人工智能需求会增长吗？

机器人会越来越多吗？

储能、算力、自动驾驶的市场会不会继续扩大？

这些问题当然重要。

但上一讲我们已经发现一个麻烦：

如果所有人都知道需求会增长，仅仅判断对需求方向，并不能给你带来多少投资优势。

于是研究必须继续往下走。

假设某个行业今年卖100万件产品，明年需求增长30%，变成130万件。

听起来是大利好。

但如果看到需求火爆以后，所有企业都在扩产，明年的供给直接从100万件增加到150万件，会发生什么？

客户突然有了更多选择。

企业开始抢订单。

价格下降。

工厂利用率降低。

利润反而可能变差。

换一种情况。

需求同样从100万件增长到130万件。

但因为设备、原材料或者客户认证的限制，明年整个行业只能生产105万件。

结果就完全不同。

客户开始排队。

交货时间拉长。

企业更容易涨价。

利润也可能迅速增加。

需求增长完全一样，最后赚到的钱却可能完全不同。

原因只有一个：

不能只看需求增长多快，还要看供给跟得有多快。

---

需求很好，不代表行业就一定赚钱

需求的故事总是更容易让人兴奋。

AI用户越来越多。

机器人进入家庭。

无人驾驶开始普及。

数据中心越建越多。

这些故事非常直观。

你甚至很容易画出一条漂亮的增长曲线。

但企业最终赚多少钱，并不是只由需求决定的。

还要看另一边：

有多少人能够来满足这份需求。

假设一个市场明年增长50%。

如果整个行业产能也增长50%，甚至增长80%，那么行业虽然变大了，企业之间却可能越来越卷。

反过来，一个市场只增长20%，但供给三年都几乎增加不了，企业反而可能拥有很强的议价能力。

所以研究一个热门行业时，我越来越愿意把问题分成两步。

第一步：

需求会不会增长？

第二步：

供给能不能跟上？

第一步告诉你市场是不是越来越大。

第二步才开始告诉你：

企业能不能把市场增长真正变成利润。

---

公告里的产能，不等于市场真正能买到的供给

这是供给研究里非常容易犯的错误。

一家企业发布公告：

“计划投资100亿元建设新产线。”

