AI产业链I:从研究框架出发

最近做投资复盘，明显在AI相关的下注里走了一些弯路。直到前几个月，听到黄仁勋关于“五层蛋糕”的说法，再结合各大云厂商财报会上关于CapEx（资本开支）的激烈论调，才真正反思自己的研究路径。

我发现自己犯了一个典型错误：太早陷入“盯公司”的微观视角。

一旦死盯单独的公司，视野就会瞬间变窄。当你难以看到产业链上下游的动态相关性时，就根本无法准确判定产业瓶颈，更无法量化真实的商业价值。这种短视极易带来误判——比如一年前对AI应用层投去了过多的关注和自我感动，而对真正急缺的基础设施层却关注严重不足。

于是开始关注五层蛋糕理论，从头开始补课。为了Zoom out，借助image 2而有这张产业链全景图：

能源层提供电，芯片层制造算力，基础设施层组织算力，模型层生产智能，应用层把智能卖成钱。

它解决的是：数据中心能不能拿到稳定、便宜、可持续的大块电力，并把热排出去。能不能拿到电、多久能并网、散热能不能跟上，会直接决定算力扩张速度。

第一，发电资源。作用是提供电力来源。继续拆开看，包括天然气、核电、风光、地热等。代表公司包括 Constellation、NextEra Energy等。

第二，电网与并网。作用是把电送到数据中心，这也是AI基础设施大规模投入后的显著瓶颈之一，包括输电、变电、调度、并网审批。代表公司包括 Siemens Energy、Hitachi Energy、GE Vernova、国家电网。

第三，数据中心电力设备。作用是保证供电稳定。包括 UPS、变压器、开关柜、配电系统。代表公司包括 Schneider Electric、Eaton、Vertiv、ABB。

第四，散热系统。作用是把 GPU 产生的热带走。包括风冷、液冷、冷板、浸没式冷却。代表公司包括 Vertiv、Schneider Electric、nVent、英维克。

第五，储能系统。作用是平滑电力波动，提升供能韧性。包括电池储能、SOFC、燃料电池。代表公司包括 Bloom Energy、Tesla Energy、Fluence、宁德时代、阳光电源，而潍柴动力的电力能源板块的核心产品就是SOFC

芯片层的解决的是：用多少电、多少钱，能生产多少可用算力。

第一，AI 算力芯片。作用是执行训练和推理。包括 GPU、ASIC、TPU、Trainium。代表公司包括鼎鼎大名的 Nvidia、AMD、Google等

第二，内存与存储芯片。作用是给计算单元喂数据。包括 HBM、DRAM、NAND。代表公司包括存储三巨头 SK hynix、Micron、Samsung，以及中国尚未上市但已引发轰动效应的老四长鑫科技

第三，互联与通信芯片。作用是让芯片之间高速协作。包括 NVLink、以太网芯片、SerDes、DPU、NIC。代表公司包括 Nvidia、Broadcom、Marvell等

第四，制造与先进封装。把高性能芯片真正造出来。包括晶圆代工、CoWoS封装。代表公司即我们熟知的台积电（TSMC）

第五，设计工具与 IP。支撑芯片设计。包括 EDA、IP、架构授权。代表公司包括 Synopsys、Cadence、Arm。

基础设施层解决的是：怎么把一堆昂贵芯片变成可调度、可计费、可持续运转的 AI 工厂。

第一，AI 服务器与整柜系统。作用是把芯片装成可运行系统。如AI 服务器、整柜、液冷机柜。代表公司包括 Dell、工业富联（我们熟知的富士康的子公司）。

第二，光模块。支撑 GPU 集群高速通信。最近非常火热的板块，代表公司包括 Lumentum（LITE）、中际旭创、新易盛。

第三，存储与数据系统。支撑训练和推理的数据流。包括高性能存储、数据湖、向量数据库。代表公司包括 Dell、NetApp等，这一层较为陌生，之后再补课

第四，数据中心。作用是提供空间、电力、散热和运维。包括托管数据中心、自建园区、液冷机房。代表公司包括 Equinix、CoreWeave、秦淮数据。

第五，AI 云与算力运营。作用是把算力卖成服务。包括 GPU 云、推理平台、算力调度。代表公司包括 AWS、Azure、Google Cloud、Oracle Cloud等

模型层的解决的是怎么把昂贵算力变成稳定、便宜、可调用、可交付的智能能力。

第一，前沿闭源模型。作用是追求通用能力上限。包括大家日常都能接触到的 GPT、Claude、Gemini，来自引发AI浪潮的这些尖端公司 OpenAI、Anthropic、Google DeepMind、xAI。

第二，开源 / 开放权重模型。推动能力扩散的开源模型。包括 Llama、Qwen（咱们阿里巴巴的开源模型）、Mistral、DeepSeek。代表公司包括 Meta、阿里、Mistral、DeepSeek。

第三，垂直小模型。面向具体任务和低成本场景。包括代码、医疗、金融、端侧模型。代表公司包括 Microsoft、科大讯飞等

第四，后训练与对齐。作用是让模型更可用、更可控。代表公司包括 OpenAI、Anthropic、Google、Meta。

第五，模型服务与生态。把模型交付给开发者和企业。包括 API、模型市场、私有化部署、Agent 框架等

应用层的本质解决的是AI行业最重要的问题：谁为 AI 结果付钱，预算从哪里来，能不能持续付，这一层的分类是最纠结的，很难把握的脉络，纯靠着想象力这么分类！当超级应用出来的那一天，想必AI又会掀起新一波的热潮

第一，个人智能入口。作用是成为个人使用 AI 的默认入口，也是个人长期持有腾讯的信念！如果腾讯能以当前的C端为护城河，在B端构建好商业化模式，可以为个人打造超级服务agent来满足使用价值和情绪价值，很值得期待！

第二，企业数字员工。作用是替企业降本增效，这是目前AI的最大商业化机会，也是为数不多proven的能带来大规模经济效益的赛道，AI agent未来瞄准的不仅是个别尖端领域、同时也会对整体企业人力预算带来价值。

当各个互联网公司都在从自家员工蒸馏skill的时候，我们能深刻感受到AI agent对于代码工程师、客服、美工、法务等岗位的强替代作用，这个赛道目前刚起步，还大有可为。

第三，专业智能服务。作用是把专家能力产品化。包括医疗、法律、金融、教育、工业专家，还未摸清哪家公司在做，直觉很有机会。

第四，交易与流量重构。作用是改变获客、转化和交易效率。包括 AI 广告、电商导购、搜索广告、个性化营销。这个商业化应用几乎体现在每家平台公司的财报会里，比如 Google、Meta、Amazon、阿里、腾讯都浓墨重彩在强调。

第五，物理世界自动化。作用是把 AI 放进现实世界替代劳动。包括自动驾驶、机器人、仓储、制造、配送。代表公司包括 Tesla、Waymo、Figure AI、Nvidia Isaac、Amazon Robotics。

AI产业链自学第一篇，收工。

下一篇打算先从跳过前几层蛋糕，先从第二层芯片层的 GPU 开始，GPU 是这轮 AI 浪潮最早爆发、最早兑现收入的环节。它也是一串产业变化的起点。理解 GPU，才能继续理解：为什么 HBM 重要、为什么先进封装紧缺、为什么光模块变成 AI 主线等等