AI智能體點燃雲計算第二增長曲線！華爾街大行拆解IaaS擴容潮與PaaS價值重估 誰賺走Token狂潮的真金白銀？

智通財經APP獲悉，華爾街金融巨頭伯恩斯坦最新發布的研究報告顯示，AI雲計算領域正進入「AI智能體狂潮主導下的人工智能算力需求井噴式擴張、AI推理負載升級、平台價值重分配」同時發生的新階段，投資機會也隨之從GPU算力供給延伸至攸關企業數據運營、企業核心操作流程、連接業務工作流與智能體開發、部署與運行綜合平台的雲計算領軍者們。

伯恩斯坦表示，目前全球雲計算行業正經歷自微軟Azure崛起挑戰亞馬遜AWS以來最重要的一輪競爭變化：訓練需求催生以GPU為中心的數據中心擴建，為CoreWeave等新雲服務商打開IaaS基礎設施市場；隨著AI推理負載逐步走向企業生產環境，則擴大CPU、GPU、資料庫、儲存及軟件平台的協同算力運營需求；OpenAI、Anthropic進一步從AI大模型供應商轉向AI智能體開發平台供應商，既為合作雲計算廠商貢獻更大的基礎設施訂單，也開始爭奪PaaS雲計算廠商們的軟體入口、客戶關係和利潤空間。

伯恩斯坦分析師團隊因此更加看好微軟、甲骨文和MongoDB，但對單純出租AI GPU算力基礎設施的新雲企業長期競爭力更為審慎。該機構的核心投資判斷在於，AI算力資源需求增長能夠擴大AI雲租賃市場，卻不會讓所有雲企業獲得相同的定價權和AI時代的強勁資本回報。這一判斷與近期產業數據形成呼應：微軟7月財報披露，Azure及其他雲服務季度收入增長43%，需求仍超過可用產能；甲骨文9月公布的季度IaaS收入增長121%至74億美元，剩餘履約義務達到6,640億美元，顯示需求正在轉化為收入和長期合約。

AI智能體如何逐步放大雲計算需求？結合伯恩斯坦研究報告以及AI推理工程推演，Muse與Astra所代表的變化，是把一次問答擴展為包含規劃、檢索、工具調用、執行、檢查和重試的任務過程：Meta披露Muse運行在擁有瀏覽器的專用安全虛擬機中，使用者關閉應用後仍可繼續處理任務；OpenAI披露Astra增強了計算機操作與多步驟專業工作能力，這些能力進展本身並不等於AGI已經得到確認。

當使用規模擴大，模型調用增加GPU推理負載，瀏覽器、代碼與工具執行增加CPU需求，長上下文與並發會話提高記憶體及快取需求，持續狀態和企業知識訪問增加資料庫與儲存需求，生產部署進一步拉動身份、安全、監控和工作流編排等PaaS服務。Anthropic與Akamai簽署的七年116億美元協議明確面向CPU工作負載，就是AI需求向GPU之外擴散的實例；其與亞馬遜(Amazon)AWS、Google雲計算/博通(Broadcom)、微軟Azure雲計算、SpaceX旗下AI雲計算租賃平台等合作，也體現了多供應商基礎設施配置。

對於面臨CoreWeave這類新雲勢力強勢崛起之下的AI雲計算領域潛在IaaS/PaaS贏家，伯恩斯坦給予微軟(MSFT.US)、甲骨文(ORCL.US)以及MongoDB(MDB.US)「跑贏大盤」這一最積極評級，予以的最新目標價分別意味著未來12個月約28.7%、135%以及35%潛在上行空間，該機構對於AI雲數倉與企業雲資料庫領軍者Snowflake(SNOW.US)則予以「與大市同步」評級，目標價意味著10%左右潛在上行空間。

毋庸置疑的是，AI雲仍是產業資本投入和盈利預期的重要方向，股票資金則正在篩選能夠留住利潤的環節。OpenAI以約1.4萬億美元估值尋求新融資，以及Anthropic謀求超過2萬億美元IPO估值，反映出全球資本市場對AI相關收入創造空間的極高預期，相比AI應用估值敘事，聚焦推理端的AI算力資源供給鏈已有更具體的強勁需求依據：媒體披露Anthropic未來約十年5,180億美元的基礎設施安排，其中約80%具有不可取消或按約定支付的性質，Anthropic 2025年營收增至上年的約12倍、接近46億美元，經營虧損超過80億美元，算力與基礎設施支出達到73.3億美元，約為2024年的三倍，佔126.5億美元總經營費用的約58%；韓國9月半導體出口603億美元、同比增長262.8%，官方同時指出存儲出口數量與合約價格上升。