市场马上开始计算：

两年以后新增多少产能。

三年以后行业供给增加多少。

然后得出结论：

短缺很快就会结束。

现实往往没有这么简单。

一条新产线从宣布建设，到真正变成市场可以稳定使用的产品，中间可能还隔着很长一段路。

通常至少要经历：

厂房建成 → 设备到位 → 工艺调试 → 良率稳定 → 客户认证 → 批量交付。

任何一个环节出问题，产能都可能延后。

所以要区分两件事。

一种是：

账面上可以生产多少。

另一种是：

客户真正可以买到多少合格产品。

这两个数字，可能完全不同。

厂房已经建好了，不等于产品已经能够稳定生产。

产品做出来了，也不等于良率已经足够高。

良率够高，也不等于客户愿意马上使用。

尤其是在一些对稳定性要求极高的行业，客户可能还要进行几个月甚至更长时间的验证。

所以真正研究供给时，不能只看：

某公司宣布新增多少产能。

还要继续追：

设备什么时候到？

调试什么时候完成？

良率什么时候稳定？

客户什么时候通过认证？

真正批量交货是什么时候？

公告日，不是供给形成日。

---

真正值得找的，是谁最难跟着需求一起增长

如果已经确认一个行业未来几年需求会快速增长，下一步不一定要急着找“行业龙头”。

可以先做一件更简单的事：

沿着产业链往上走，看看谁最难扩产。

比如需求增长以后，有些环节增加供给非常容易。

多招一些人。

多买几台通用设备。

几个月就能把产量提上去。

这种环节即使需求很好，利润也不一定高。

因为一旦赚钱，新的供给很快就会进来。

但有些环节完全不同。

它可能受制于某种特殊设备。

可能受制于只有少数企业能生产的材料。

可能需要几年建设周期。

可能必须通过很长时间的客户认证。

也可能真正稀缺的不是机器，而是有经验的工程师。

这时候，即使它只是产业链中一个不起眼的零部件，也可能比最受关注的终端产品更重要。

假设机器人销量增长十倍。

所有人都盯着整机公司。

但如果整机企业很多，进入门槛也不高，最后大家可能拼价格。

反而是某个核心零部件：

生产周期长。

客户验证慢。

全球只有少数几家公司能够稳定供应。

真正限制整个行业增长的，可能是它。

所以不要简单地认为：

上游一定更赚钱。

终端一定更赚钱。

龙头一定更赚钱。

真正应该问的是：

哪一个环节的供给最难增加？

这才是供给研究真正开始的地方。

---

现在缺货，并不是最重要的

看到某种产品缺货，很多人会立刻兴奋。

供不应求。

涨价。

交货周期拉长。

利润大增。

看起来像是一个非常好的投资机会。

但真正应该问的，不是：

现在缺不缺？

而是：

还会缺多久？

假设一种产品现在严重短缺。

但全行业正在建设大量新产能。

18个月以后，这些产能全部释放。

那么今天的短缺，可能只是一个阶段性现象。

企业现在利润很好。

一年半以后却可能迅速进入价格竞争。

反过来，如果需求持续增长，而新的有效供给至少需要三到五年才能形成，情况就完全不同。

所以真正值得研究的是两个速度。

一个是：

需求增长的速度。

另一个是：

供给补上来的速度。

如果需求增长得比供给形成快得多，短缺就可能持续。

如果供给增加得比需求还快，再大的市场故事也可能变成价格战。

所以研究瓶颈，不应该只拍一张“现在供不应求”的照片。

要看一段时间里的变化。

需求跑得有多快，供给追得有多慢。

这才是关键。

---

市场很大，最赚钱的未必是最显眼的公司

很多人看到一个巨大的终端市场，第一反应是去买终端企业。

机器人市场巨大，就找机器人公司。

AI市场巨大，就找AI应用公司。

新能源汽车市场增长，就找汽车公司。

这个逻辑并不一定错。

但利润不会因为产业链长得漂亮，就平均分给每一家公司。

一条产业链里，真正赚钱最多的环节，有时并不是消费者最熟悉的那家公司。

而可能是：

整个系统最难绕过去的那个环节。

因为一旦它供不上，后面的企业即使有再多订单，也无法交付。

如果这个环节又很难迅速增加供给，它就更容易拥有议价能力。

反过来，某些环节看起来市场巨大，供给却极其容易增加。

所有人都来做。

最后收入确实增长了，利润却越来越薄。

所以研究热门行业，不应该只画一张产业链图。

还应该多画一层：

哪些环节最容易增加供给？

哪些环节最难增加供给？

哪些地方一旦紧张，会直接影响整个系统交付？

这种紧张最后能不能转化成企业真正的利润？

这一步做完，下一讲的问题就自然出现了：

谁一断供，全行业都得难受？

这才是真正的瓶颈。

---

短缺也不会永远存在

研究供给，还有一个很容易犯的错误。

一旦发现短缺，就把短缺一直往未来推。

今年供不应求。

于是认为明年也供不应求。

明年价格上涨。

于是认为五年以后价格还会继续上涨。

但商业世界会自己纠正高利润。

利润越高，越多人愿意扩产。

价格越高，客户越有动力寻找替代。

供应商会研究新的技术路线。

客户也可能调整设计，减少使用量。

甚至原本没有能力进入的竞争者，也可能因为利润太高，愿意付出更大的成本进入。

所以：

短缺不会因为你发现了它，就永远存在。

任何高利润的供给瓶颈，都会同时吸引别人去解决它。

这也是为什么研究一个供给紧张的行业时，一定要不断问：

什么东西会让这个瓶颈消失？

新的产能？

新的技术？

替代材料？

客户降低需求？

价格过高以后改变消费行为？

这些都可能结束原来的供需失衡。

真正的机会，往往存在于这样一段时间里：

市场已经出现明显需求。

供给却还来不及增加。

而大多数投资者，又还没有充分意识到这段失衡能够持续多久。

等新增供给真正释放，或者需求开始放缓，原来的机会也可能随之消失。

即使这个行业长期仍然拥有很大的未来。

---

从需求走到供给，还只是走了一半

现在再回到人工智能。

假设我们已经判断：

未来几年AI需求仍会高速增长。

这只是第一步。

接下来应该问：

为了满足这些需求，需要增加什么？

芯片？

设备？

电力？

冷却？

网络？

存储？

数据中心建设能力？

工程人员？

再往下：

这些东西里面，什么最容易增加？

什么最难增加？

真正扩出来需要多久？

有没有替代方案？

谁能够稳定供应？

哪个环节如果出问题，会拖住整条产业链？

到了这里，研究才从：

“这个行业未来很大。”

开始变成：

“未来增长真正会在哪个地方受到限制？”

而利润，往往恰恰集中在那些最难被迅速补上的地方。

所以当所有人都在研究需求的时候，不妨换一个方向。

不要再重复问：

“未来到底有多大？”

开始问：

如果需求真的像大家想的那样增长，供给哪里最可能跟不上？

这可能比再次证明“AI是未来”，更接近真正有价值的研究。

下一讲，我们就继续沿着这个问题往下走：

谁一断供，全行业都得难受？

如果这一篇只记住一句话，就记住：

需求决定方向，供给决定利润落在哪里。

本文借助AI完成文字编辑。文中的数字和行业情境用于解释需求、供给和企业利润之间的关系，不构成任何具体证券或个股建议。现实中的供给约束会随扩产、技术进步、替代方案和需求变化不断改变，具体投资判断仍需结合公开资料、市场价格与风险承受能力综合分析。