极客工场

Appearance

AI 产业链全景 ​

产业观察讲的是「为什么会这样」的长周期大势，这个专栏往下再钻一层：把 AI 当成一条从一度电、一颗芯片，一直延伸到模型 API、手机和机器人的完整产业链，逐环拆开看技术卡在哪、钱被谁赚走、国产走到哪一步。八十四篇文章彼此串联，你可以顺着电力→芯片→集群→模型→终端的顺序读，也可以从任何一个环节切入，再沿文末链接跳到上下游。

写法和产业观察保持一致：结论先行，判断都标注置信度和数据截止月，数字给区间和量级而不是精确报价；与站内教程单向互联——想动手学原理，再跳到数据与 AI 应用、AI 编程工具、芯片设计等栏目。

一张图看懂整条产业链 ​

下面这张图把专栏的八十四篇文章压成一条主线：价值自下而上层层叠加——电力驱动封装好的芯片，芯片连进集群，集群上跑软件与模型，模型经云与数据封装成服务，最终落到应用与终端；同时还有两条反向流容易被忽略：终端产生的数据与反馈回流到上游迭代模型，应用和云的付费收入则沿链条反向分配，决定每个环节谁真正赚钱。

AI 产业链全景：价值向上叠加，数据与资金双向回流（第 4 张）

为什么要按这七层来读。 产业链最容易犯的错误，是只盯着中间最风光的 GPU 和大模型，却忽视了上下游那些「慢变量」。最底层的①能源电力，交期以年计、审批和变压器产能都不是砸钱就能加速的，因此成为整条链最长的约束；往上②封装与基板（CoWoS/HBM/ABF）决定了芯片能造出多少，芯片本身（GPU、自研 ASIC、推理芯片）则是算力的载体；到了③集群互联，单卡再强也要靠 NVLink、IB/以太网和高速光模块连成万卡集群，网络拓扑直接决定有效算力（MFU）；④软件栈与模型才把硬件真正「激活」——CUDA、推理引擎、KV Cache 和各类模型决定了算力能转化成多少智能；⑤云与数据负责把模型变成可调用的服务，而数据标注、RLHF 和日益稀缺的训练数据是质量的隐形底座；最终在⑥应用与终端，AI 才被普通用户和企业用起来并产生收入。

两条反向流同样关键。 一条是资金：钱从应用和终端流入，经云、模型层层向上分配，这解释了为什么芯片和光模块这些「卖铲人」在涨价周期里利润最厚，也解释了 API 价格战会怎样挤压中间环节。另一条是数据与反馈：终端的真实使用和人类偏好回流到模型侧，成为下一轮迭代的燃料——这正是数据墙、RLHF 和端云协同被反复讨论的原因。读图时记住一个判断方法：瓶颈会沿正向箭头向下传导（缺电会演变成缺封装、缺卡、缺网），而利润与话语权沿反向流动，看清这两条流，就抓住了八十四篇文章共同的骨架。

上面这六段是为了先建立「价值流」直觉而做的粗分（七层）；如果想看更细、可横向比较的产业结构，下一节会把它展开成 L1–L15 十五个产业层的全景详图，并逐层给出技术、玩家、卡点与成熟度。

十六层全景详图：环节、玩家与卡点 ​

上面那张是「价值流」概念图；下面这张把专栏按统一的十五个产业层（L1–L15，外加方法论层 L0）逐层铺开。每层的色条第一行写清三件事：层名、技术成熟度 TRL、关键卡点 B 码，第二行列出这层在做什么、全球与中国代表玩家。其中卡点 B 码为简写（B:产能=交期/产能、B:技术=原理极限、B:良率=良率/质量、B:生态=软件/标准/迁移成本、B:监管=出口管制/合规/版权、B:资金=杠杆/ROI/需求），完整定义见下方「统一标尺」。

