周五，我写了一篇《AI硬件鬼故事结束，Meta反转，剑桥科技迎来重估》。
结果当天晚上，Meta一度大涨超过6%。
我也#人工智能# 建仓了Meta，后续依然继续看好。
但我认为，这轮上涨不能简单理解成超跌反弹。Meta真正发生的变化，是市场对其AI战略的认知，正在经历一次接近180度的修正。
过去市场讨论Meta，核心问题是：
Meta还要烧多少钱？
现在市场开始讨论的是：
Meta投入的这些钱，未来能够创造多少收入？
这看起来只是问题变了，背后却对应着完全不同的估值体系。
一、Meta此前为什么跌？前段时间，市场对Meta最大的担忧，可以概括成一句话：
资本开支越来越大，但模型没有追上，算力又疑似过剩，最终可能变成一场资本开支黑洞。
Meta的广告基本盘其实一直不错，真正压制估值的是AI投入。
一方面，数据中心、芯片、电力和网络设备需要提前投入，但收入兑现存在滞后；另一方面，Meta此前的模型表现并没有完全证明其已经进入全球第一梯队。
随后，市场又传出Meta计划向外部出售算力。
悲观资金立即把这件事理解成：Meta是不是买多了算力，内部又消化不了，只能拿出去出租？
于是，“模型没追上”和“算力可能过剩”两条悲观叙事叠加，最终形成了Meta的资本开支鬼故事。
但这几天，几项关键信息同时出现，正在快速证伪此前的悲观判断。
二、Meta为什么突然大涨？1. 14GW规划，直接证伪算力过剩Meta明确提出，计划将整体算力提升至14GW，较现有水平接近翻倍。
这说明Meta不是准备削减资本开支，而是在进一步加速建设AI基础设施。
此前市场认为Meta做云，是因为内部算力过剩；现在重新看，更合理的解释是：
Meta正在建设一个既服务内部模型和广告业务，又能够向外部客户出售模型与算力的平台。
Meta做的可能不只是一个模型实验室，而是一个新的Hyperscaler。
这是这轮叙事反转最核心的一步。
2. Muse Spark 1.1，打开了直接变现入口Muse Spark 1.1的意义，不只是模型在某几个榜单上表现如何。
真正重要的是，Meta开始通过API向开发者和企业客户出售模型能力。
过去Meta的AI变现主要藏在广告业务里，例如提高推荐效率、用户时长和广告转化率，很难单独拆分。
现在，Meta开始直接卖Token、卖工具调用能力、卖Agent服务。
这意味着Meta的AI投入，第一次出现了一条独立、清晰、可持续扩张的收入曲线。
尤其是Muse Spark 1.1主打极低定价，Meta显然不是只想做一个模型产品，而是希望依靠自身算力优势，用价格快速争夺开发者和企业客户。
3. 自研Iris芯片，改善资本开支成本曲线算力扩张并不意味着成本只能无限上升。
Meta正在推进自研Iris芯片量产，未来可以在广告推荐、模型推理和部分内部负载中，逐步降低对外部高价芯片的依赖。
自研芯片不需要完全替代英伟达。
只要能够在部分固定负载中降低单位计算成本，对14GW级别的算力平台来说，最终带来的利润改善都会非常可观。
因此，Meta的算力规模在扩张，但单位算力成本也可能同步下降。
4. Watermelon重新打开模型能力上修空间最重要的变量，还是下一代模型Watermelon。
目前Watermelon尚未正式发布，最终性能仍需外部验证。但从市场反馈看，它重新打开了Meta模型能力追赶第一梯队的想象空间。
此前市场的假设是：
Meta投入了大量算力，但模型可能依然追不上。
现在市场开始交易另一种可能：
如果Watermelon真正进入全球第一梯队，那么Meta此前建设的算力就不是低效率资产，而是最稀缺的AI生产资料。
这也是Meta能够从“资本开支拖累”切换到“算力资产重估”的根本原因。
三、Meta的AI商业闭环已经逐渐清晰把这些变化串起来，Meta现在已经初步形成了四条相互配合的商业化路径：
广告增收＋API收费＋云收入＋芯片降本。
广告业务提供现金流，并通过AI提高推荐和转化效率。
Muse Spark开始通过API向开发者收费，形成独立的模型收入。
云业务未来可以向外部客户出售算力、模型和Agent能力。
Iris等自研芯片则负责降低整体计算成本。
最终形成一个正循环：
广告现金流支持算力投资，算力训练更强模型，模型通过广告和API变现，云业务扩大外部收入，自研芯片继续降低成本。
严格来说，这个闭环还没有完全兑现，尤其是云收入和Watermelon仍需后续验证。
但投资最重要的从来不是等一切完全落地，而是在预期开始发生变化的时候，判断方向是否成立。
