Corsair转向本地AI推理设备的重估逻辑

TLDR：Corsair 已经不再只是做游戏外设了。它现在在销售完整、开箱即用的本地 AI 系统（硬件 + 软件），让中小型企业可以继续使用 AI，而不用支付不断上涨的云端 token 费用或 GPU 租赁账单，同时还能保持数据私密。这降低了周期性，并在市场把自有 AI 基础设施的持久需求计入价格时，支持进一步重估。

我最初关于 Corsair 的 thesis（在 Reddit 历史记录里）聚焦于他们能维持营业收入，并且会从 0.4x 重估到 ~0.8-1x P/S。这个已经实现了，股价也从 ~$5 跑到了现在大约 ~$9。我还没卖。

--

世界正面临结构性的算力约束。AI 需求已经超过了可用的 GPU、内存和电力容量，造成了持续性的短缺，分析师估计这种短缺至少会持续到 2027 年。

大型科技公司正在建设未来的电力供应以及相关基础设施，但这些都还需要几年才能完工。算力供应受限意味着实验室、hyperscalers 和 neoclouds 可以收取溢价。与此同时，中小企业因为这些算力约束带来的高成本，正难以保持竞争力。

让我们务实地看下面这些问题：

- Frontier models 的 token 成本高得离谱，而且使用限制很快就会被撞上，从而拖慢员工生产力。在此之上，由于容量约束，GPU 租赁价格也在全行业被上调（见：Nebius 涨价 30%）

- 中小企业（SMB）很难负担这些成本，但他们仍然希望自己的业务和员工受益于 AI 驱动的生产力提升；否则他们就有落伍的风险。

所以，如果你负担不起这些 token 成本，也负担不起这些 GPU 按需费率，解决方案是什么？

你可以买下整套设备，从硬件到软件，然后运行本地化推理，同时节省 token 和 inference 成本。

Corsair 推出了专为 AI 工作负载打造的 AI 工作站，以及更广泛的专业 PRO 产品组合，专门面向本地、私有推理和可负担规模的 AI 工作负载。

请允许我展开说说。

Corsair 的 FlexPrime 工作站系列面向开发和原型验证，而 FlexGrid 服务器则面向生产和推理（更大规模）。它通过支持训练、微调、推理、RAG pipelines、AI assistants 和 agentic workflows，覆盖完整的 AI 生命周期。

额外的产品价值在于，它包含 NVIDIA Grace Blackwell 选项，用于更高端的性能！

换句话说，他们在销售让企业运行本地化推理的全栈硬件选项。没有 token 或 inference 成本，只需要一次性支付硬件总价，并继续支付你的电费。

至于软件，为了实现“plug and play”模式，Corsair 销售的硬件配有预配置的软件栈，比如 PyTorch、TensorFlow、Docker、Kubernetes，便于部署。

把这些结合起来：你现在拥有一套安装了 NVIDIA GPU 的全栈硬件，并配套软件，使这些企业能够运行本地 AI，并专注于自己的核心产品/服务。实际而言，这对 SMB 意味着：

- 节省 token 和云托管成本（模型想跑多少就跑多少，只要付你的电费账单）！

- 确保数据留在本地，保证隐私，这对诊所、律师事务所、一般医疗保健以及欧盟都很棒

- 能轻松且完整地集成进 SMB 自己的生态系统，不需要和外部供应商谈判，没有意外收费，也不会被容量约束卡脖子

总之，Corsair 找到了一个真实且互补的利基市场。

算力约束短期内不会消失，而且这个问题非常真实：根据 Bank of America 的说法，我们预计至少到 2029 年都会受到算力约束。

但 SMB 需要的是今天的解决方案，不是 2029 年。

通过销售完整、开箱即用的本地 AI 系统，而不是又一个游戏外设，Corsair 正在为自己定位，以获得更持久的营业收入，并随着时间推移获得更高的估值倍数。

这意味着我们会进一步重估，如果我们至少重估到 2x P/S（100% upside），我不会感到惊讶。

我持有的 Corsair 大约占我投资组合的 5%，平均成本 ~$6，而且我很可能会加仓 February 2027 calls 来增加敞口。

非财务建议，也很好奇听听其他人的看法。