夜雨聆风AI 产业链最容易被误读成“只看大模型”或“只看 GPU”。真正的主线是：上游算力基建决定模型边界，中游大模型决定价值分配，下游应用和 Token 用量决定长期回报。
重点速读：
1.算力底座：GPU、HBM、光模块、AI服务器、液冷，是本轮 AI 基建扩张的核心。
2.商业变化：产业正在从“训练驱动”转向“推理驱动”，Token 用量决定长期算力需求。
3.中国机会：国产替代、算力租赁、大模型应用，是国内产业链最重要的三条线。
4.核心数字：2026–2031 年全球 AI 资本开支累计预计约 7.6 万亿美元；中国 AI 大模型市场 2026 年预计突破 700 亿元，算力租赁市场预计突破 2600 亿元。
一、上游：算力基础设施层——AI 的物理底座
上游不是简单的“服务器采购”，而是一套高度耦合的系统工程：GPU、ASIC、FPGA、HBM、光模块、交换机、服务器、PCB、液冷、电源和数据中心。任何一个短板，都会限制大模型训练和推理集群的真实有效算力。
1. 算力芯片：GPU 仍是主线，ASIC 和国产替代同时推进
GPU 是当前大模型训练和高性能推理的核心。英伟达凭借 CUDA 生态、GPU 产品迭代、NVLink/NVSwitch 网络、整机柜方案和软件栈，仍处于全球 AI 加速器产业链的核心位置。
但 AI 芯片并不是 GPU 的单一答案：
- GPU：通用性强，适合训练、多模型推理和生态开发。
- ASIC：面向特定任务优化，能在成本、功耗和推理效率上形成优势。
- FPGA：适合低时延、可编程和部分边缘/专用场景。
国内替代方面，海光信息、寒武纪、华为昇腾、壁仞、摩尔线程等企业都在推进训练/推理芯片、软件栈和整机适配。短期看，国产替代仍受先进制程、HBM、互联、生态兼容等约束；中长期看，国产算力最重要的方向不是单颗芯片参数，而是“芯片+编译器+框架+模型适配+集群调度”的系统能力。
2. 光通信与互联：万卡集群的“神经网络”
当模型参数、训练数据和并行规模继续扩大，瓶颈从单卡算力转向集群通信效率。万卡集群里，GPU 之间、服务器之间、机柜之间需要持续交换梯度和参数，网络拥塞会直接吞掉训练效率。
核心环节包括：
- 高速光模块：800G 已成为 AI 数据中心放量主线，1.6T 正在进入验证和导入阶段。
- CPO：共封装光学通过缩短电信号传输距离，面向更高带宽密度和更低功耗。
- 高速铜连接：112G/224G 铜连接在短距互联中仍具成本和功耗优势。
- 交换芯片与高速交换机：决定集群可扩展性和通信效率。
一句话，光通信不是配套件，而是 AI 集群能否从千卡走向万卡、十万卡的关键基础设施。
3. HBM：AI 服务器从“算力短缺”进入“带宽短缺”
HBM（高带宽内存）是 AI GPU 的关键约束。训练和推理并不只是矩阵计算，还要持续搬运参数、KV Cache 和中间激活值。模型越大、上下文越长、并发越高，对 HBM 容量和带宽的要求越高。
PCB 端主要受益于：
- 高阶 HDI、多层板需求提升。
- 高速背板和高速材料要求提高。
- GPU 模组、电源模块、交换板卡数量增加。
- 信号完整性和电源完整性设计难度上升。
从产业链角度看，AI 服务器拉动的不只是整机厂，还包括 PCB、连接器、电源、散热、线缆和机柜系统。
5. 数据中心基建：液冷、电源和土地，开始决定算力扩张速度
AI 集群功耗密度快速提高，液冷从“可选项”变成“必选项”。部分市场口径预计，全球 AI 数据中心液冷渗透率到 2026 年可达到约 40% 或更高水平。
液冷的产业价值在于：
- 支撑更高单机柜功率密度。
- 降低 PUE 和长期电费成本。
- 提高机房空间利用率。
- 配合 GPU 整机柜方案形成标准化交付。