AI 产业链十六层全景：自下而上叠加，玩家身位与卡点（数据截止 2026-09）（第 5 张）

读图提示：越往下越是「重资产、长周期、慢变量」（电力/半导体交期以年计），越往上越是「轻资产、快迭代、赢家通吃」（模型/应用以月计）；B 码越多的层，就是当前投资与国产替代博弈最激烈处。图只给骨架，下面按 L1→L15 逐层展开论述，并在每层就近给出可点击的对应深度文链接。

统一标尺：怎么读每一层的「成熟度、卡点、预期」 ​

为让十六层可以横向比较，全专栏统一三把尺子，后续每层都按这套口径表述：

  • 技术成熟度 TRL：TRL-1 论文实验 / TRL-2 工程验证 / TRL-3 早期商用 / TRL-4 规模商用 / TRL-5 成熟红海。
  • 关键卡点 B-：B-产能（交期/产能）、B-技术（原理极限）、B-良率（良率/质量）、B-生态（软件/标准/迁移成本）、B-监管（出口管制/合规/版权）、B-资金（杠杆/ROI/需求）。一个环节通常 1 个主卡点、1~2 个次卡点。
  • 预期时间窗：6 个月（已在排期内的确定事件）/ 18 个月（下一代产品与产能周期）/ 36 个月（格局级变化，只给方向、低置信度），并标置信度高/中/低。

所有数字给区间与量级，不给无法核对的精确报价；未上市公司的份额、良率、财务只引公开口径并标时点。下面逐层论述。

L1 · 能源与电力：整条链最长的约束 ​

这层在做什么。 AI 算力的物理起点是一度电。一个千兆瓦级园区从签约到通电，要经历电网接入批复、变电站建设、线路架设和长期供电协议，交期常以数年计——比买卡、建机房都慢，因此是整条链最长、最难用钱砸快的约束（主卡点 B-产能：变压器、开关柜、并网容量；次卡点 B-技术/资金）。

关键技术与成熟度（TRL-3~4）。 供电本身成熟，真正变量在三处：电网接入与选址、高密机柜散热、稳定低碳的电源结构。散热在单柜功率破百 kW 后从风冷走向液冷（冷板为主流、浸没/喷淋并存，TRL-3~4）；电源侧，科技公司开始绕过电网直接签核电长协、重启退役机组、押注小型模块化反应堆 SMR（TRL-2~3）。

主要玩家。 中国由「两张电网 + 五大发电 + 中核/中广核」主导，叠加东数西算与全球算力地理的枢纽布局；全球侧是电网公司、GE Vernova 等电气巨头与重启三哩岛的科技资本，液冷与配电环节分布着一批专业公司。

卡点与现状。 核心不是「有没有电」，而是接电容量、变压器/开关柜交期、审批周期三件事叠加；散热端卡在快接头、冷却液与整机集成。可参考：一度电的旅程：为什么通电要排好几年、数据中心选址学、液冷产业图谱、核电与 AI、供电的铁：电源/UPS/柴发、电气设备二级卡脖子、PUE、WUE 与每瓦碳。

预期。 6 个月：并网与变压器仍是硬约束，液冷在高密机柜加速渗透（高）；18 个月：核电长协增多、绿电直连扩散（中）；36 个月：算力地理向「便宜电+冷气候+政策枢纽」集中的格局固化（中）。

L2 · 数据中心设施：瓶颈在电气，不在土建 ​

这层在做什么。 把电和地变成可上架的机房：土建、预制模块化舱、配电、暖通、消防、安防与 DCIM 运维。GW 级园区的交付瓶颈早已不是混凝土，而是电气安装与设备到货（主卡点 B-产能；次卡点 B-良率：高密度交付一致性）。

关键技术（TRL-3~4）与玩家。 预制模块化、电气先行的施工法在压缩工期；全球有 Vertiv、Eaton、Schneider，中国有华为、英维克、科华及承担总包的建筑央企。代表性拆解：AI 数据中心建设：EPC、预制模块化与被电力掐住的交付。

