基礎模型
Frontier and open models across text, vision, audio, and reasoning; revenue is token-metered.
棧位置
基礎模型在 AI 棧中的位置
L11 · AI 基礎軟件
把芯片變成開發者能用的東西的一層:GPU 運行時、訓練框架、分佈式執行、容器、編排和推理服務。硬件的優勢,在這裡被守住的程度不亞於在晶圓廠。
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。
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
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。
瓶頸是什麼?
訓練受制於算力配額,推理毛利受制於服務成本 —— 所以這一層的經濟性由它下面的層級決定。
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?
這一層沒有公開公司,是因為該層的純標的仍未上市。對這一層的公開敞口,是通過為其提供資金與分發的多元化公司間接存在的——那些公司已經歸在本圖的其他層級裡。
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?
訓練受制於算力配額,推理毛利受制於服務成本 —— 所以這一層的經濟性由它下面的層級決定。
這一層為什麼重要?
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。
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。