算力帳單越滾越大：IaaS擴容潮中的增長與分化

伯恩斯坦對於AI時代IaaS的投資邏輯，是傳統雲計算持續增長之上疊加AI算力需求持續井噴式擴張帶來的強大增量，報告引用的Gartner預測顯示，全球IaaS市場將由2025年的約2,230億美元，增長至2026年的2,870億美元、2030年的6,620億美元；其中傳統IaaS由2,010億美元增至4,880億美元，AI優化IaaS則由220億美元增至1,740億美元。

按伯恩斯坦研究報告圖示數值的測算顯示，2025—2030年整體市場複合增長率約24.3%，AI優化部分約51.2%，後者佔比從約9.9%升至26.3%。伯恩斯坦分析師團隊表示，這也意味著AI既創造高速增長的新型AI雲計算基礎設施市場，企業原有運算、儲存與應用遷雲也仍貢獻龐大的絕對增量。

競爭格局方面，2025年Gartner口徑下AWS、微軟、谷歌、阿里巴巴的IaaS份額分別為35%、24%、10%、8%；IDC對應數字為41%、16%、8%、4%，兩大調研機構均將CoreWeave市場份額計為約2%。差異主要涉及IaaS與PaaS的收入劃分，例如IDC將更多甲骨文(Oracle)收入歸入PaaS，因此不能把不同機構的份額拼接成同等的同一張競爭地圖。

伯恩斯坦研究報告還提出一個值得投資者追蹤的問題：2030年1,740億美元的AI優化IaaS收入，如何與市場討論的萬億美元級GPU投入相協調？可能涉及企業自建、部分投入最終通過PaaS變現，以及產業預測偏高或Gartner等市場調研機構的基準預測偏低。

新雲的階段性優勢來自算力稀缺，但企業推理的長期競爭力需要完整的軟體與數據體系。伯恩斯坦研究報告把行業演進劃分為三個相互銜接的變化：首先，GPU訓練集群對供電、冷卻及高頻寬低時延網路提出更高要求，傳統數據中心需要改造或重建，供需缺口因此為新雲企業及甲骨文創造進入機會；其次，AI支出從訓練向推理擴展，伯恩斯坦估計，推理年度支出最終可能達到訓練的5—20倍，但沒有給出明確兌現年份；再次，企業推理需要連接實際業務，其基礎設施必須支持模型計算、CPU應用執行和企業數據訪問。

伯恩斯坦表示，由此趨勢所產生的「數據引力」，會把部分AI負載吸引至企業已經部署資料庫、權限體系和應用的平台。報告對新雲提出五項約束：難以超越GPU型IaaS；大型雲客戶在供給充足後可能將負載轉回自有設施；採用開源數據庫及開發工具並不自動形成差異化；企業數據遷移具有阻力；當前供需失衡可能在未來兩年改善。

伯恩斯坦表示，對於投資者們而言，真正需要長期檢驗的邏輯在於，新雲勢力能否把短期交付優勢轉化為長期客戶留存、利用率和現金回報；與此同時，研究報告認為甲骨文憑藉主權雲、私有雲及AI數據中心形成連續增長動力，有機會進一步接近微軟、亞馬遜以及谷歌這類AI雲計算基礎設施第一梯隊。

誰掌握智能體入口，誰強勢分享雲利潤：PaaS迎來價值重估

AI實驗室正在成為PaaS的重要競爭者，但收入分類仍處於形成階段。伯恩斯坦報告引用數據顯示，2025年全球PaaS規模按Gartner口徑約為2,252億美元，按IDC口徑約為2,275億美元；依據各自2024年數據計算，同比增長分別約25.8%和42.3%。IDC將微軟列為第一，份額21%，其後為AWS的12%、谷歌的9%，OpenAI約6%、Salesforce約5%、Oracle約4%，Anthropic、Snowflake、Databricks等各約2%；Gartner合併傳統與AI PaaS後，則由AWS以19%領先，微軟15%、谷歌10%，OpenAI約2%、Anthropic不足2%。

