中美算力领域正处于高度景气建设周期，我们测算2026年全球（除中国）和中国的存量算力负荷分别为69.3GW和30.4GW，预计到2030年分别为322.4GW和97.4GW。高速增长之下，北美算力建设面临投融两端困局：其一，投资能否回本？宏观层面，AI资本开支将达到单一产业占GDP比重峰值；微观层面，CSP终端收入仅为投入的1/7，后续商业化突破是关键；其二，融资能否承接？预计2027年资金压力仍相对可控，但2028年后压力将更加显著。投资节奏适度放缓有助于等待HBM扩产、存储价格回落和电力供给改善，同时缓解现金消耗与外部融资压力。中国算力资本开支增长空间较大，国资体系、信贷成本、基础设施承载条件有利，关键在于国产算力芯片性能及产能放量，2028年或迎供给释放节点。综合来看，我们认为产业仍在增长但将回归理性，考虑体量高度集中、估值比肩“科网”，且资金面“抽水”回升而净“注水”收窄，美股市场须警惕调整风险。

▍中美算力增长可观，数据中心建设呈现高度景气。

从算力负荷来看，2025年的中国算力用电量与2023年美国本土的体量基本一致。我们测算2026年全球（除中国）和中国的存量算力负荷分别为69.3GW和30.4GW，预计到2030年分别为322.4GW和97.4GW。由于国产卡性能存在差距，我们测算2026年中国平均算力的存量算力密度仅为10.9万P/GW，而H100/GB300分别为70/123万P/GW。因此，中美算力规模差距仍在扩大。我们测算2026年全球（除中国）和中国的存量算力规模分别为6,644万P和333万P，预计到2030年分别为55,029万P和4,384万P。我们测算2026中国平均算力投资强度为152亿美元/GW IT，而H100/GB300分别为219/391亿美元/GW IT，但由于卡的性能差距，在每万P的算力成本方面，中国显著高于美国。从投资规模看，我们测算2026年全球（除中国）和中国的算力投资增量分别为10,869亿美元和1,473亿美元，预计到2030年分别为35,302亿美元和7,891亿美元。

▍北美算力面临投融两端困局，宜适度放缓资本开支增长。

▍问题一：投资能否回本？

宏观层面，我们认为美国资本开支增速放缓是大概率事件，而中国仍处加速期。AI大规模的资本开支意味着未来巨量的折旧费用，想要获取收益需要更大量的收入来覆盖成本，因此投资占GDP比重越高，这一问题将越显著。我们预计美国AI资本开支占GDP比重在2027年达到3.87%，已超过基础设施投资历史高位，2030年进一步升至6.08%，与房地产周期高点仅相差约0.5个百分点。而中国同期占比预计分别为0.93%/2.99%，仍有显著提升空间。

微观层面，剔除收入重复计算部分，云厂商AI投入与终端收入之间存在数量级差距，终端收入仅相当于当年投入的约七分之一，未来应用端的突破至为关键。当前大模型能力持续突破，Coding、Agent、多模态成为迭代主线，AI商业化落地正从工具试用走向深度嵌入生产流程。投资层面看，Coding是最先完成付费验证的赛道，企业研发团队渗透率提升将持续打开需求空间；知识型办公场景有望接力成长，依托生态沉淀企业私域数据可构建产品正向循环。同时AI安全作为Agent规模化部署的前置配套基础设施，行业增速可观；AI4S推动科研范式革新，闭环能力强的企业具备中长期价值。

▍问题二：融资能否承接？

考虑CSP融资缺口及新云厂承接需求，预计2027年资金压力仍相对可控，但2028年后压力将更加显著。四大CSP经营性现金流仍较快增长，但CAPEX扩张更快，我们预计2027/2028年资本开支较经营现金流的缺口分别约4,653/7,052亿美元，内生现金流已难完全覆盖AI基础设施投入。截至2026Q2，四大CSP在手现金合计约5,346亿美元，且杠杆水平仍低，2027年资金压力整体可控，但是2028年压力将更为显著。此外，四大CSP企业通过表外租约等形式正不断将资本开支压力传导至CoreWeave、Nebius、IREN等新云及数据中心运营商。我们预计本轮新云为承接CSP及模型厂商新增算力需求所对应的累计外部融资规模可能在2027年达到约2,500亿美元量级。融资端，美国AI CAPEX融资渠道多元化，综合美国股市，全球债市（公募&私募债），银团渠道，美国上市公司潜在的回购资金转CAPEX，美国产业资本和主权财富基金融资，我们估算2027年可承接美国AI企业CAPEX的体量，在乐观、中性、保守场景下分别为9,680亿美元，7,420亿美元，5,180亿美元。

进一步地，即使资金能够承接，也不意味着资本开支可以无限加速，北美算力投资的实际落地仍受到存储、电力及服务器交付等供给条件约束。当前头部CSP和模型厂商的长期算力采购需求仍然较强，但CoWoS、HBM、服务器交付及数据中心电力供给已逐步成为新增算力释放的主要瓶颈。我们预计四大CSP资本开支将在2027年、2028年分别达到约1.38万亿和1.84万亿美元，同比增速由84%回落至33%；在高基数和供给瓶颈的共同作用下，CAPEX增速大概率适度放缓，也有助于等待HBM扩产、存储价格回落和电力供给改善，同时缓解现金消耗与外部融资压力。

