算力先兑现
GPU、ASIC、HBM 与先进封装直接承接扩张订单。
发布于：2026-06-28 · 深度修订：2026-07-26
AI 产业链全景：从 GPU 到电力
AI 已经从“模型能力竞赛”进入“资本回报检验”。这篇文章不按概念罗列公司，而是追踪一美元资本开支如何穿过芯片、网络、电力、平台和应用，并判断每一层的利润来自短缺、效率，还是最终需求。
会员专享登录会员账户后阅读全文
1、两分钟核心结论
我已经很少用“上游与下游”理解 AI 产业链了。更有用的分界是：谁先确认收入、谁长期承担资产、谁拥有最终客户。芯片厂商在交货时确认收入，数据中心在多年中消化折旧，平台负责把算力变成客户消费，应用则要证明节省的成本或创造的收入高于推理、集成和错误处置成本。
这也意味着，“GPU 需求仍强”已经不足以概括产业景气。同样一美元资本开支，可能成为芯片厂的收入、云平台未来数年的折旧、应用公司的毛利压力，最后也可能沉淀为没人充分使用的容量。我的判断必须沿着钱和责任继续往下追，不能在第一张订单处停下。
AI Value Chain资本先为稀缺付费，利润最终回到客户价值
瓶颈会迁移
芯片缓解后，互联、供电、散热与并网接力约束交付。
平台做转化
云与模型要把设备利用率变成收入、毛利和客户留存。
应用做验证
只有成功任务和客户回本，才能证明终端需求不是补贴。
| 可带走的判断 | 为什么 | 什么会推翻它 |
|---|---|---|
| 当前仍是基建兑现期 | 大额资本开支先形成芯片、服务器与数据中心订单 | 云厂商下调建设计划，交付周期与利用率同时走弱 |
| 电力是区域约束，不是所有电力资产的统一牛市 | 真正稀缺的是可并网、可稳定供电且靠近负载的容量 | 并网周期明显缩短，选址与自备电源快速释放供给 |
| 平台层将出现更大分化 | 同样的资本开支，只有分发、客户和自研芯片形成闭环时才更容易变现 | 第三方模型和算力持续商品化，平台无法维持差异化 |
| 应用机会最大，验证也最慢 | 潜在价值来自替代完整工作流，而不是增加一个功能 | 续费、涨价和成功任务毛利迟迟不能改善 |
| 下一阶段交易的是资本效率 | 短缺溢价会随扩产下降，折旧、利用率和每 Token 成本开始决定利润 | 需求增长长期快于供给，稀缺环节继续保持定价权 |
所以，不能把“上游更确定、下游弹性更大”当作永久排序。短缺消失后，利润会从产能转向效率；模型趋同后，价值会从模型本身转向分发、工作流和专有数据。贯穿全链的检验始终相同：新增收入与自由现金流，能否覆盖新增折旧、融资成本和持续研发。
验证口径：示例公司用于定位产业环节。真正决定投资价值的是订单兑现、利用率、毛利率、资本回报与自由现金流，这些指标需要随季度财报、产品周期和监管变化持续更新。