下一阶段，数据中心竞争不只是谁能买到 GPU，而是谁能拿到电、土地、光纤、冷却和稳定运维能力。
二、中游：大模型与算法层——价值核心
大模型层是 AI 产业链的价值核心，但它的商业逻辑正在变化：早期比拼模型参数和训练规模，下一阶段比拼推理成本、API 稳定性、Agent 能力和行业应用收入。
1. 全球竞争格局：美国趋向寡头，中国进入高强度混战
美国市场呈现“头部集中”特征。OpenAI、Anthropic 依靠模型能力、开发者生态、企业客户和资本投入，正在形成收入和融资优势。部分市场统计口径显示，OpenAI 与 Anthropic 在领先 AI 初创公司收入中占比接近 89%，全球模型层出现明显寡头化趋势。
中国市场则更像“多强混战”。DeepSeek、百度文心、阿里通义、腾讯混元、字节豆包、智谱 GLM、月之暗面 Kimi、MiniMax、阶跃星辰、百川、商汤、华为盘古等超过 12 家主体持续迭代。
中美差异可以概括为：
- 美国：资本、算力、模型能力和企业客户集中，头部公司更像平台。
- 中国：模型能力追赶快，开源与低价 API 加速扩散，但商业化仍在分化。
2. 技术路线：MoE、多模态和长上下文共同推动 Token 增长
未来大模型的技术路线有三条主线：
- MoE：通过专家混合降低激活参数量，提高训练和推理效率。
- 多模态：文本、图像、音频、视频、代码和动作信号融合，打开应用边界。
- 长上下文和Agent：让模型从“回答问题”走向“持续执行任务”。
对产业链来说，MoE 不等于算力需求下降。它提高单次推理效率，但更低成本会刺激更多调用、更长上下文和更多 Agent 任务，最终可能带来更大的 Token 总量。
3. 商业化与定价：从价格战走向“能力溢价”
大模型 API 曾经历快速降价，但 2026 年开始，头部模型在高质量推理、Agent、代码、长上下文等场景中出现结构性提价。公开报道显示，智谱 AI 在一段时间内 API 价格累计上调约 83%，反映出高质量模型供给在部分场景中的稀缺性。
大模型商业模式正在从三类收入演进：
- API 调用：按 Token、并发、上下文长度和模型等级收费。
- MaaS：模型即服务，提供企业级模型调用、微调和部署。
- 应用订阅：办公、代码、搜索、营销、客服、数据分析等场景按席位或结果收费。
未来真正有定价权的，不是“模型名字”，而是模型能力差距、切换成本、工作流嵌入深度和稳定性。
三、下游：应用与商业化层——需求引擎
AI 下游应用可以分成五类：
- MaaS：模型即服务，面向开发者和企业调用。
- 企业级软件：办公、代码、客服、营销、BI、知识管理。
- 消费互联网：搜索、内容生成、社交、教育、娱乐。
- AI Agent：工具调用、自动化流程、复杂任务执行。
- 物理 AI：机器人、自动驾驶、工业控制、智能硬件。
从“训练驱动”到“推理驱动”：AI 产业进入第二阶段
2023–2025 年，市场主要交易的是训练侧：谁能训练更大的模型，谁能拿到更多 GPU，谁能做出更强 Benchmark。
2026 年之后，产业重心逐渐转向推理侧：谁能把模型能力转化为真实应用，谁能用更低成本服务更多 Token，谁能让 Agent 进入企业工作流。
推理驱动的意义是：需求不再只来自模型公司训练，而来自每一次搜索、每一次代码生成、每一次客服对话、每一次 Agent 调用、每一次机器人决策。
四、核心产业逻辑：资本开支、市场规模与飞轮效应
1. 全球资本开支：2026–2031E 累计约 7.6 万亿美元
高盛等机构预测口径显示，全球 AI 相关资本开支有望从 2026 年约 7650 亿美元提升至 2031 年约 1.6 万亿美元，2026–2031 年累计约 7.6 万亿美元。
