夜雨聆风
存储涨得太猛了，我才回过头来认真看 AI。
之前盯着能源，因为只看到了数据中心扩大那一层——AI 要算力，算力要数据中心，数据中心要电。这条链是顺的，但它停在了最末梢。
存储这一波涨疯了——HBM 链条上从海力士、美光到下游封测，几乎全在涨。我才意识到之前看的那条链太窄了。
承认了，是金钱驱动的。没人推一把，自己可能就麻木错过 AI。
今天就把能看到的链条摊开看了一遍。AI 这个东西现在太大了，一说就容易变成宏大叙事。模型、算力、应用、数据中心、国产替代、出海，每个词都能单独写一篇。今天先不追求完整，也不强行收成一个大结论。
先把讨论到的东西记下来。
算力链最直接
这条线最确定。
大模型继续发展，训练要算力，推理也要算力。以前大家聊 AI，最容易想到的是模型公司。现在看下来，短期更确定的反而是算力链。
模型公司之间会竞争，会降价，会开源，会被下一代追上。OpenAI 和 Anthropic 现在就在打，未来还会有别人加入。但只要大厂还在投 AI，算力这条线就会先吃到钱。
GPU 是最核心的，这个不用多说。但如果只看 GPU，又太窄了。
一套 AI 集群不是几张卡插上去就结束。后面还有 HBM、先进封装、AI 服务器、交换机、光模块、散热、数据中心建设。这些都是钱。
以前说"卖铲子"，现在这个铲子不是一把，是一整套施工队。
HBM 和先进封装
值得单独看。
HBM 是塞在 GPU 旁边的高带宽内存，CoWoS 是台积电那套把芯片和 HBM 拼在一起的先进封装工艺。它们决定了 GPU 能不能跑满。
AI 芯片的性能，越来越不是单纯靠芯片本身堆出来的。内存带宽跟不上，GPU 就会等。封装能力跟不上，芯片之间的协同效率也会受影响。
所以 HBM、CoWoS 这类环节，本质上是在给算力扩张提供基础条件。
这个地方的机会有点像早期看光伏产业链里的硅料。不是终端产品，但一旦它成为瓶颈，利润就会往这里挤。
当然也会有周期。一旦大家集中扩产，后面产能释放出来，价格和利润率都会变。
不能只看"需求好"，还要看供给什么时候上来。
算力链不是平均分布的
这里还有一个更具体的事实。
GPU 设计主要在美国，Nvidia 是核心。DRAM 和 HBM 主要在韩国，SK hynix 和 Samsung 是关键玩家。晶圆制造和先进封装在台湾，台积电是关键节点。AI 服务器 ODM 和整机交付，大量在台湾——广达、纬创、纬颖、英业达、鸿海这些公司都很重要。
这个结构很重要。
HBM 这一块，韩国厂商占了很大比重。SK hynix、Samsung 本来就是全球 DRAM 产业的核心玩家。到了 AI 时代，HBM 变成了算力扩张里的关键瓶颈，它们的位置反而更重要了。
所以看 AI 算力链，不能只看 Nvidia。
Nvidia 负责设计 GPU，但 GPU 要变成真正可交付的算力，中间至少要经过几道关键环节：韩国的 HBM、台积电的先进制程和 CoWoS、台湾 ODM 厂商的 AI 服务器工程化和交付。
美国大厂买的不是一颗芯片，是一整套能放进数据中心运行的系统。这里面大量制造、封装、测试、整机设计、散热、电源、机构件和交付能力，都在亚洲供应链里。
尤其是台湾。
广达、纬创、纬颖、英业达、鸿海这些公司，过去听起来像传统代工厂。但到了 AI 时代，它们突然站到了很关键的位置。
AI 服务器不是普通服务器。功耗更高，密度更高，散热更难，交付周期也更紧。芯片是核心，但把芯片变成可运行、可交付、可规模化部署的机器，同样是能力。
DRAM / HBM 在韩国。先进制程、先进封装、服务器工程化，大部分在台湾。
这不是观点，是产业分工的事实。
如果看 AI 投资机会，却只看美国大厂和 Nvidia，会漏掉很大一块。
光模块在这条链里
大模型训练不是单机游戏，是集群游戏。
几千张、几万张卡之间要高速通信，网络效率会直接影响整个集群的利用率。
卡很贵。如果网络不行，卡在那里等数据，本质上就是浪费钱。
所以高速互联、交换机、光模块，这些东西会跟着 AI 集群一起升级。
