AI 学会干活之后,硬件的钱从训练 GPU 流向推理和边缘

最近我一直在想一个问题：如果 AI 不再只是聊天框里的一个答案，而是开始替人订机票、调产线、看摄像头、控制机器手臂，那硬件到底该怎么变？

过去两年，市场最容易理解的是训练端。谁有最多 GPU，谁能训练更大的模型，谁就更有话语权。但到了今天，真正的变化开始往另一个方向走：AI 要从云端走到现场，从模型走到动作，从「会说」走到「会办事」。

这就是实体 AI 和 AI 代理突然变热的原因。它听起来像概念，其实落到产业链上很朴素：更多推理、更低延迟、更多边缘设备、更复杂的机柜、更高密度的数据中心。换成投资语言，就是硬件不再只是训练时代的一次性军备竞赛，而是进入一个更长的基础设施消耗周期。

01

AI 代理不是少用算力，而是换一种方式吃算力

很多人对 AI 代理有个误解，以为模型变聪明之后，算力消耗会下降。这个判断只对了一半。

单次推理成本确实会被优化。模型会变小，芯片会更省电，推理框架也会越来越快。但 AI 代理真正改变的是使用频率。以前你问一次，模型回答一次；以后一个代理为了完成一个任务，可能要连续规划、调用工具、验证结果、反复试错，中间还要保留上下文记忆。

英伟达在介绍 Vera Rubin 平台时，把代理式 AI 和强化学习放在很核心的位置，还专门强调 Vera CPU 机架会服务大量基于 CPU 的环境，用来测试和验证 GPU 系统生成的结果。它提到 Vera 的性能相比传统 CPU，效率提升一倍，速度提升 50%。[1]

这个细节挺重要。它说明下一代 AI 工厂不是简单多买几块 GPU，而是 GPU、CPU、网络、存储、液冷、机架一起升级。以前大家盯着显卡，后来盯着 HBM，再后来盯着交换机和电源。到代理式 AI 阶段，CPU 环境、上下文存储、低延迟推理，都会变成系统瓶颈。

所以，AI 代理表面上是软件应用，底层却在继续推硬件升级。软件越想像人一样连续工作，硬件越要像工厂一样稳定运转。

02

实体 AI 的关键，不在模型，而在现场

实体 AI 更好理解一点。机器人、自动驾驶、智慧工厂、智能物流，最后都不是在云上完成动作，而是在现场完成判断。

一个工厂的机械臂不能等云端排队，一个车载系统不能等网络抖动，一个仓储机器人也不能每次转弯都去远端问大模型。模型可以在云端训练，但执行时必须贴近设备，最好就在边缘端。

这也是工业电脑厂商重新被市场看见的原因。它们过去听起来不性感，做的是嵌入式电脑、工业主板、边缘网关、系统整合。可一旦 AI 进入物理世界，这些东西就变成了「模型落地的插座」。

桦汉就是这个逻辑里的代表。公开资料里，公司把自己定位在智慧解决方案和工业物联网方向，强调通过 IIoT 平台、云端人工智能和解决方案服务来做数字化转型。[2] 近期台湾媒体也提到，桦汉正从传统工业电脑厂商，加速往边缘 AI 机器人解决方案转型，智慧园区、机器人和边缘端场景成为它的新叙事。[3]

我不想把它简单写成「机器人概念股」。那样太粗糙了。它真正的价值，是站在软件和物理设备中间：上面接 AI 模型、云平台和企业系统，下面接传感器、机器、车辆和工厂设备。

这类公司短期不一定像 GPU 那么有爆发力，但一旦实体 AI 开始从展示样机走向批量场景，它们的订单结构、毛利结构和估值叙事，都可能被重新定价。

03

钱从哪里流进来？先看三条链

这条产业链的钱，大致可以分成三层。

1. 第一层是云端 AI 工厂。CSP 继续扩建数据中心，采购 GPU、ASIC、服务器、网络设备、液冷和电力系统。TrendForce 预计，2026 年八大主要 CSP 合计资本支出将超过 7,100 亿美元，同比增长约 61%。[4]
2. 第二层是边缘 AI 系统。模型从云端下沉到设备端，需要工业电脑、边缘服务器、AI 网关、视觉系统、传感器和本地推理盒子。钛媒体的一篇行业文章提到，2026 年中国消费级 AI 硬件市场规模预计突破 1.27 万亿元，到 2030 年达到 2.56 万亿元；端侧 AI 芯片和边缘终端正在成为新增长点。[5]
3. 第三层是实体执行设备。机器人、车载系统、智慧物流、工业自动化设备，都要把 AI 的判断变成实际动作。这里不只需要芯片，还需要控制器、工控机、伺服系统、机器视觉和系统整合。