卡点与预期。 高密供电+液冷的现场集成能力是稀缺品。6 个月：电气设备排期决定项目能否如期交付（高）；18 个月：整舱预制、整机柜交付比例上升（中）；36 个月：超大规模园区与边缘节点两极分化（中）。

L3 · 半导体上游：链最深处的「卡脖子」 ​

这层在做什么。 芯片造出来之前的一切：光刻机、刻蚀/薄膜/离子注入/量测设备、晶圆代工、EDA 工具、硅片、光刻胶与电子特气。这是技术密度最高、地缘博弈最集中的一层（主卡点 B-监管：先进设备与 EDA 的出口管制；次卡点 B-技术：先进制程与光刻原理极限）。

关键技术与成熟度（TRL-3~5）。 EUV 光刻（ASML 独家）、先进制程代工（台积电领先）、EDA 三巨头（Synopsys/Cadence/西门子 EDA）构成寡头格局；成熟制程与封测相对分散。本专栏当前的直接切口是AI 带动成熟制程需求——AI 电源管理、互联与配套芯片大量落在成熟节点，使其成为少有的产能紧张的「老工艺」。

玩家与现状。 全球由 ASML、应用材料、泛林、台积电、三星、英特尔及 EDA 三强把持；中国在中微（刻蚀）、北方华创（薄膜/炉管）、中芯国际（代工）、华大九天（EDA）、沪硅（硅片）等环节逐点突破，呈「设备先行、EDA 与高端光刻最难」的态势。

预期。 6 个月：出口管制清单继续左右本土采购与库存（高）；18 个月：成熟制程与本土设备验证放量（中）；36 个月：全球可能长期维持「两套设备与代工体系」并存（中）。这一层是 P1 优先要补约 17 篇深度文的结构性空白。

L4 · 先进封装与存储：决定「能造出多少卡」 ​

这层在做什么。 把裸片和显存封成一颗可用算力芯片：CoWoS 等 2.5D/3D 封装、HBM 高带宽存储、ABF 载板、混合键合、热界面材料 TIM、芯片测试（KGD）。英伟达高端 GPU 的出货上限长期不由芯片设计决定，而由 CoWoS 产能和 HBM 供给决定（主卡点 B-产能；次卡点 B-良率：堆叠良率与已知良品裸片测试）。

关键技术（TRL-3~4）与玩家。 台积电主导 CoWoS，SK 海力士、三星、美光争夺 HBM（HBM3E 放量、HBM4 定制化），ABF 载板由日本、台湾厂商把持；封测有日月光与中国长电、通富。详见：CoWoS 产能争夺战、HBM3E 到 HBM4、ABF 载板与高端基板、先进封装的国产解、混合键合与 3D 堆叠、AI 芯片测试与 KGD、TIM 热界面材料。

卡点与预期。 6 个月：CoWoS/HBM 仍是高端卡放量闸门，配额向头部客户倾斜（高）；18 个月：新产能投产、国产 2.5D 与存储在本土起量（中）；36 个月：先进封装成为延续摩尔定律的主战场（中）。

L5 · AI 芯片：价值最集中的一层 ​

这层在做什么。 真正承载算力的芯片——通用 GPU、云厂商自研 ASIC、推理专用芯片及中国国产阵营。决定竞争力的不是单一「几纳米」，而是算力、显存容量、显存带宽、片间互联、软件生态五要素组合（详见本层枢纽AI 芯片层枢纽）。主卡点在 B-生态（CUDA 锁定） 与 B-监管（先进制程/HBM 受限）。

玩家与身位（TRL-2~5）。

预期。 6 个月：Blackwell 放量、国产替代在管制下提速（高）；18 个月：推理侧评价标准转向性价比，AMD/自研/推理芯片分食（中）；36 个月：训练侧英伟达仍领先、推理与中国市场多极化，可能长期并存两套供应链（中）。