这条线之前涨过不少，市场也有预期。但逻辑还在。后面要看的不是"有没有 AI 概念"，而是订单能不能持续，客户是不是大厂，产品是不是从低速往高速切，毛利率能不能守住。
AI 产业链里很多公司最后都会变成制造业。
拼的不是技术，是产能、客户、成本——一个标准的周期生意。
制造业最怕的就是大家都看见机会，然后一起扩产。
数据中心
以前 IDC 更像互联网基础设施。
现在 AI 数据中心有点不一样。机柜密度更高，对网络、散热、供电、建设周期的要求都不一样。不是所有数据中心都能直接升级成 AI 数据中心。
这里看的不是"有没有机柜"，而是有没有高质量客户、有没有合适的位置、有没有改造能力。
大厂自己建是一部分，租用也是一部分。
可能会出现两类机会。一类是直接做数据中心资产的，偏资源和重资产。另一类是给数据中心提供设备和方案的，偏制造和工程能力。
两边都不是纯软件故事。节奏会慢一点，但订单更实。
应用层最难判断
长期肯定大，短期最难。
原因很简单：太多东西都可以叫 AI 应用。接一个 API，做个界面，生成文案、图片、PPT，也可以叫 AI 应用。但这类产品有没有长期壁垒，很难说。
模型一升级，很多应用可能直接被基础能力覆盖。大平台一集成，小公司也可能没位置。
看 AI 应用不能只看 demo 漂不漂亮。要看几个更土的问题：用户是不是高频用，是不是愿意付费，是不是能嵌进工作流，是不是能省钱或者赚钱，有没有自己的数据或者场景壁垒。
没有这些东西，就是玩具。
很好玩，但不一定是生意。
相对值得看的，是离工作流更近的那些——代码工具、设计工具、客服销售自动化、金融投研、跨境电商、企业知识库，还有各种 agent 工作流。
这些东西的共同点是：用户用它不是为了尝鲜，是为了完成一个具体任务。
能不能少招一个人。能不能少花几个小时。能不能多拿几个客户。能不能减少错误。
有 ROI 才能收费。
AI 应用最后一定会出来大公司，但不会是每个套壳应用都能出来。这点要分清楚。
国产算力是绕不开的
外部限制还在，国产替代肯定继续推。
但国产算力不能一概而论。
芯片能做出来是一回事。能不能稳定供货是另一回事。软件生态能不能跟上又是一回事。客户愿不愿意大规模迁移还是另一回事。
国产算力不是一个简单的"替代逻辑"。它更像一个长期工程。
会有机会，但过程不会顺。有些公司会被证明能打，有些可能只是阶段性吃到情绪。
供应链出海 + 应用出海
中国在很多 AI 基础设施环节上本来就有制造能力。
服务器、光模块、散热、部分数据中心配套、消费级 AI 硬件，都会受益于全球 AI 投入。这类公司不一定只讲国内故事。如果能进入海外大客户供应链，确定性会更强。
但同样要看利润。供应链公司最容易的问题是：收入增长很好，利润被压得很薄。客户集中度高的时候，议价权未必在自己手里。
不是只看订单，要看毛利率、客户结构、产品升级速度。
应用出海也有意思。中国团队做产品和增长一直很强。如果把 AI 能力和海外细分场景结合，比如营销、电商、短视频、设计、游戏素材、办公自动化，有可能跑出现金流不错的产品。
这个方向不一定需要做最底层的模型，反而是用好模型，把某个场景做深。
但应用太容易拥挤。今天一个方向赚钱，明天一堆团队冲进去。最后又变成买量、转化率、留存、客单价的老问题。
AI 只是把产品能力抬了一层，不会自动解决商业问题。
先记下来
算力链是最直接的。HBM、先进封装、光模块、服务器、数据中心这些环节，是 AI capex 往下传导的地方。
应用层长期空间大，但要非常挑，不能只看概念。
国内机会主要在国产算力、供应链出海、应用出海这几条线上。
这篇先不强行下结论。现在这个阶段很多东西还在展开。先把能看到的事实和链条记下来。
我自己每天在用一张空投评分表，四个维度——发币意愿、链上数据、筹码、成本。
做这个表不是因为我有什么 alpha，是怕反撸——花了时间精力最后倒贴。
我用它劝自己：这个项目不值得跑。
不一定对。但每条都是踩过的坑。
如果你也在跑空投，把你正在跑的项目发我，我帮你跑一下。
