AI 數據
Pipelines, embeddings, vector stores, retrieval, labeling, and synthetic data.
棧位置
AI 數據在 AI 棧中的位置
L12 · 基礎模型
算力變成訓練,訓練變成模型,模型變成推理,而推理按 token 計量。上游的資本開支,最終在這一層轉化為按量計費的收入。
L13 · AI 數據
沒有企業自身數據的模型,只能給出通用答案。路徑是:企業數據 → 數據管道 → 向量化 → 向量庫 → 檢索 → 模型。企業 AI 的大部分價值是在這條路徑上釋放的,而不是在模型本身。
L14 · AI 平臺
一旦生產環境裡不止一個模型,就必須有東西來路由、評估、版本化和觀測它們。模型網關和評估工具,是讓一套部署不至於變得無法證偽的關鍵。
L15 · AI 智能體
從「回答」轉向「行動」。智能體會規劃、調用工具、保有記憶、操作系統 —— 這讓工具協議、運行時和可觀測性從功能變成了基礎設施。
圖標表示層級角色,不是公司 logo。只示意位置,不是價格圖。
這一層為什麼重要
沒有企業自身數據的模型,只能給出通用答案。路徑是:企業數據 → 數據管道 → 向量化 → 向量庫 → 檢索 → 模型。企業 AI 的大部分價值是在這條路徑上釋放的,而不是在模型本身。
瓶頸是什麼?
卡住企業落地的通常是數據就緒度,而不是模型能力。
這是關於供應商集中度與交期的結構性觀察,不是對任何標的的看法。
誰在這一層?
這一層是有意留空的。把一家公司歸入這一層,將是我們的觀點,而不是對該公司主營業務的陳述;與其發佈一個無法作為事實來辯護的歸類,我們寧可不發佈。
收錄邊界
收錄邊界:僅美股或 ADR(與 TSM / ASML 同規則)。沒有美股上市的重要供應商即使與棧相關也不收錄。這是收錄規則,不是質量排名。
本層暫未手列典型缺席名字;美股 / ADR 規則仍然適用。
核對日期 2026-10-09。非窮盡名單。
同一賽道
常見問題
瓶頸是什麼?
卡住企業落地的通常是數據就緒度,而不是模型能力。
這一層為什麼重要?
沒有企業自身數據的模型,只能給出通用答案。路徑是:企業數據 → 數據管道 → 向量化 → 向量庫 → 檢索 → 模型。企業 AI 的大部分價值是在這條路徑上釋放的,而不是在模型本身。
僅作描述性定位。定位標籤說明一家公司的業務是否暴露於某一層,從不表示該不該買。某一層沒有敞口,也不等於建議去補倉。