L6 · 服务器整机与硬件：隐形的总装线 ​

这层在做什么。 把 GPU、HBM、主板、电源、液冷模组组装成服务器乃至整机柜。生意本质是薄毛利、强周期，但液冷整柜化正在抬高整机厂的集成价值（主卡点 B-良率：高密整柜交付一致性；次卡点 B-产能）。

玩家（TRL-3~4）。 全球是超微（SMCI）、戴尔、纬创等 ODM，富士康做隐形总装；中国有工业富联、浪潮、新华三。详见GPU 服务器 ODM：超微与富士康们的隐形总装线。

预期。 6 个月：整柜/液冷交付能力决定订单归属（高）；18 个月：ODM 直接对接云与资本客户、集中度提升（中）；36 个月：硬件利润随标准化进一步摊薄，价值向集成与软件迁移（中）。

L7 · 集群网络与光通信：单卡再强也要连起来 ​

这层在做什么。 把成千上万张卡连成一台「超级计算机」：机柜内 Scale-Up（NVLink、UALink）、跨节点 Scale-Out（InfiniBand 与以太网之争）、胖树/Rail 优化拓扑、光模块（800G→1.6T）、交换芯片、机柜内铜缆。网络拓扑直接决定有效算力 MFU（主卡点 B-产能：高速光模块与交换；次卡点 B-生态：协议标准之争）。

关键技术与玩家（TRL-3~5）。 英伟达以 NVLink+IB 走封闭整柜路线，博通/Arista/Marvell 与 UALink/UEC 联盟推动开放替代；中国光模块（中际旭创、新易盛等）在全球供应链地位突出，华为、新华三强于设备。详见：万卡集群网络拓扑、InfiniBand 与以太网、InfiniBand vs 以太网 UEC、UALink 开放机柜总线、800G/1.6T 光模块、交换芯片与白盒、机柜内铜缆 DAC/ACC/AEC、网络数字孪生、大规模训练故障与可靠性。

预期。 6 个月：1.6T 光模块与整柜网络成超大单标配（高）；18 个月：开放总线/以太网在推理与自建集群分流（中）；36 个月：网络成为系统级竞争核心，光电共封装走向成熟（中，另见硅光子与 CPO）。

L8 · 基础软件与系统：把硬件「激活」 ​

这层在做什么。 让算力可用、好用的全部软件：深度学习框架、推理引擎、AI 编译器、量化与解码优化、分布式训练系统、并行存储、GPU 算子人才、FinOps 成本治理、评测基准。主卡点是 B-生态（事实标准与迁移成本），这是英伟达护城河真正扎根之处。

关键技术与玩家（TRL-3~5）。

预期。 6 个月：推理引擎与 KV Cache 优化直接决定单位成本（高）；18 个月：AI 编译器降低硬件锁定、国产框架在本土适配（中）；36 个月：软件栈价值随推理规模化继续上升，成为利润再分配关键（中）。

L9 · 模型：智能源头，也是烧钱最快处 ​

这层在做什么。 基础模型本身——闭源前沿大模型、开放权重模型、推理模型（test-time compute）、多模态/视频模型。这层轻资产但极度依赖算力与人才、赢家通吃倾向最强（主卡点 B-资金：前沿训练巨额融资与算力承诺；次卡点 B-技术：能力与数据天花板）。

玩家与身位（TRL-3~5）。

预期。 6 个月：推理与多模态继续抬升算力需求，API 价格延续下行（高）；18 个月：开放权重与闭源差距收窄、效率创新重塑成本（中）；36 个月：模型能力是否继续按规模扩张、能否自我造血，决定这层是「基建」还是「护城河」（低）。

L10 · 数据：隐形的质量底座 ​

这层在做什么。 喂给模型的「燃料」：数据标注、RLHF 人类反馈、合成数据及训练数据版权授权。高质量人类文本正趋近耗尽，使数据从「可有可无」变成稀缺生产资料（主卡点 B-产能：高质量数据与标注人力；次卡点 B-监管：版权与数据主权）。

