AI 产业链地图

多数 AI 产业链图从 GPU 开始，其实电力在更前面。加速器本质是把电转成 token 的设备，所以需求会一路向上传导：模型训练 → 数据中心 → 电网 → 发电端（天然气、核电、光伏、风电，以及用来平抑波动的储能）。

更多加速器意味着更多 HBM、更多先进封装，因而需要更多晶圆；而每片晶圆都要消耗硅衬底、光刻胶、特种气体和工艺化学品。这是整条链里最安静、也最集中的一段。

设计不等于芯片。两者之间隔着代工制造，以及把 HBM 堆叠与逻辑芯片键合的先进封装 —— 这正是为什么加速器的出货量多次由封装产能决定，而不是由投片量、也不是由谁想卖多少颗决定。

晶圆需求最终转化为设备需求：光刻、刻蚀、沉积、检测，以及把 HBM 堆叠与逻辑芯片键合的先进封装环节。设备离 AI 的新闻标题隔了两步，却比产能早一步。

整条链最显眼的中心，也是多数人止步的地方。但它恰恰是无法独立工作的一层：加速器周围需要内存带宽、封装、互连、光模块、存储、电力和散热。其中任何一环跟不上，芯片就闲着。

规模大到足以摊薄流片成本的云厂商，会自研加速器而不是只买通用产品。价值因此转向那些让自研芯片成为可能的设计伙伴与 IP。

模型变大需要的是更多带宽，而不只是更多算力，所以 HBM 需求是跟着算力同步放大的，而非滞后。这条链是：加速器 → HBM → DRAM → 晶圆 → 设备 —— 这也是为什么 AI 的资本开支不只是 GPU 的资本开支。

一次前沿训练要让几万块加速器表现得像一台机器。由此形成一套独立的层级：封装内互连、机架内 scale-up、机架间 scale-out，以及承载它们的交换机和网卡。这是一个一级产业，不是半导体下面的一个脚注。

超过一定距离，铜缆就不再可行，每一条链路都要转成光。端口速率已经从 800G 走向 1.6T，而当可插拔模块的功耗成为约束时，下一步是 CPO（光电共封装）。

从电网到 GPU 之间还有一整条链：输电、变压器、开关设备、UPS、PDU、机架配电。每一环都要按机架功率来配，而机架正从几十 kW 向 100kW+ 乃至 MW 级演进。

机架功率只有几十 kW 时，风冷够用。加速器功耗上升推高机架密度，进而推高发热量，最终逼出液冷：冷板、CDU、浸没、泵、换热器。这是一个独立的热管理产业，不是数据中心设备下面的一个条目。

加速器进入数据中心的形态是机架而不是芯片：整机集成、机箱内供电、存储和验证。这是一层毛利不高、却决定芯片多快能变成可用产能的环节。

算力需要地方安放：超大规模园区、第三方托管，以及持有这些不动产的 REIT。最常被忽略的是建设环节 —— 工程、电气、机械，以及供电接入本身。

云厂商同时是上游一切的最大买家，和上游产出的卖家。他们的资本开支决策会在一两个季度内沿整条链向下传导。

加速器在这一层变成可出租的产品：买芯片、建或租数据中心、按小时或按 token 卖算力、收取经常性收入。云厂商产能、neocloud、主权 AI 项目和企业私有集群，走的都是这个模式。

把芯片变成开发者能用的东西的一层：GPU 运行时、训练框架、分布式执行、容器、编排和推理服务。硬件的优势，在这里被守住的程度不亚于在晶圆厂。

算力变成训练，训练变成模型，模型变成推理，而推理按 token 计量。上游的资本开支，最终在这一层转化为按量计费的收入。

没有企业自身数据的模型，只能给出通用答案。路径是：企业数据 → 数据管道 → 向量化 → 向量库 → 检索 → 模型。企业 AI 的大部分价值是在这条路径上释放的，而不是在模型本身。

一旦生产环境里不止一个模型，就必须有东西来路由、评估、版本化和观测它们。模型网关和评估工具，是让一套部署不至于变得无法证伪的关键。

从「回答」转向「行动」。智能体会规划、调用工具、保有记忆、操作系统 —— 这让工具协议、运行时和可观测性从功能变成了基础设施。

唯一横跨整条链的一层。访问路径过去是「人 → 应用」，现在正在变成「人 → 智能体 → 智能体 → 工具 → API → 企业数据」。每多一跳就需要身份、授权和审计 —— 这是一个和传统网络安全不同的市场。

演进路径是 SaaS → Copilot → 智能体 → 自主工作流。变化在于卖的是什么：软件过去是帮人完成工作，现在开始承担一部分工作 —— 于是它的定价锚从「别的软件」变成了「人力」。

行业专用产品，其中领域约束本身就是产品：医疗、金融、法律、制造、物流、国防。能长期存活的往往是 AI 原生的，而不是在既有流程上挂一个聊天框。

在物理世界里完成「感知 → 推理 → 动作」。这条链是：传感器 → 摄像头/激光雷达 → 边缘加速芯片 → 模型 → 机器人操作系统 → 执行器 → 电机 → 电池 —— 它同时继承了 AI 供应链和工业供应链。