Meta此前的悲观预期太一致，现在只要其中几条逻辑被证伪，就足以带来明显的估值修复。
四、Meta的算力资产此前可能被严重低估过去市场给Meta估值，主要看Facebook、Instagram、WhatsApp等社交产品和广告利润。
AI资本开支则更多被视为自由现金流的拖累。
但现在需要重新审视这些投入。
Meta建设的不只是一批会折旧的GPU，而是一整套包括数据中心、电力、网络、芯片、模型、开发者平台和全球用户入口的AI基础设施。
只要这些算力能够通过广告、API和云业务持续转化成收入，AI资本开支就不能再被简单视为费用。
Meta也不一定需要立刻获得AWS一样的估值。
只要市场不再把AI投入视为负资产，而开始给予部分平台价值和商业化期权，公司的估值体系就有重新上修的空间。
所以，我认为Meta这一轮不是普通反弹。
它正在从一家拥有AI能力的广告公司，逐渐变成一家拥有广告现金流的AI算力平台。
五、A股映射，我依然最看好剑桥科技Meta资本开支重新上修之后，A股最直接受益的方向，依然是高速光模块。
在Meta标签股中，我最看好的还是剑桥科技。
但剑桥科技的逻辑，不能只理解成一只“Meta概念股”。
更准确地说：
Meta是价值重估的催化剂，却不是公司2027年业绩的全部。
剑桥科技目前已经形成了四层增长结构：
思科提供基本盘，Meta贡献新增量，其他北美CSP打开客户扩散，NPO提供额外弹性。
第一，思科业务提供业绩下限思科与剑桥科技并不是普通采购关系，而是长期、深度的JDM合作。
剑桥科技不仅参与制造，还参与产品联合设计、验证和交付。
这种合作关系一旦进入规模量产，客户黏性和切换成本都比较高。
因此，即使暂时不考虑Meta，公司800G和1.6T高速光模块出货也具备较强保障。
思科决定的是剑桥科技的业绩下限。
第二，Meta决定业绩弹性Meta一旦完成从认证、试单到规模招标的切换，可能直接带来百万只级的新增需求。
但更重要的是，进入Meta供应链本身，相当于获得了北美头部CSP的背书。
光模块不是一项简单的标准化采购。客户需要考察性能、良率、稳定性、持续交付和供应链保障。
一旦剑桥科技通过Meta验证，后续进入其他北美云厂商供应链的速度也有望明显加快。
所以：
Meta不是终点，而可能是剑桥科技从思科产业链走向全球CSP直供体系的起点。
第三，物料备货说明公司已在为更大规模做准备高速光模块订单能不能真正转化为收入，不只取决于客户需求，还取决于核心物料能不能跟上。
目前产业链反馈显示，剑桥科技已经在CW光源等关键物料上进行前置锁定。
仅永鼎一侧，产业口径就显示公司已经提前锁定截至2027年上半年的约2000万至3000万只CW光源。
按照单只高速光模块消耗4—5只CW光源测算，仅这一渠道对应的模块保障能力，就可能达到约400万至750万只。
这说明公司不是等订单来了再准备，而是在提前为千万只级出货做供应链布局。
第四，NPO决定估值上限市场目前主要按照800G和1.6T可插拔光模块给剑桥科技估值。
但公司还在布局NPO、CPO、ELSFP等下一代技术路线。
NPO将光引擎进一步靠近交换芯片，对硅光封装、散热、系统协同和交付能力提出更高要求。
这意味着光模块厂商未来的角色，可能从单纯组装模块，升级为提供光引擎和系统级解决方案。
如果2027年NPO开始在部分客户侧落地，剑桥科技享受的可能不只是出货量增长，还包括单机价值量、产品壁垒和盈利能力的同步提升。
因此，NPO不是当前盈利模型成立的必要条件，而是模型之外的额外上修项。
六、2027年60亿元利润，已经是保守预计目前市场对剑桥科技2027年的盈利预测，大多仍按照400万至600万只出货量建模，同时只考虑思科和部分Meta需求。
但如果公司真正进入Meta及其他北美CSP供应链，出货模型就有可能从数百万只切换到千万只级别。
假设2027年高速光模块出货达到1000万只，平均单只净利润约600元，对应净利润就是：
1000万只×600元＝60亿元。
考虑到2027年产品结构可能进一步向1.6T倾斜，同时NPO可能贡献部分新增价值量，单只净利润也未必只能停留在600元。
因此，在我的模型里：
2027年60亿元净利润并不是极端乐观，而更接近偏保守的中枢判断。
如果按照60亿元净利润，结合客户0-1 放量，给予30倍估值，对应市值约为：
1800亿。
看150%翻倍空间
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。