更具方向意義的是，同一口徑下AI實驗室份額均在上升：IDC統計OpenAI從2024年的2.1%升至2025年的5.7%，Anthropic從0.4%升至1.9%；Gartner對應變化為1.0%至1.7%、0.3%至1.1%。

模型API、開發工具、編碼產品及智能體軟體的收入計量邊界尚未統一，而兩家AI實驗室擴大平台業務的方向已經比較清晰。伯恩斯坦預計，其2026年份額存在進一步升至高個位數乃至低雙位數的可能，具體取決於收入歸類及整個PaaS市場的增長速度，這仍屬於前瞻判斷。

從模型走向平台，意味著AI實驗室開始爭奪企業軟體的開發與運行入口。伯恩斯坦研究報告認為，Anthropic由Claude模型延伸至Claude Code，再進入自動化和智能體應用開發；OpenAI則在ChatGPT、搜尋與研究產品之外，加速發展Codex和智能體開發能力。這些工具不僅協助構建AI應用，也能提高傳統軟體開發、測試和維護效率。平台化能夠增加工作流整合與客戶黏性，從而緩解開源或開放權重模型競爭、Token價格下降對單純模型業務的壓力。

伯恩斯坦援引的Gartner報告顯示，2025年OpenAI企業收入大約50億美元，其中基礎生成式模型佔57%、專用模型4%、AI開發平台15%、其他應用軟體24%；Anthropic企業收入約33億美元，對應基礎模型70%、專用模型7%、其他應用軟體23%。不過這些是企業業務分類估計，不能等同於公司全部收入或年化收入運行率。

同期AI應用開發平台市場約68億美元，微軟、AWS和谷歌分別佔24%、14%、14%，OpenAI佔11%，對應約7.5億美元；基礎生成式模型市場中，OpenAI、Anthropic和谷歌分別佔25%、20%、18%，合計63%。這組數據說明，模型與平台兩層競爭已經同時展開。伯恩斯坦甚至預計，2026年開發平台收入可能超過模型收入，但編碼產品究竟歸入PaaS還是SaaS仍待釐清；其更大的戰略機會，是成為其他軟體企業構建產品的底層平台，而非逐一進入CRM、HCM等垂直市場。AI實驗室擁有模型理解優勢，雲巨頭和既有SaaS廠商則擁有客戶數據、業務語義、部署、安全及管理體系，競爭因此會延伸到整套企業交付能力。

伯恩斯坦在AI雲計算領域的選股落點，是能夠將AI使用量轉化為持續收入、客戶留存和利潤的企業。微軟的優勢在於，同時承載OpenAI、Anthropic、多種第三方模型和自有模型，並以廣泛的開發工具及企業數據沉澱吸引新增AI負載；甲骨文則覆蓋AI數據中心、OCI Gen2公有雲、私有雲、Alloy白標IaaS/PaaS及主權雲，OpenAI的平台業務發展能夠強化其重要客戶需求，同時現階段並不直接取代Oracle核心資料庫產品，報告還指出，多雲合作推動其雲資料庫近幾個季度實現三位數增長。

伯恩斯坦表示，MongoDB的邏輯更直接——即AI應用仍或者AI智能體大規模滲透至各行業都長期需要持久化數據、查詢和狀態管理，應用增加可能擴大資料庫使用量，報告認為AI實驗室與新雲目前並未直接瞄準其資料庫市場。相比之下，Snowflake向AI平台延伸，也使其面臨AI實驗室與超大規模雲廠商的雙重競爭。

伯恩斯坦強調投資者們應沿著IaaS交付能力、PaaS開發入口和企業數據基礎設施尋找收入兌現，同時檢驗折舊、電力、融資和競爭成本之後的自由現金流；投資風險方面，伯恩斯坦補充表示，微軟面臨雲價格競爭和安全風險；甲骨文需要處理客戶集中、AI需求兌現及雲業務增長風險；MongoDB需要防範雲增長放緩、基礎設施成本和費用上升。