如果用一张很简单的图来表示，钱不是从一个点爆发，而是沿着「云端推理量」往「边缘设备数量」再往「实体场景密度」传导。

这里面最有意思的地方在于，云端和边缘不是互相替代，而是一起变大。复杂任务放云端，实时任务放边缘。云端越强，应用越多；应用越多，边缘设备越多。

04

这条链上，A股港股到底谁在收钱，谁还在讲故事

看清楚钱怎么流之后，对中国投资者来说，真正要回答的问题是：从云端到边缘再到实体执行这条链，A 股和港股里谁离订单最近，谁还停在概念。我按三层来拆，台股的桦汉、研华和美股的英伟达只当参照系，不喧宾夺主。

直接受益：订单和收入已经兑现

工业富联（601138）是这条链上最直接的收钱者。它是英伟达 GB 系列 AI 服务器和整柜系统的核心代工与系统集成商，三大内地基地年 AI 服务器产能超过 150 万台，占全球四成以上。2025 年营收 9028.87 亿元，同比增长 48.22%，其中云计算业务营收 6026.79 亿元，同比增长 88.7%，AI 服务器营收同比增长超过 3 倍，800G 以上交换机营收同比增长 13 倍；到 2026 年一季度，营收同比增长 56.5%，AI GPU 机柜出货量同比增长 380%，液冷服务器产能占比提升到 60%，订单能见度排到了 2027 年。[1][2] 它的看点是「AI 工厂」整套硬件一起卖——服务器、机柜、液冷、高速交换机绑在一起；要盯的是毛利率，代工模式毛利率还不到 8%，量起来之后利润弹性能不能跟上，是它能不能从「代工厂」走向「AI 公司」的关键。

研祥智能（02308.HK）是港股里少见的工业现场算力直接对标，做的就是桦汉、研华那类生意：工业 AI 计算机、工业 AI 边缘算力、工业 AI 服务器、工业 AI 网关，还有液冷系统，全系列自研自制。实体 AI 要落到工厂、园区和检测终端，本质上就要采购这类工业现场设备。它的看点是国产工业电脑的现场卡位，要盯工业 AI 订单有没有放量；但要提醒的是，这只票流动性偏低、体量不大，股性和工业富联完全不是一个量级，别拿龙头逻辑去套。

趋势受益：受国产替代拉动，兑现节奏慢一拍

瑞芯微（603893）是端侧、边缘 AI 芯片的国产代表。它做 AIoT SoC，把 CPU、GPU、NPU 集成在一颗芯片里，RK3588 这类产品已经大量用在工业控制、智能座舱和机器人上，还推出了端侧算力协处理器 RK182X 适配多模态大模型。2025 年营收 44.02 亿元，同比增长 40.36%，净利润 10.40 亿元，同比增长 74.82%，毛利率提升到 41.95%。[3] AI 代理和实体 AI 越往边缘走，端侧推理芯片用量越大，这是它的趋势红利，要盯新一代旗舰芯片量产节奏和边缘算力收入占比。

汇川技术（300124）卡的是机器人和产线的「执行层」。它在工业自动化里做变频器、伺服系统、PLC 和工业机器人，通用伺服国内份额第一，自己就把布局拆成「边缘层、控制层、驱动层、执行层、传感层」。实体 AI 要把判断变成动作，最后一定要落到伺服和控制器上。2025 年营收 451 亿元，同比增长约 22%，工控收入 169 亿元，同比增长 23%。[4] 但要注意它 2026 年一季度出现增收不增利，净利润同比下滑，新能源车业务在打价格战，短期利润弹性被拖累——这条线更适合看中长期国产替代，而不是盯季度业绩。同一层里，做工业机器人的埃斯顿（002747，已 A+H 上市）也值得一并跟踪，它 2025 年出货量首次登顶中国市场，只是盈利体量还小。

叙事受益：市场先给估值，业绩还要慢慢验证

寒武纪（688256）是国产云端、边缘 AI 芯片里被讲得最多的标的，市值一度突破 9000 亿元创新高。过去它的争议在商业化，但 2026 年一季度营收 28.85 亿元，同比增长 159.56%，净利润 10.13 亿元，经营现金流大幅转正，算是从「纯叙事」开始往「订单兑现」靠。[5] 即便如此，它的估值仍把不少乐观预期算在了前面，要盯产能、良率和大客户订单能不能持续接上。

地平线机器人（9660.HK）是边缘 AI 和智能驾驶芯片的港股叙事核心。2025 年营收 37.6 亿元，同比增长 57.7%，中高阶智驾芯片出货 180 万套，同比增长近 5 倍，毛利率维持在 64% 以上，公司给的 2026 年出货指引是 530 万到 550 万颗。[6] 但它目前仍在亏损，市场普遍预期 2027 到 2028 年才可能盈亏平衡，估值跑在了利润前面，是典型的「先涨预期、后看兑现」。

