AI 新周期,基础设施为王 软件周期结束,基础设施周期开启。特斯拉储能、Teradyne 芯片测试、UiPath 企业执行,三者组成物理 AI 底座。#AI #算力 #人工智能 #科技 #科技科普
随着AI用户规模预计从10亿增长至50亿,技术应用正从云端走向现实世界。集中式云计算面临延迟、能耗、成本和稳定性四大瓶颈,无法满足工业、医疗、电网等场景对毫秒级响应和稳定运行的要求。AI正在进入物理基础设施周期,软件周期红利逐渐消退,以执行层、验证层和能源层为核心的物理AI底座开始浮出水面。
01物理AI三大底座:UiPath、Teradyne、特斯拉
在物理AI的架构中,UiPath、Teradyne和特斯拉分别构成了软件执行、硬件验证和能源支撑的关键环节,三者共同支撑起AI在物理世界的落地。
| 核心企业 | 业务定位 | 2025 Q4 关键财务数据 | 在物理AI中的角色 |
|---|---|---|---|
| UiPath | 企业智能自动化(软件执行层) | 全年经常性收入18.53亿美元(+11%);AI产品收入2亿美元;净利润3390万美元;现金15.2亿美元 | 连接大模型与企业业务系统,处理财务、供应链等实际生产流程,是企业AI落地的执行层 |
| Teradyne | 半导体与机器人测试(硬件验证层) | 营收10.83亿美元(环比+41%,同比+44%);非GAAP每股收益1.80美元;毛利率58.5% | 保障AI芯片量产前的质量验证,随着芯片复杂度提升,测试价值呈指数级增长,是算力基础设施的质量把关者 |
| 特斯拉 | 能源与自动驾驶(能源与场景层) | 能源业务收入38.37亿美元(+25%),毛利率28.6%-30%;储能装机14.2GWh;汽车收入同比降11% | 提供稳定能源方案解决算力功耗问题,并通过自动驾驶和机器人提供现实场景,是物理AI的能源底座 |
三家代表性企业财务数据与业务定位对比
02商业逻辑深度解析
- UiPath:从脚本工具到企业大脑
RPA行业已从简单的脚本重复工作,转变为能理解业务目标并主动处理的智能系统。客户不再满足于数字化转型的口号,而是要求AI在生产环境中稳定运行。财报显示,年费超10万美元的客户增至2565家,说明大企业已将其纳入核心预算。其首次实现GAAP盈利及正向自由现金流,标志着业务模式的成熟。 - Teradyne:算力爆发的隐形受益者
高端AI芯片在批量生产前必须经过Teradyne测试系统的验证,这是由芯片物理特性决定的必经步骤。随着AI芯片算力、带宽和封装复杂度的提升,测试时间和价值同步增长。公司业务重心已从消费电子完全转向算力基础设施,AI相关收入占比超六成,其中系统级芯片测试收入两年翻了近7倍。 - 特斯拉:能源业务重塑增长极
虽然汽车销量和毛利率承压,但能源业务正爆发式增长。AI训练和数据中心耗电激增,加上电网老化,使得储能成为刚需。Megapack产品通过稳定电网支撑算力扩张,形成了“能源支持算力,算力反哺能源”的闭环。高毛利的能源业务正逐步取代波动性较大的汽车业务,使特斯拉转型为稳健的基础设施公司。
03投资逻辑与风险提示
云端AI的第一阶段红利已被英伟达、微软、OpenAI等巨头瓜分,物理AI的第二阶段机会将集中在搭建底层基础设施的企业。UiPath、Teradyne和特斯拉分别在执行、验证和能源环节完成了布局。然而,这一趋势的延续仍需警惕潜在风险。
- UiPath风险:面临微软、Salesforce等云巨头的平台级竞争,且智能自动化转型需要持续的研发投入。
- Teradyne风险:若AI芯片需求放缓或测试技术被颠覆,目前的高毛利水平可能难以维持。
- 特斯拉风险:2026年资本开支预计超200亿美元可能导致自由现金流转负,且汽车业务的持续下滑可能影响市场信心。
验证这些趋势的关键指标包括:UiPath的ARR增速是否稳在15%以上及AI收入占比;Teradyne的AI收入占比能否维持50%以上及毛利率是否守住55%;特斯拉能源业务收入增速是否稳在30%以上及储能毛利率是否守住25%。
当前文章无评论,是时候发表评论了