AI算力天平倒向推理:需求重塑供应链,存储与网络成资本新宠

人工智能供应链正在经历一场静悄悄却深刻的结构性变革。训练与推理之间的天平正在倾斜：推理已超越训练，成为AI算力的主导力量。这一变化绝不只是技术参数的微调——它标志着AI产业从「造引擎」转向「开船队」的范式迁移，其影响层层传导至芯片、网络、存储、封装、散热与供电，重塑着每一个环节的供需格局与资金定价逻辑。

训练是一次性的研发投入，教模型「学会」；推理则是持续运行的业务流水，让模型「干活」。生成式AI、AI智能体（AI Agent）与推理模型的迅速普及，让算力消耗从「一次性训练峰值」变成了「7×24小时在线推理」。在主流视频模型的计费口径下，一秒1080p视频约消耗5万个tokens，生成一条AI视频轻松烧掉数百万tokens。截至2026年6月，字节跳动豆包的日均token调用量已突破180万亿次，豆包App月活达到3.82亿。市场估算显示，中国大模型的日均token消耗量从2024年初的百亿级飙升至2026年6月的500万亿级——两年多时间增长超过5000倍。

这一范式迁移在数据层面得到印证。2023年，AI推理负载仅占算力总需求的三分之一；到2026年，这一比例已升至三分之二。推理硬件市场规模已是训练硬件市场的两到三倍，英伟达超过40%的收入已来自推理。IDC与浪潮信息（IEIT Systems）的联合评估报告显示，2024年中国AI服务器负载中推理占比达65%，预计2026年将升至70%。支出端同样发生转向：2026年全球AI推理算力支出预计将首次超过训练，达到233亿美元，而大模型训练支出约为190亿美元。

英伟达CEO黄仁勋（Jensen Huang）在与硅谷投资人布拉德·格斯特纳（Brad Gerstner）的对话中断言，「思考型AI」的出现将使推理需求「爆炸式增长数十亿倍」。他阐述了支撑这一产业的三大缩放定律——预训练缩放、后训练缩放与推理缩放：「过去推理是一把梭哈。现在回答之前要先思考。思考得越久，答案质量越高。」

云厂商：整条产业链的总阀门

来自企业端与消费端的推理需求，首先汇聚到产业链中游的云厂商。云厂商是链条上最关键的驿站，也是最大的价值捕获点：模型公司每收入100美元，约有35至40美元作为推理算力支出流向云厂商，支撑起35%至45%的云业务营业利润率。

2026年，全球九大云厂商——亚马逊AWS、微软Azure、谷歌GCP、Meta、甲骨文（Oracle），加上中国的字节跳动、腾讯、阿里巴巴和百度——资本支出预计合计达8300亿美元，同比增长近80%。甲骨文与OpenAI签下3000亿美元协议，谷歌与Anthropic达成五年2000亿美元合作，亚马逊与Anthropic的十年合约规模超过1000亿美元。这些长期协议锁定了巨额上游产能，也锁定了AI产业的繁荣。

当推理算力成为主要需求驱动力，云厂商的采购逻辑发生根本变化：不再是「多买GPU、其他地方能省则省」，而是专门针对推理场景重构算力架构。九大超大规模厂商的AI战略与采购路径差异鲜明——微软押注OpenAI，谷歌自研TPU，亚马逊力推Trainium——直接左右着上游GPU、光模块与交换芯片供应链的兴衰。

「六堵墙」：瓶颈即机遇

推理算力的指数级爆发，把整条AI供应链绷到了极限。市场对核心技术瓶颈的共识集中在「六堵墙」：通信墙、算力墙、存储墙、封装墙、电力墙、散热墙。算力墙关乎「造不造得出」，存储墙关乎「喂不喂得饱」，通信墙关乎「连不连得上」，封装墙关乎「封得够不够快」，电力墙与散热墙则关乎「撑不撑得住」。六堵墙相互咬合，突破路径是从单芯片性能走向系统级协同优化。

通信墙上：在万卡集群中，网络成本占算力总支出的32%，占总耗时的30%至50%。突破方向包括共封装光学（CPO）、光电融合与新型网络拓扑。算力墙上：AI芯片性能高度依赖先进制程节点，而EUV光刻机等高端制造设备面临产能约束与出口管制。存储墙上：处理器算力大约每两年翻三倍，但存储性能年增速不足20%——算力与存储严重失配。电力墙上：在7nm制程节点，数据搬运消耗的功耗高达总功耗的63.7%。散热墙上：机柜功率密度正从数十千瓦向100kW乃至兆瓦级演进，传统风冷已触及物理极限，液冷成为必选项。封装墙上：台积电2026年CoWoS封装产能缺口达20%至30%，高端订单已排至2028年。

