分析
2026是AI 硬件大爆发的一年，需求主要来自数据中心。这里所说的硬件包括半导体、内存芯片、服务器机架、交换机、光纤、硅封装、液冷系统，还有各类配套能源工业产品与服务。市场目光纷纷投向这批用于搭建支撑 AI 新技术实体基础设施的相关资产。
与之相对，软件需求并未迎来暴涨，因为它不属于实体基础设施。软件是代码、程序与计算规则和解决方案，这行业看不到供给瓶颈。
大家也都察觉到了：今年硬件股上涨时软件股往往下跌，反之亦然。这是大体趋势，并非严格规律；偶尔也会在部分时段两者同步下行。具体如下：
上半年硬件绝对占优，7、8月软件明显接棒，9月资金又开始回流硬件。
从行业ETF看，截至 2026年9月11日：
AI硬件 SOXX：约 +75% YTD
AI软件 IGV：约 -4% YTD
硬件全年仍大幅跑赢软件。
节奏上：
1—6月：硬件主升浪
资金主要交易GPU、半导体、服务器、网络和AI基础设施CapEx，软件明显落后。
7—8月：软件第一次真正接棒
SOXX明显回撤，而IGV快速反弹，资金开始从“卖铲子”转向“谁能把AI变成收入”，软件出现明显估值修复和补涨。
9月：硬件重新占优
软件反弹开始降温，市场重新偏向半导体和基础设施链。
所以目前AI硬件仍是主趋势，AI软件已经进入轮动窗口。真正的软件接棒，需要看到AI应用收入、利润和自由现金流持续兑现，而不只是硬件涨多后的资金切换。
今年硬件股跑赢软件股（我相信这一趋势还会延续），核心原因是硬件产品对 AI 发展而言更为刚需。以应用最广泛的大语言模型训练为例：训练需要数千张 GPU 连续运行数月，消耗巨量电力，带动整条产业链运转：NVIDIA 的芯片设计、TSM 的晶圆工厂、ASML 的光刻机、Micron 与 Sandisk 的内存、Celestica 配套交换机的服务器组装，还有 Lumentum Holdings Inc. 的激光器，这里仅列举产业链中一小部分环节。
需求极度旺盛，导致 NVIDIA 的 GPU 供给紧缺，直接催生 AMD、Intel 这类直接竞品；同时云厂商这类间接竞争者也在自研芯片。自研需要定制化芯片，Broadcom Inc. 的 ASIC 专用芯片是这条产业链的核心。
即便产能持续扩张，硬件依旧是供给瓶颈，整套硬件产能建设无法一蹴而就，往往耗时数年。硬件紧缺甚至催生了一个全新赛道：新型云服务商，代表企业 Nebius。这类小型企业出售算力空间，用来填补大型云厂商的数据中心建成投运前的算力缺口。
数据中心是硬件刚需的另一佐证：这类设施占大型云厂商资本开支的 50% 以上。2026 年各大云巨头计划投入 6500 亿美元用于数据中心（算力基建）。这毫无疑问是一大瓶颈，因为这是大规模落地 AI 所需的实体工程。最新估算显示，2026 年规划新增 24GW 算力。虽然单座数据中心可以在 18 个月内完工，但配套电力基础设施，想要稳定最优运行、不影响其他用户，往往需要 3 至 5 年建设周期。
讲到这里，大家应该能理解 AI 浪潮里硬件的刚需地位。反观软件，很难看到同等量级的硬性约束。并不是说软件没有价值，例如企业落地 AI 智能体，会存在软硬件融合的需求。但现阶段 AI 对软件行业更多是威胁，而非增长催化剂。
近期一份调研印证了这个判断：受访企业中，32% 去年不再采购软件产品或功能模块，转而依靠智能体代码技术内部自研；科技行业内，该比例升至 41%。
简单来说，企业现在借助 AI 复制代码，几周内就能自研软件，而过去这类软件只能外购。但企业不可能在几周内自建数据中心、配套电力、硅产线与 GPU，这就是最核心差异。
换句话说：AI 降低了软件行业的准入门槛，只需要少量编程基础，几乎任何人都可以开发大型项目；但 AI 抬高了硬件行业的准入门槛，所有参与者都在争夺同样的芯片、电力与物理机房空间。
前面提到的麦肯锡调研，调研里有不少负面信号，但 AI 智能体存在潜在机会：年收入超 10 亿美元的受访企业中，40% 已经大规模落地 AI 智能体，去年这一比例仅 27%。
这个方向给软件行业带来转型机遇：将 AI 智能体集成进产品，提供智能体运行平台。Salesforce就是这套策略的典型案例。依托 Agentforce 与 Data Cloud 业务，它交出亮眼财报，大幅上调 ARR 预期 210% 至 39 亿美元；其中 Agentforce 板块 ARR 增幅更高，达 240%。叠加与 Anthropic 的合作消息，股价随之大涨。
目前这笔收入对整体营收和利润的拉动空间仍不明确。Agentforce+Data Cloud 合计 39 亿 ARR，仅占其全年 460 亿预期总营收的 9%。另外还有一个值得关注的问题：利润率。公司已经下调利润率预期，从 20.6% 降至 20.1%。
利润率至关重要，它直接反映 AI 使用场景的商业化变现能力，也是这份麦肯锡报告留给软件企业最大的疑问。调研显示，过去一年企业端 AI 渗透率大幅提升，88% 受访企业常态化使用至少一项 AI 功能。但仅有 37% 的企业表示 AI 对息税前利润 EBIT 产生正向影响，该比例和去年持平。
还有一点：AI 智能体的 Token 使用成本不容小觑。20% 受访企业表示，Token 成本上涨限制了 AI 产品落地。这是去年调研没有出现的新指标，后续的价格变化得持续跟踪。软件企业想要对冲成本压力，就必须上调服务定价。但现实阻力很大 ，已有 32% 企业选择停止外购软件模块，改用 AI 内部自研。
反观硬件企业，拥有更强定价权。
从半导体到内存，整条产业链产品价格上行，最终迟早传导至终端消费者，Apple前两天的产品涨价就是例证。软件企业未来大概率也需要涨价，因为它们会消耗更多 Token、投入更多研发。能把这件事做好的企业，将在 AI 智能体竞赛中占据一席之地。
Ai硬件板块这一两年涨幅巨大，业绩高度依赖少数客户，也就是大型云厂商及其巨额资本开支。这就是核心投资风险，一旦资本开支突然大幅削减，营收与利润率必然承压。
但如果资本开支是缓慢回落，则风险可控。企业可以依靠存量订单回款、优化现金流；资本开支有序下行并不会引发崩盘，不会重创 AI 硬件板块。真正的风险，是资本开支断崖式暴跌。