甲骨文暴涨36%！AI算力彻底火了

9月10日，甲骨文股价上演”史诗级暴涨”——单日涨幅达36%，创下1992年以来的最高纪录，市值一举突破9500亿美元。推动这场逆袭的核心动力，是AI企业对其云服务的需求激增，公司公布的未履行订单高达4550亿美元，较去年同期增长359%。

当这家软件巨头迎来估值重塑，一个关键趋势愈发清晰：AI算力正在重塑全球科技产业的权力格局。在大模型竞赛进入深水区的2025年，算力供给能力不仅成为科技企业的生死线，更藏着普通人可把握的投资机会。

需求爆发：从百亿到万亿参数的算力革命

甲骨文的暴涨绝非偶然，而是AI算力需求”非线性爆发”的必然结果。当地时间9月9日公布的2026财年第一财季业绩显示，AI相关业务的高速增长推动公司未实现履约义务同比激增359%。客户结构的剧烈变化更能说明问题——2023年时，AI相关收入仅占甲骨文总营收的35%，到2025年这一比例直接飙升至58%，正是这种业务结构的质变，推动其估值实现”跳级式”提升。

国际数据公司（IDC）与浪潮信息联合发布的《2025年中国人工智能计算力发展评估报告》直观展现了这场”算力热”的规模：2024年中国智能算力规模已达725.3EFLOPS（简单理解为每秒能完成百亿亿次计算），2026年将翻倍至1460.3EFLOPS，未来五年年均增速高达46.2%。而且这种增长并非”线性爬坡”，当大模型参数从百亿级跃升至万亿级时，算力需求会呈现”指数级”上涨，这也是为何全球科技企业都在疯狂布局算力的核心原因。

甲骨文能抓住这次机遇，关键是精准踩中了AI企业的痛点：它优化了云计算平台的GPU调度效率，让客户实现”随用随取”的千卡级GPU资源调用——比如训练一个大型模型需要1000张显卡，此前可能需要等待数天，现在秒级就能完成调度。这种”即需即供”的能力，让它在亚马逊、微软等云计算巨头的竞争中，成功开辟出全新市场。

更值得关注的是”连锁反应”：甲骨文的暴涨不仅是个体事件，更带动整个AI算力产业链集体升温——英伟达、博通等芯片股同步跟涨，PHLX芯片指数甚至创下历史新高，形成”AI应用催生算力需求→算力扩张带动硬件升级”的正向循环。国内市场同样热度不减，国产GPU厂商摩尔线程2025年上半年营收达7.02亿元，同比增长超200%，目前正在洽谈的客户订单合计逾20亿元。这足以证明AI算力热潮并非”国外独热”，国内市场同样具备强劲需求。

产业链图谱：从芯片到应用，谁在赚钱？

AI算力这条赛道就像一座金字塔，从上游的核心硬件到下游的场景应用，每个环节都存在赚钱机会，但利润分配差距显著，普通人只有看懂各环节的逻辑，才能找对投资方向。

上游：芯片是”最赚钱的环节”

上游的核心是硬件制造，其中芯片设计是绝对的”利润高地”，英伟达则是这一领域的”绝对龙头”。从其2026财年二季度财报（截至2025年7月）可见：仅数据中心业务营收就达411亿美元，占总营收的88%；其中Blackwell架构芯片销售额占数据中心收入的70%，毛利率更是高达72.7%。如此高的盈利能力，源于其GPU芯片在AI训练场景的主导地位，目前全球主流大模型训练多依赖英伟达芯片支持。

在英伟达的供应链中，”光模块”企业也吃到了红利，典型代表是中际旭创。作为英伟达1.6T光模块（数据传输的关键部件）的主要供应商，这种”确定性订单”让光模块成为上游环节中，相对稳健的”赚钱赛道”。

国内芯片企业则呈现明显分化：华为昇腾在国内AI芯片市场占据重要份额，尤其在政府项目中表现突出，是国产替代的核心力量；而寒武纪等企业虽然营收增长显著，但市场份额仍有待提升。这种差距说明，国产芯片企业已出现”优等生”与”追赶生”的明显分层。

中游：算力调度”拼效率”

中游是连接硬件与应用的”桥梁”，主要包括云计算服务商和数据中心运营商，核心竞争力集中在”调度效率”与”成本控制”——同样规模的算力，谁能让客户用得更快、更省钱，谁就能在竞争中胜出。

国际市场上，甲骨文、亚马逊AWS、微软Azure构成第一梯队；国内则是阿里云与腾讯云的”双巨头格局”：阿里云的”灵骏”智能算力集群，可实现千卡级GPU资源的秒级调度；腾讯云则更注重成本优化，通过技术手段大幅降低中小企业使用门槛。