这六堵墙既是瓶颈，也是整条供应链的核心投资机会。中国国产替代的黄金窗口，不在于堆砌成熟制程产能，而在于打破瓶颈的「卡脖子技术」：先进封装、HBM存储、高速互连、液冷与高能效芯片架构。

比例重构：从GPU独大走向多芯协同

在推理时代，AI服务器内部各类芯片的配比关系被彻底改写。在训练主导期，GPU是毫无争议的主角，CPU与GPU配比维持在1:4甚至1:8，交换芯片与GPU的配比低至1:20。进入推理主导期，这套体系被全面重构。

第一大变化是算力进入场景化分工时代。训练场景追求极致的并行峰值算力，GPU仍无可匹敌；推理场景追求能效、成本、低时延与场景适配，推动算力选型走向多元化。CPU需求爆发式回升，重新回到舞台中央。在推理场景中，智能体应用需要大量沙箱环境来执行代码、处理工具调用、管理多轮交互——高度契合通用CPU架构。在云端推理中，GPU与CPU的配比已降至4:1或2:1，在Agentic AI场景中可能逼近1:1，部分场景未来甚至可能出现反转。服务器单CPU的存储容量已从96–256GB升至300–400GB，拉动DRAM、内存模组、PCIe重定时器（retimer）与CXL互连芯片的需求。

ASIC定制芯片同步崛起。ASIC是为特定应用场景设计制造的芯片，单token成本低、能效表现突出，其相对GPU的配比已从3:7反转为8:2。Counterpoint预计ASIC市场将从2024年的120亿美元增长至2027年的300亿美元，年复合增长率34%。高盛预测，2026年ASIC将占AI芯片的40%，2027年将超过45%。谷歌TPU在谷歌自家AI服务器中的出货占比已达78%。

交换芯片与互连芯片配比飙升，从「后勤配角」升级为「核心主角」。PCIe交换芯片是GPU与CPU之间的数据大动脉，其与GPU的配比已从存储场景的1:8，升至当前算力互连场景的1:2甚至1:1。超节点（Scale-up）侧的交换芯片配比变化最为剧烈：H100时代约为1:20，GB200 NVL72提升至1:4，Vera Rubin NVL72达到1:2，中国超节点设计中已逼近1:1。从1:20到1:1，需求放大10到20倍，交换芯片成本占集群总成本的比例也从不足10%升至30%以上。

第二大变化是光模块与光通信成为持续性最强的全周期主线。光模块与GPU的配比已从GB200时代的2–3:1升至VR200时代的4–6:1，速率从800G跃升至1.6T——同时收获搭载率翻倍与速率升级的双重顺风。产业已完成400G向800G的切换，1.6T于2026年进入小批量出货。光互连正沿「可插拔 → 近封装光学（NPO）→ 共封装光学（CPO）」的路径演进。1.6T光模块的关键制约在DSP与TIA芯片；磷化铟供需缺口超过70%，价格已上涨两到三倍。英伟达已投入约20亿美元锁定光芯片产能。光通信的价值中心正从模块组装向光芯片、高速激光器等核心元器件转移。

第三大变化是存储超级周期的到来。推理的本质是海量token的读写搬运：模型权重常驻内存，KV缓存随序列长度线性膨胀，推动存储带宽与容量需求增长得比算力本身更快。HBM凭借超高带宽与低功耗，已成为AI服务器的核心标配。HBM消耗的晶圆面积约为DDR5的三倍，HBM占DRAM总投片量的比例将从2025年底的18%升至2026年底的22%。在英伟达Rubin平台采用HBM4后，三星于2026年2月宣布全球首个HBM4量产，三大存储厂商的产能已被长期协议锁定。

HBM正在大规模挤占通用DRAM的晶圆产能，造成全品类、全行业的供给紧张：2026年第一季度，常规DRAM合约价环比上涨90%至95%，NAND上涨55%至60%，企业级SSD合约价同季度上涨约80%。产业商业惯例随之改变，厂商纷纷采用三至五年期长期协议对冲周期。头部存储企业营收与利润爆发式增长：三星电子一季度营业利润同比增长755%，SK海力士营业利润率高达72%。中国供应链企业同步兑现：长鑫存储（CXMT）一季度营收508亿元人民币（约76亿美元），同比增长719%，归母净利润247.6亿元（约37亿美元）；江波龙上半年净利润105.8亿元（约16亿美元），同比增长约715倍；兆易创新上半年净利润增长超过10倍。中国A股存储板块总市值已突破6万亿元，存储接口芯片龙头澜起科技（Montage Technology）的新互连产品收入同比增长80.7%。