玩家与技术（TRL-2~4）。 全球有 Scale AI、Surge 及一批数据商；中国有海天瑞声、大量标注工厂和各地数据交易所。合成数据用模型自己造数据，带来质量闭环与模型崩塌风险。详见：数据标注与 RLHF、合成数据产业、训练数据版权战争。

预期。 6 个月：版权和解付费、数据授权化推进（高）；18 个月：合成/仿真数据在垂直场景放量（中）；36 个月：数据要素市场化与「数据资产入表」改变成本结构（中）。

L11 · 云与算力服务：把算力变成可买的商品 ​

这层在做什么。 对算力的分销与金融化：超大规模公有云、专业算力云（Neocloud）、MaaS 推理聚合平台及 DGX Cloud 这类厂商中介。核心矛盾是算力高投入与需求/回款不确定（主卡点 B-资金：高杠杆、客户集中、折旧；次卡点 B-产能）。

玩家与身位（TRL-3~5）。 全球 AWS/Azure/GCP 主导，CoreWeave 等新云靠英伟达绑定与高负债崛起；中国是阿里云、火山引擎、华为云与运营商三种模式。详见：云三巨头 AI 资本开支军备赛、中国「算力云」三模式、GPU 新云的高杠杆豪赌、MaaS 推理平台与聚合器、Oracle–xAI 超级大单、英伟达 DGX Cloud、AI 按结果付费。算力地产化还催生数据中心 REIT。

预期。 6 个月：资本开支继续攀升但市场紧盯折旧与回款（高）；18 个月：Neocloud 经历客户与现金流分化、聚合器被上游直销挤压（中）；36 个月：算力从「紧缺抢购」转向「单位经济算账」，议价权向有真实需求方迁移（中）。

L12 · 横向使能：RAG、Agent 与评测护栏 ​

这层在做什么。 横跨各行业、把模型接进真实工作流的中间件：RAG/向量数据库与 GraphRAG、Agent 编排、评测、护栏与可观测性。它们决定模型在企业里「可不可靠、敢不敢用」（主卡点 B-生态：工具碎片化与集成；次卡点 B-技术：长链路可靠性）。

玩家与技术（TRL-2~4）。 全球有 LangChain、Pinecone、Weaviate 及一批 Agent/评测创业公司；中国有国产向量库与 Agent 平台。详见：RAG 的地基：向量库与 GraphRAG、Agent 商业化鸿沟。

预期。 6 个月：RAG 成企业落地标配、Agent 仍以窄场景为主（高）；18 个月：评测/护栏/可观测性随生产部署成为必选项（中）；36 个月：横向中间件或被大厂与模型厂商上下夹击、加速整合（中）。

L13 · 行业应用：价值最终被兑现处 ​

这层在做什么。 AI 真正进入各行各业产生收入：编程、搜索、办公、金融、制药及法律、营销、教育、制造等。矛盾集中在商业模式与 ROI 证明——演示惊艳不等于组织愿意持续付费（主卡点 B-资金/ROI；次卡点 B-生态：与行业工作流和数据的深度集成）。

玩家与现状（TRL-2~4）。

预期。 6 个月：编程/搜索/办公率先放量，行业纵深仍需数据积累（高）；18 个月：按结果/按价值定价在可度量场景试水（中，另见AI 按结果付费）；36 个月：行业格局被「数据壁垒+工作流嵌入」重写，通用套壳产品出清（中）。这是 P1 另一个要补约 17 篇的大层。

L14 · 终端与具身：AI 走出数据中心 ​

这层在做什么。 AI 落到物理世界与消费硬件：自动驾驶/Robotaxi、人形机器人与具身智能、AI 手机/PC/可穿戴及机器人「器官」供应链。主卡点是 B-技术（端到端可靠性、灵巧操作、续航）与 B-产能/成本（量产良率与 BOM 成本）。

