断风险。