第四大变化是先进封装、PCB、IC载板与新一代基板的价值跃升。先进封装已从「芯片的保护壳」演进为「定义算力的平台」。Yole预测2026年全球先进封装市场将达522亿美元，首次超过封测市场总规模的54%。摩根士丹利估算AI专用封装的毛利率高达48%至55%。PCB层面，单机价值量是传统服务器的数倍。ABF载板层面，每颗CPU都需配一片FCBGA型ABF载板，服务器CPU出货量与ABF载板需求之间形成近乎1:1的刚性映射。更具前瞻性的方向是玻璃基板，目前正从样品验证走向小批量试产。

第五大变化是从风冷向液冷加速切换。单GPU功耗已从300瓦升至1000瓦以上，下一代架构将突破1500瓦。2026年是液冷产业放量的关键拐点，冷板式液冷率先规模化渗透。冷板、CDU、快接头、冷却液、管路系统与热管理方案上下游厂商同步受益。

第六大变化是向上游两个方向的自然延伸。一条线是先进制程晶圆代工、刻蚀、清洗与离子注入——上游半导体设备与材料量价齐升。另一条线是绿色电力与算力协同：AI集群的扩张使电力供应成为新的物理约束，带动高压直流、备用电源、变压器及相关电力设备订单激增。

资金轮动：沿瓶颈迁移

资本市场资金遵循「领先 → 确认 → 扩散」的配置节奏，追逐盈利兑现确定性更高、成长空间更大的方向。业绩传导呈现自上而下的顺序：云资本支出 → 芯片采购 → 晶圆代工 → 设备 → 封装 → 散热与电力 → 上游材料。后周期环节通常晚6至12个月启动，但确定性相对较高。

盈利兑现呈现明显的分层：上游硬件营收与净利润增长突出；中游资本支出增长迅速但现金流压力显著；下游应用层营收趋势改善，但绝对利润规模与上游硬件仍相差一个数量级。资金轮动的底层规律是沿瓶颈迁移——资本总是从已解决的瓶颈流向未解决的瓶颈。GPU紧缺时，资本猛攻GPU；GPU供给缓解后，资本转向光互连；800G供给追上后，又向更上游的光芯片与磷化铟挖掘；当HBM成为约束，先进封装与存储随之被重估。

基于盈利兑现确定性与市场增量空间，AI供应链大致可分为三个梯队。第一梯队是存储、光模块（含光芯片）与交换芯片——业绩弹性高、确定性高。光模块龙头中际旭创（Zhongji Innolight）、新易盛（Eoptolink Technology）订单已排至2027年，2026年业绩同比增长普遍超过100%。交换芯片受益于架构重构与国产替代双重驱动，国产化率正从1.6%向50%以上冲刺。

第二梯队是CPU、ASIC、晶圆制造、先进封装、PCB、ABF载板与液冷——逻辑清晰、需求扎实。第三梯队是PCIe交换芯片、PMIC、BMC等配套元器件，弹性相对有限。更具前瞻性的方向是CPO共封装光学与玻璃基板，对近期业绩贡献有限，但可能承载下一轮产业周期的潜力。

超额收益往往更多来自第二层核心元器件与第三层基础材料中的「隐形冠军」——在整机光环之下容易被忽视的元器件、基板、特种玻纤、高速铜缆等环节，但其供给中断会卡住整条链。这些细分赛道供需矛盾尖锐，而二级市场关注度仍低、定价远未充分。

值得注意的是，市场对「十年需求可见度」也抱有冷静的怀疑。长期跟踪AI基础设施建设的匿名分析师P先生（P Equity Research创始人）在9月26日的播客对话中直言：「如果超大规模厂商跟你说他们能看到十年需求，那是在忽悠你。他们连两年后会发生什么都预测不了。」他认为存储仍无法摆脱繁荣—萧条周期，尽管长期协议（LTA）可能缓和下行冲击。

P先生还指出，原始GPU裸片数量并非核心卡点；真正的瓶颈在数据中心电力、先进封装与存储。从Vera Rubin的物料清单来看，出现三位数百分比涨价的组件是ABF载板、PCB与存储。ABF载板短缺可能持续到2028年甚至2030年之后。戴尔（Dell）、惠普（HP）、英伟达与博通（Broadcom）在近期财报中均一致将DRAM、NAND、ABF载板与晶圆列为产能约束。能源方面，燃气轮机交付周期极长——三菱、西门子与GE Vernova的订单积压已排到2030年之后。

中国AI供应链的独特优势在于双重逻辑：一方面享受全球AI资本支出的红利，另一方面国产替代提供了安全垫。全球贝塔叠加中国阿尔法——能进攻时进攻，需防守时防守。在当前时点，AI供应链正从「少数龙头独享盛宴」的爆发阶段，进入「全行业利润扩散」的新阶段，而推理算力取代训练算力成为产业重心，正是驱动这轮扩散的核心变量。