为了看得更清楚，把这几家放在一张表里对比：

公司	受益层级	所处环节	与本轮逻辑的关系
工业富联（601138）	直接受益	云端 AI 服务器、机柜、液冷代工	直接吃 CSP 资本开支，AI 服务器与交换机收入高速放量
研祥智能（02308.HK）	直接受益	工业 AI 计算机、边缘算力、现场设备	实体 AI 落地工厂、园区，需要工业现场算力设备
瑞芯微（603893）	趋势受益	端侧 / 边缘 AI SoC	边缘推理用量增加，端侧芯片国产替代
汇川技术（300124）	趋势受益	伺服、控制器、工业机器人（执行层）	AI 判断要落到执行层，受益国产替代与产线升级
寒武纪（688256）	叙事受益	云端 / 边缘 AI 加速芯片	国产算力想象空间大，估值高、需持续验证订单
地平线机器人（9660.HK）	叙事受益	边缘 AI、智驾芯片	智驾与机器人叙事强，仍亏损，盈利待验证

不同层级的弹性、确定性、兑现节奏不一样：直接受益看订单和毛利率，趋势受益看资本开支和国产替代渗透率，叙事受益要小心估值先跑、业绩后跟不上。台股的桦汉、研华和美股的英伟达，是工业电脑和 AI 工厂的标杆，可以拿来对照国内公司卡在哪一环，但中国投资者真正能下手研究的，还是上面这条 A 股、港股链。

以上只是从产业链角度梳理这些公司的位置，不是推荐买卖。

05

这笔账，核心不是一台设备多少钱

我自己算这条线时，不会先问「某家公司能涨多少」。我会先拆一个更基础的公式：

AI 代理调用次数 × 单次推理硬件消耗 × 边缘场景渗透率

云端部分，看的是调用次数和单次推理成本之间的赛跑。模型优化会压低成本，但如果代理从每天问答几次，变成每个用户背后有多个代理持续工作，总需求仍然可能往上走。

边缘部分，可以换成另一个口径：

工业场景数量 × 单场景设备数 × 单设备 AI 硬件价值量 × 渗透率

比如一座智慧工厂，过去可能只需要传统工控机和传感器；现在如果引入机器视觉检测、AGV 调度、机械臂协同和本地推理，那同一个场景里的计算节点数量就会增加。再乘上更多工厂、仓库、医院、港口、园区，空间就不是单台设备涨价，而是设备密度变高。

这个账还可以反过来算。假设一个大型场域原来只有少量边缘计算节点，未来每条产线、每台机器人、每个视觉检测位都要挂一个本地推理单元，单位价值量未必夸张，但节点数会非常惊人。

对桦汉这类公司来说，最该盯的不是某个单品涨价，而是三个变量：项目数量有没有增加，单项目里 AI 相关硬件价值量有没有提高，软件和服务占比有没有提升。如果这三个变量同时往上走，估值重塑才有基本面支撑。

06

风险不在方向，而在兑现速度

• 第一类风险，是 CSP 资本开支下修。现在市场愿意给 AI 硬件高预期，是因为大厂还在继续扩建。如果微软、谷歌、Meta、亚马逊这些客户开始放慢数据中心投资，说明需求可能从扩张转向消化库存，AI 硬件链的估值会先被压一轮。

• 第二类风险，是代理式 AI 的商业化慢于预期。代理很迷人，但企业真正部署时会遇到权限、安全、错误率、流程改造等问题。如果用户只是在演示里觉得惊艳，却没有形成高频付费使用，推理需求的斜率就会打折扣。

• 第三类风险，是实体 AI 场景太碎。机器人、智慧工厂、车载边缘计算都不是一个标准化市场。项目越碎，交付越复杂，收入确认越慢。对工业电脑和系统整合厂商来说，如果营收增长了但毛利率没有改善，就说明它还在做辛苦项目，而不是吃到平台化红利。

• 第四类风险，是股价先把故事讲完。AI 硬件很容易从基本面投资变成主题交易。如果公司基本面继续改善，但股价对利好越来越没反应，说明市场可能已经从「买预期」进入「看兑现」。这个时候，就不能再用故事给自己壮胆。

07

我怎么看这条线

短线看，AI 代理和实体 AI 很容易被市场反复拿来炒。尤其是 Computex、英伟达新平台、机器人发布会、大厂资本开支这些事件密集出现时，资金会很自然地去找硬件映射。桦汉这类边缘 AI 和工业电脑公司，容易在这个阶段被重新定价。

但中长期看，我更愿意把它放在「AI 基建第二阶段」里观察。第一阶段是训练大模型，买 GPU、建机房；第二阶段是让 AI 真正干活，推理、代理、边缘设备、实体场景一起扩张。

🤖

我对这条线的核心判断是：AI 越从聊天框走向现实世界，越需要一整套看起来不性感、但必须长期存在的硬件底座。

真正值得跟踪的信号，不是某个公司又宣布「布局 AI」，而是客户有没有批量导入，项目有没有复制，软件服务占比有没有提升，毛利率有没有跟着变好。

如果这些信号出现，实体 AI 就不只是一个概念，而是一条新的硬件升级周期。反过来，如果只有发布会、没有订单，只有估值抬升、没有利润兑现，那它就还是叙事。

AI 过去两年证明了自己会说话，接下来几年要证明自己会做事。对硬件产业来说，真正的机会也许就在这个转换过程中。以上是我的看法，不构成投资建议，决策还得你自己拿主意。