两家企业的技术路线还存在明显差异：阿里云走”全栈自研”路线，从芯片到推理平台实现全环节自主可控；腾讯云则侧重”生态协同”，通过与硬件厂商深度合作提升模型推理性能。此外，中科曙光近期发布的AI超集群系统也值得关注，该系统单机柜可搭载96张GPU卡，算力规模达百P级（1P=1000T），大模型训练推理速度是行业主流水平的2.3倍，同时能耗控制优异，PUE（数据中心能耗指标）低于1.12。这种”高效节能”的特性，让其在未来数据中心竞争中更具优势。

下游：应用是”需求源头”

下游是AI算力的”应用场景层”，也是整个产业链的”需求发动机”。这里的核心逻辑是”算力落地创造价值”，比如腾讯云与富士康合作的”质检云”解决方案，通过AI视觉检测提升工厂质检效率；阿里云的”数字人直播解决方案”，支持大规模并行推理，帮助客户降低获客成本。这些案例清晰说明，AI算力并非”抽象概念”，而是能实实在在帮助企业降本增效的工具。

更重要的是，下游应用场景正不断多元化——从工厂质检、直播带货，到医疗诊断、金融风控，算力需求不再依赖单一场景。这种多元化趋势让整个产业链的增长更具韧性，即便某一领域需求短期波动，其他领域也能形成”补位效应”，保障产业链整体稳定增长。

普通人怎么投？机遇和风险要分清

AI算力赛道确实热度高涨，但并非”闭着眼就能盈利”，普通人需要在把握机遇的同时，清醒识别潜在风险，才能做出理性决策。

在机遇层面，有三个方向值得重点关注。

首先是国产替代带来的确定性机会，芯片领域中，华为昇腾在政府和国企市场的渗透率较高，稳定的需求支撑使其具备较低风险；而推理芯片领域，腾讯云等企业通过自研存算架构提升性能、降低成本，这类能解决实际痛点的技术，未来成长空间显著。

其次是节能技术催生的新风口，AI算力消耗巨大，因此”节能高效”成为关键竞争力，比如中科曙光的冷板液冷技术，能将GPU计算效率提升55%。这类兼顾性能与节能的企业，会同时受到政策支持与市场青睐。

还有生态协同构建的长期机会，阿里云魔搭社区已上线3000多个开源模型，开发者只需简单微调就能部署应用；腾讯云通过”AI推理挑战赛”，免费提供GPU小时算力吸引开发者，这种”生态建设”虽然短期会增加成本，但长期会形成”开发者增多→应用丰富→算力需求扩大”的正向循环，具备长期投资价值。

同时，潜在风险也不容忽视，需要提前做好防范。

一是技术迭代的不确定性，AI芯片的技术路线并非固定不变，当前主流的GPU架构，未来可能被新架构替代，一旦技术路线发生变革，依赖旧技术的企业可能面临被淘汰风险。

二是地缘政治引发的供应链风险，美国近期启动”镓回收与先进关键材料提取技术”计划，试图构建独立的国内镓供应链（镓是芯片制造的关键材料）。这种地缘政策变动可能扰乱全球芯片供应链；尽管国内企业在加速关键材料的国产替代，但短期内仍难以完全摆脱进口依赖，供应链波动可能对相关企业生产经营造成冲击。

三是估值泡沫带来的回调压力，部分头部企业当前估值已反映未来数年的乐观预期，若未来订单不及预期，可能引发估值回调，普通人需警惕”追高风险”，关注估值与业绩的匹配度。

四是监管收紧带来的合规成本增加，随着AI技术快速发展，各国对数据安全、隐私保护的监管要求不断升级，比如腾讯云需在印尼、沙特等地区部署”本地化推理集群”，确保数据存储在当地；阿里云需为金融客户提供”推理结果溯源”服务，满足监管合规要求。这些合规投入会增加企业运营成本，也可能限制部分业务的扩张速度。

站在2025年的时间节点回望，AI算力已从”未来概念”转变为实实在在的”生产力工具”。IDC预测，2028年中国智能算力规模将达到2781.9EFLOPS，增长空间确实广阔。但普通人投资时需牢记：高增长必然伴随高波动，不能只看到”甲骨文暴涨40%”的短期热度，更要深入理解背后的产业逻辑，在机遇与风险之间找到平衡。AI算力赛道的故事才刚刚开始，找准长期趋势、避开短期陷阱，比追逐热点更重要。