夜雨聆风
图表类型判定
这是一张多层桑基图（Multi-level Sankey），采用了三层节点结构：
L1总量节点 →L2国家/地区聚合 →L3具体公司实体。
这种「先聚合再展开」的结构是桑基图处理大量叶子节点时的标准做法，避免了右侧节点过多导致的视觉混乱。
数据提取
根据图中标注的数据，2026E 全球 AI 净利润池为6370 亿美元，按地域分配如下：
美国3,140 亿(49.3%)
韩国2,230 亿(35.0%)
台湾省470 亿(7.4%)
中国大陆260 亿(4.1%)
日本142 亿(2.2%)
欧洲137 亿(2.2%)
其他中国70 亿(1.1%)
设计手法分析
色彩编码：每个国家/地区分配一种主色系（美国蓝、韩国金、台湾青、大陆绿、日本红、欧洲紫），同色系的子公司使用不同明度区分层次。
流带质感：使用了渐变 + 发光效果模拟「能量流」的观感，这在信息可视化中属于装饰性增强——不承载额外数据，但大幅提升了传播力。
背景氛围：星空/宇宙纹理暗示 AI 是「星辰大海」级别的新兴产业，属于叙事性设计选择，强化了图表的情绪感染力。
Logo 标注：右侧每个叶节点附带公司 Logo，降低读者的识别成本——读者不需要读文字就能认出英伟达、三星、台积电等品牌。
数据可信度提醒
⚠️ 图中标注2026E（Estimate 预测值），说明这是基于当前趋势的外推预测，非已发生的事实。预测类桑基图的价值在于展示结构性假设而非精确数字——重点看比例关系和排名顺序。
什么是桑基图
桑基图是一种流向图（Flow Diagram），其核心特征是：流带的宽度正比于流量大小。它展示的是「量」从一个节点流向另一个节点的路径、分配比例和总量守恒关系。
定义
桑基图 = 节点（Node）+ 链接（Link），其中每条链接的宽度代表该路径上流动的数值大小。所有流出量的总和等于流入量的总和——这就是质量守恒 / 能量守恒在可视化中的直观体现。
图中，左侧节点是2026E 全球 AI 净利润池 6370 亿美元，右侧节点是各国/各公司分走的金额。中间的彩色流带越宽，代表拿走的钱越多。美国 49%（3140 亿）最宽，中国 11.5%（730 亿）次之——一眼就能看出全球 AI 利润的地域分布格局。
历史与命名
1898
爱尔兰船长Matthew Henry Phineas Riall Sankey在英国工程学会首次使用这种图展示蒸汽机的能量效率分布，因此以他的姓氏命名。
1898 — 原图
Sankey 的原图展示了蒸汽机燃料能量 → 有用功 → 各类热损耗的分流过程。这是人类历史上第一张用流带宽表示数量的流向图。
1970s — 1990s
广泛应用于能源审计、物料平衡、成本会计等领域。意大利人常用它做国民经济投入产出分析。
2000s — 至今
D3.js 的 d3-sankey 插件（2012）和 ECharts 内置支持让桑基图进入 Web 时代；如今已成为数据新闻、研报、商业分析的标准图表之一。
工作原理
核心元素
一张桑基图由两种基本元素构成：
节点 Node
源节点（Source）：流的起点，如「总预算」「总能耗」「总收入」。
目标节点（Target）：流的终点，如各部门、各产品线、各地区。
中间节点：可选项，用于表示流转过程中的中转站或聚合点。
链接 Link
连接两个节点的流带。宽度 = 流量数值。可以着色以区分不同类别或来源。
链接遵循守恒定律：一个节点所有入流宽度之和 = 所有出流宽度之和。
数学本质
桑基图的底层算法是一个最优布局问题：
① 节点分层（Layering）：将节点按流向分为若干列（通常 2–4 列）。你贴的图就是典型的两列结构——左一列是总量，右一列是各分配对象。