这些钱主要流向四类资产：
- 芯片与存储：GPU、ASIC、HBM、先进封装。
- 网络与互联：光模块、交换机、CPO、铜连接。
- 服务器与机柜：AI 服务器、PCB、电源、散热、整机柜。
- 数据中心：土地、电力、液冷、运维和网络接入。
2. 中国市场：大模型突破 700 亿元，算力租赁预计 2600 亿元
中国 AI 大模型市场也在快速扩容。艾媒咨询等机构口径显示，中国 AI 大模型市场规模 2024 年约 294.16 亿元，预计 2026 年突破 700 亿元。
算力租赁市场增长更快。中国信通院及产业报道口径显示，2026 年一季度国内算力租赁市场规模达到约 680 亿元，全年有望突破 2600 亿元。
这说明中国 AI 商业化正在出现两个方向：
- 模型层：竞争激烈，价格和能力快速迭代。
- 算力层：供需缺口明显，优质算力、稳定交付和低成本电力更稀缺。
3. 飞轮效应：模型能力提升，最终会变成算力需求
AI 产业的长期逻辑可以用一个飞轮解释：
模型能力提升 → Token 用量爆发 → 应用收入增长 → 算力需求陡增 → 继续投入更强模型。
这也是为什么 AI 产业链不能只看短期训练订单。只要推理成本继续下降，应用可用性继续提升，Token 消耗会像云计算流量一样持续增长。未来最重要的指标可能不是 FLOPS，而是 Tokens per watt，也就是单位能耗能生成多少有效 Token。
五、结论：AI 的投资主线，正在从“模型叙事”走向“算力现金流”
AI 大模型与算力基建的产业链可以简化成一句话：
上游提供物理算力，中游把算力转化为模型能力，下游把模型能力转化为 Token 消费和收入。
短期看，GPU、HBM、光模块、AI服务器、液冷和算力租赁仍是最直接受益环节。中期看，大模型厂商会分化，具备 API 调用量、企业客户和 Agent 场景的公司会更有价值。长期看，真正的胜负手是应用收入能否覆盖资本开支，并形成“模型—Token—收入—算力”的正循环。
一句话总结：训练决定上限，推理决定规模，应用决定回报。
主要数据来源
本文主要参考以下公开资料与产业链调研口径：
- Goldman Sachs Research：AI infrastructure build-out and AI CapEx forecast，2026–2031 年 AI 资本开支预测。
- IDC、信通院及产业报道：中国 MaaS、算力租赁、AI 投资与企业应用渗透相关数据。
- 新京报/艾媒咨询：中国 AI 大模型市场规模，2024 年约 294.16 亿元、2026 年预计突破 700 亿元。
- 21 世纪经济报道、新华财经等：中国算力租赁市场规模与供需缺口相关报道。
- NVIDIA、AMD、Intel、Broadcom、Marvell、SK hynix、Samsung、Micron、Arista 等公司公开资料与产品路线。
- OpenAI、Anthropic、DeepSeek、百度、阿里、腾讯、字节、智谱等公开产品、API、生态和商业化信息。
- 券商研究、产业链调研口径：800G/1.6T 光模块、HBM、CPO、高速铜连接、AI服务器、PCB、液冷渗透率等。
免责声明：本文仅用于产业研究和信息交流，不构成任何投资建议、证券推荐或买卖依据。文中涉及的市场规模、资本开支、公司份额、技术路线、价格变化、渗透率和竞争格局，均可能因统计口径、产品周期、政策环境、供应链变化和市场波动而发生调整。
文中提及公司仅作为产业链案例分析，不代表推荐相关证券。投资者应结合公开公告、公司基本面、估值水平、风险承受能力及专业意见独立判断。作者不对因使用本文内容而产生的任何直接或间接损失承担责任。