玩家与现状（TRL-2~4）。 全球特斯拉以 FSD 与 Optimus 双线推进，苹果定义端侧体验，英伟达提供机器人生态；中国华为、小米、比亚迪在车与端侧、宇树等在机器人上势头强劲。详见：自动驾驶与端到端 FSD、人形机器人与具身智能、端侧 AI：手机/PC/可穿戴、人形机器人的「器官」供应链。

预期。 6 个月：Robotaxi 在限定城市扩张、AI 端侧拉动换机（高）；18 个月：人形机器人在工业/物流小批量上岗（中）；36 个月：具身智能能否进入通用场景，取决于数据闭环与硬件降本能否同时兑现（低）。

L15 · 安全、治理与地缘：给产业链划定边界 ​

这层在做什么。 为 AI 外部性兜底：深伪检测、内容溯源（C2PA）、对齐与红队、模型越狱防护，以及从内容到算力、模型权重的全球监管与主权博弈。它既是约束，本身也是一条成长中的合规产业（主卡点 B-监管；次卡点 B-生态/技术：检测与攻防持续赛跑）。

玩家与现状（TRL-2~4）。 前沿实验室设安全团队，各国监管节奏分化（欧盟 AI 法最积极），中国走「发展与安全并重」的合规定制路线。详见：AI 武器化与深伪：安全产业、AI 监管与主权：从内容安全到算力地缘。

预期。 6 个月：合规与内容安全成为大型采购前置条件（高）；18 个月：溯源/红队/评测工具化、标准化（中）；36 个月：全球形成若干分化的治理与主权阵营，深度重塑算力与模型流向（中）。

未来格局推演：三种情景 ​

把十六层连起来看，未来 3 年格局取决于三个关键变量：算力/电力供给能否跟上、模型能力能否持续按规模兑现、真实付费需求能否跑赢巨额资本开支。 据此给出三种情景（均为方向判断、数据截止 2026-09）：

AI 产业链 36 个月三种情景（第 6 张）
  • 乐观情景（低置信度）：模型能力继续跃迁、Agent 与机器人等新终端兑现，应用与终端收入沿链向上反哺，全链可持续扩张；最受益的是同时卡住「生态入口+关键产能」的玩家。
  • 中性情景（中置信度，当前主线）：能力呈台阶式而非线性飙升，行业靠推理优化、效率创新和单位经济算账消化成本；利润在各层重新分配，芯片/光模块等卖铲人在周期高点利润最厚，横向中间件加速整合。
  • 谨慎情景（中置信度）：若 Scaling 边际收益递减、资本开支先于真实收入见顶，最脆弱的是高杠杆、客户集中环节（Neocloud、算力 REIT、为单客户绑定的云）；行业从「教育市场」转入「份额与成本」竞争，缺真实需求与绑定的公司被挤出。

比押注某一情景更可操作的，是盯住几个先行指标：云巨头资本开支与折旧的拐点、CoWoS/HBM 与并网交期是否缓解、API 与单位 token 成本的下行斜率、Agent/机器人在真实场景的可靠性与复购。它们会比宏大叙事更早告诉你产业链走到哪一步。

延伸阅读导航 ​

上面每层都已就近内联对应深度文链接；若想按主题集中浏览，或在未来 200+ 篇铺开后快速定位，可从分层枢纽页进入（持续建设中）：当前已上线 AI 芯片层枢纽，其余各层枢纽与总览方法论文将按内部 roadmap 陆续补齐。想动手学原理，再单向跳到数据与 AI 应用、AI 编程工具、芯片设计等教程栏目。

总结 ​

本页是 AI 产业链专栏总索引：沿电力、封装、芯片、集群、软件栈、云、数据到应用终端拆解，瓶颈沿正向传导、利润与数据沿反向回流，所有判断均标注置信度与数据截止月。