▍中国算力建设硬件供给瓶颈尚待突破，2028或实现供需平衡。

性能方面，国产算力芯片与海外主流产品仍存在较大差距。一方面，国产算力芯片单位功率对应的计算能力明显偏低。我们测算，2026年中国存量算力的平均算力密度约为10.9万P/GW，而H100、GB300等海外算力平台对应的理论算力密度分别达到70万P/GW和123万P/GW。另一方面，国产算力芯片与存储、互联通信之间的协同性明显滞后。以英伟达H100为基准，GB200/GB300的FP8算力提升至5 PFLOPS，VR200进一步提升至17.5 PFLOPS，约为H100的8.8倍；同期HBM带宽由3.35TB/s提升至8TB/s和22TB/s，单卡HBM容量亦由80GB提升至最高288GB。而华为公布的昇腾950DT产品规划采用144GB存储容量和4TB/s访存带宽，在存储规格上与GB300差距明显。

产能方面，预计2028年为国产算力加速卡及全球HBM产能的关键供需平衡点。其一，预计2027年国产算力加速卡出货超400万张，2028年国产算力产能有望得到释放。根据IDC数据，2025年国产算力出货量165万张，我们预计2027年将超过400万张，2030年将超过1200万张。从算力负荷角度看，2027年国产算力新增负荷约11.7GW，相较于需求仍有约2GW缺口，而2028年国产算力新增负荷将达到20GW，基本满足国内新增算力需求。其二，预计全球HBM产能在2028年将接近100亿GB，基本实现供需平衡。需求方面，我们预计2026-2029年全球AI加速卡对应当年HBM需求为33-40/60-70/70-80/110-120亿GB，考虑到HBM约半年的前置备货需求，跨期备货后2026-2028年全球HBM需求为55-65/75-85/105-110亿GB。供给方面，全球HBM产能2026-2028年约为48.3/70/108.3亿GB。整体来看，全球HBM在2028年或可基本实现供需平衡。

▍产业仍在增长但将回归理性，美股市场警惕调整风险。我们认为美股自身的风险正在积累，原因如下：

其一，体量高度集中。美股市值高度集中在少数AI龙头上，单个公司的市值已足以比肩一个主要经济体的整个股市。截至2026年10月14日，英伟达市值约5.33万亿美元，相当于日经225全部成分股市值合计（约6.55万亿美元）的81%、沪深300成分股合计（约9.81万亿美元）的54%。美股内部同样高度集中：英伟达一家占标普500总市值（约70.30万亿美元）的7.6%。指数表现越来越取决于少数龙头，一旦龙头估值回调，指数层面缺少分散化的缓冲。

其二，估值比肩“科网”。从总量看，美股相对实体经济的体量已明显超过科网泡沫和2021年的高点。美国上市公司总市值/GDP在1980年仅为47.6%，科网泡沫推动其在1999年升至153.4%，泡沫破裂后于2002年回落至101.1%；2019年以来，这一比例已连续7年高于科网时期峰值。2022年末至2025年末，与ChatGPT发布以来的时段大致对应，美国上市公司总市值由40.30万亿美元增至68.94万亿美元，增加约28.64万亿美元；同期现价GDP仅增加约4.71万亿美元，增幅约18%。市值扩张远快于经济总量增长，意味着估值对未来盈利预期的依赖在上升。从行业看，若用真实终端收入替代公司营收计算市销率，当前AI估值已与科网泡沫顶峰相当。以美国AI行业年化真实终端收入（约1,570亿美元）作为分母，当前AI的真实市销率约为157倍，高于同口径下科网时期的141倍；即使只计ChatGPT发布以来的新增市值，也达121倍，接近科网时期水平。

其三，资金面“抽水”回升、净“注水”收窄。美股净回流大幅回落往往伴随或领先美股的深度调整：1999年净回流由上年的500亿美元降至176亿美元，标普500当年仍上涨约20%，2000年净回流转负后，标普500连续三年下跌、累计跌幅约40%。2026年以来，美股市场“抽水”明显加速，上半年美国非金融企业股权融资2,274亿美元，已超过2025年全年的1,338亿美元，净回流降至2,053亿美元，年化后较2025年下降约36%；而截至10月20日，标普500较2025年末仍上涨约13%。一旦企业现金流进一步转向资本开支或盈利下行，回购对美股的支撑可能迅速减弱。

▍风险因素：

宏观逆周期政策及“六张网”建设推进不及预期；算力产业政策推进不及预期；算力硬件技术进展及供给不及预期；北美算力基建供给不及预期；油价及美国通胀上行幅度超预期；美国就业市场超预期走弱；美债和AI相关企业债供给超预期变化；美联储资产负债表政策超预期变化等。

注：本文来自中信证券研究部2026年10月25日发布的《AI产业格局研判—中美AI算力困局：技术差距与数学难题》，报告分析师：于翔、李云汉、连一席、徐广鸿、贾凯方、赵康、潘儒琛、许英博、杨帆、李翀、廖原、陈俊云、杨泽原、程子盈、夏胤磊、高飞翔、何林桓、张奇