【经管大课堂·经济统计】AI算力板块中考：万亿营收背后的盈利分化

案例背景

2026年9月，AI算力板块中期业绩放榜，相关概念股合计营收突破万亿元，平均研发强度接近2.6%。但营收规模与盈利能力并非同步：部分公司营收高速增长但净利润下滑，反映出AI算力赛道的盈利分化。

核心分析

一、统计均值与分布：均值背后的故事。

板块平均研发强度2.6%这一统计指标容易误导：均值背后是高度分散的分布——头部公司研发强度可能超过10%，尾部公司可能不足1%。简单的板块均值无法反映真实产业格局，需要进一步分析分位数、变异系数等分布指标。这一案例是统计学中辛普森悖论的典型示例：汇总数据可能掩盖子群体的真实差异。

二、财务比率分析：营收增速与盈利质量。

杜邦分析法将ROE分解为净利率×总资产周转率×权益乘数，是评估盈利质量的有效工具。AI算力公司的高营收增速如果伴随低净利率，反映出规模扩张但盈利薄弱的状态；如果伴随高净利率，则反映出高效率扩张。判断营收增速质量需要看净利率走势，而非简单看营收数字。

三、产业生命周期视角：成长期的盈利模式。

产业生命周期理论将产业分为导入期、成长期、成熟期、衰退期。AI算力目前处于成长期：营收高增长、技术快速迭代、参与者众多、盈利模式尚未稳定。成长期的盈利分化是常态——部分公司能在成长期就实现规模盈利（如英伟达），多数公司则需要等到成熟期才能稳定盈利。理解这一周期规律有助于合理评估当前业绩。

管理启示

AI算力板块的中期业绩数据揭示了万亿营收叙事背后的盈利分化。它告诉我们一个统计学层面的重要教训：均值是简化的叙事，分布才是真实的图景。平均研发强度2.6%掩盖了头部与尾部公司的巨大差异，板块合计营收万亿掩盖了公司间的盈利差距。这一逻辑对所有产业分析都适用：分析产业景气度时，必须同时关注均值、分布、子群体差异，才能避免被简化的统计叙事误导。

其他思考

1. AI算力板块的盈利分化是否会随产业成熟而收敛？
2. 研发强度的板块均值是否应该作为产业政策制定的参考？
3. 投资者应当如何识别AI算力赛道中的赢家与输家？

关键词：AI算力、盈利分化、产业生命周期、杜邦分析、研发强度
来源：每日经济新闻、第一财经 | 整理：经管大课堂