② 流带路由（Routing）：决定每条链接在节点之间的具体路径形状。主流算法使用贝塞尔曲线（Bézier Curve）来绘制平滑的流带，避免直线交叉造成的视觉混乱。
③ 宽度计算：流带上每一点的宽度严格对应该位置的流量值。当多条流经同一区域时，它们会自动避让排列，互不遮挡。
④ 最小化交叉：好的桑基图布局算法会尽量减少流带之间的交叉次数，因为交叉会增加认知负担。这是一个 NP-hard 问题，实际中使用启发式近似解。
制作工具
制作桑基图的工具生态非常成熟，覆盖从零代码到完全编程的各种需求：
应用场景
桑基图的核心价值在于同时展示「总量—结构—流向」三个维度。只要你的数据满足「一个来源分成多个去向，且各分量加起来等于总量」，就适合用桑基图：
🔥 能源与碳足迹
能源从开采→转化→传输→终端消费的全链路追踪；碳排放从源头到各行业的分配。这是桑基图最传统的用途，源自 Sankey 本人的蒸汽机研究。
💰 财务与利润分配
收入在各产品线/地区/渠道间的分配；成本在各费用科目间的拆解；利润在股东、再投资、税收之间的划分。即你贴图所属类别。
🌐 供应链与物流
原材料→工厂→仓库→消费者的货物流转；资金在供应链各环节的分布。帮助识别瓶颈环节和价值洼地。
👥 用户行为漏斗
用户从曝光→点击→注册→付费→流失的转化路径。比传统漏斗图更丰富，能展示用户在不同路径上的分支选择。
🏛️ 投入产出分析
国民经济的部门间投入产出表（Leontief 模型）；企业内部资源在各部门间的调配效率分析。
🌍 数据新闻
全球财富分配、移民流向、贸易差额、互联网流量地理分布等议题。视觉冲击力强，适合社交媒体传播。
设计最佳实践
什么时候该用桑基图？
✅ 数据有明确的流向关系（A 分配给 B、C、D）
✅ 需要同时展示总量和结构（不只是占比饼图，还要看到绝对量的大小差异）
✅ 流向路径数量在5–30 条之间（太少则柱状图就够了，太多则看不清）
✅ 想要强烈的视觉冲击力（演讲、发布、社交媒体传播）
什么时候不该用？
❌ 数据没有流向关系（只是分类对比 → 用条形图/饼图）
❌ 流向超过 50 条（会变成「意大利面」→ 改用矩阵热力图或树图 Treemap）
❌ 需要精确比较数值（流带宽度感知不精确 → 用表格或柱状图）
❌ 打印输出或黑白场景（颜色编码失效 → 用灰度堆叠面积图替代）
关键设计原则
节点排序很重要：将流量大的节点放在一起，减少流带交叉距离。大多数布局算法默认按流量降序排列。 颜色要有语义：不要随机配色。按类别、按极性（盈/亏）、按地域分配色系，让颜色本身传递信息。 标注关键数值：在节点旁标注绝对量和百分比。桑基图的宽度只能传达粗略的数量级，精确数字必须写出来。 控制层数：2–3 层最佳。超过 4 层后，中间层的流带会变得很细且难以追踪。 考虑无障碍：提供文本形式的备选数据表；确保颜色不是唯一的信息载体（结合图案/标签）。
交互式演示
下面是一个简化的桑基图实现，展示了「全球 AI 利润分配」的核心数据结构。切换数据集查看不同场景下的流向变化：
桑基图（Sankey Diagram）技术参考指南，涵盖定义、历史、原理、工具、应用及设计规范。
参考来源：Sankey (1898) "The Thermal Efficiency of Steam Engines" · D3.js d3-sankey documentation · ECharts Sankey series · Cairo (2016) "Truthful Data Visualization"
三、全球各区域AI净利润总汇总
四、重要补充说明
