Nvidia市值高达$3.33万亿，稳坐全球第一宝座。然而，市场对其下游需求的认知似乎存在偏差。许多投资者往往从结果出发，通过观察爆款APP和设备来推测算力需求，却忽视了从源头上探寻真正的需求。

实际上，大厂对AI算力的投入远非简单的追求爆款应用和短期收入。AI已经深入到大厂的各个业务环节，不仅重构了后端成本结构，还改变了前端业务的底层架构。

AI商业化的节奏和顺序并非如市场最初所设想的那样，首先通过开发新的软件应用或硬件终端来引爆市场。相反，更有可能的路径是先利用AI进行已有业务和产品的改造，再等待爆款的出现。这包括改造现有的软件算法结构和硬件终端，如推荐引擎和PC/Phone等。

市场似乎低估了AI算力需求的空间。以过去半年到一年为例，市场忽视了大厂在改造已有业务时对AI算力的需求。正如黄仁勋在23Q4财报中所指出的，推荐引擎的改造是AI算力需求的重要部分。这实际上是大厂对传统算法进行LLM架构改造的算力需求。

推荐引擎只是大厂对传统算法改造的一个缩影，其他场景的算法架构也在陆续进行改造。这部分需求在国内尚未被充分感知，因为国内大厂尚未全面启动相关改造。然而，META等全球大厂已经在APP Family的用户时长上体现了这种改造的效果。

因此，我们不能以原有的框架来看待这轮AI算力需求。我们需要对AI全产业链以及大厂的业务细节进行整体判断和不断修正，才能准确把握AI算力市场的发展趋势。在投资选择上，云端和终端是AI算力的核心领域。美股中，Nvidia、ARM、Broadcom、AMD、Dell、SMCI、HP等公司在云端领域具有显著优势；Qualcomm、ARM等则在终端领域占据重要地位。而在A股市场，NV算力产业链涉及光模块、工业富联、沪电股份、浪潮信息、网宿科技等多个领域。