> **来源：[研报客](https://pc.yanbaoke.cn)** # 华泰 | 固收：系统理解AI产业链——智能经济系列总结 ## 核心内容 AI产业链的研究范式正在从“单点算力竞赛”转向“系统级协同”。随着大模型从“军备竞赛”走向“应用落地”，算力需求结构发生变化，推理成为新的增长极。AI产业链由五层构成，分别是能源与基础设施、芯片、模型、应用和系统协同。当前产业瓶颈不仅集中在算力供给，还扩散至能源、电网、施工等基础设施环节。系统级协同成为关键，各环节变化相互影响，形成“蝴蝶效应”。 ## 主要观点 1. **AI产业链五层结构**： - **能源与基础设施层**：能源是AI的“食物”，数据中心是“城市”，是AI扩张的物理底座。 - **芯片层**：需求结构转变推动“通用GPU→AI异构平台”、“单卡算力→以存代算”、“海外主导→国产加速”等范式转换。 - **模型层**：承担算力到Token价值的跃迁，前沿模型决定上限，基础模型决定广度。模型层竞争激烈，同质化问题显著。 - **应用层**：当前主要依赖云厂商的资本开支，需等待终端应用收入覆盖成本，实现商业闭环。 - **系统协同层**：强调系统级交付与协同优化，整体算力系统才是关键。 2. **算力需求结构性转变**： - 推理需求增速快于训练，成为新的增长极。 - 需求变化推动硬件优先级调整，从通用GPU向ASIC等定制化芯片转变。 3. **基础设施瓶颈与解决方案**： - 数据中心建设受物理约束，包括电网并网、人才短缺、审批流程复杂、社区反对等。 - 表后发电、超节点技术、系统级协同是应对瓶颈的策略。 4. **芯片层趋势与挑战**： - 芯片层价值从GPU向存储、封装、液冷系统等环节外溢。 - 国产芯片在特定场景下具备应用潜力，但面临先进制程、封装、软件生态等瓶颈。 5. **模型层竞争与破局思路**： - 模型层需在性能、速度、价格间权衡，性价比是核心。 - 向上下游延伸、掌握更多环节、构建数据飞轮与网络效应是潜在破局路径。 6. **应用层商业化与风险**： - 当前应用层收入仍有限，需等待更多商业化场景落地。 - 传统软件公司面临被AI替代的风险，但垂直行业应用软件具有更强的抗风险能力。 7. **系统级思维与投资逻辑**： - AI产业链需从系统视角分析，理解各环节之间的传导关系。 - 短期关注算力、资本开支、债务风险，中长期关注竞争格局与商业壁垒。 ## 关键信息 ### 1. 能源与基础设施层 - **物理约束加剧**：数据中心建设受电网并网、审批流程、社区反对等影响，落地节奏放缓。 - **成本与工期压力**：数据中心建设成本高，工期长，导致云厂商债务风险上升。 - **能源金属需求增长**：铜、锂等需求因AI扩张而显著上升，储能需求受政策与技术推动。 ### 2. 芯片层 - **算力需求结构变化**：推理需求增长显著，推动芯片架构从通用GPU向异构平台转变。 - **能效比成为关键指标**：提升能效比是解决能源瓶颈的核心手段。 - **国产替代加速**：国产芯片在低时延、低吞吐场景下具备应用潜力，但面临先进制程、封装、软件生态等瓶颈。 ### 3. 模型层 - **Token经济学**：Token增长=任务复杂度×持续时长×并发规模，长期呈指数增长。 - **性价比为竞争核心**：中国模型厂商凭借开源生态、架构创新、低能源成本等优势，市场份额快速提升。 - **商业化路径**：模型层需向B端延伸，构建数据飞轮与网络效应，形成差异化能力。 ### 4. 应用层 - **商业化验证关键**：终端应用收入能否覆盖上游资本开支，是AI可持续性的关键。 - **未来增长潜力**：AI应用将向科研、自动驾驶、具身智能等高复杂度场景扩展。 - **组织架构调整**：多数企业仍处于试验阶段，规模化部署需时间。 ### 5. 系统协同 - **产业链价值外溢**：算力系统从单卡性能竞争转向机柜级系统竞争。 - **系统级供应商价值提升**：非GPU核心零部件（如存储、光模块、液冷系统）价值上升。 ## 产业链价值分布与趋势 - **短期价值集中在中上游**：芯片、电力设备、云厂商等中上游环节享受溢价。 - **长期价值向应用层转移**：随着基础设施完善，应用层将成为最终价值的承载者。 - **投资策略建议**： - 中上游：关注稀缺性与系统协同能力。 - 模型层：关注性价比与生态绑定。 - 应用层：关注商业化落地与长期增长潜力。 ## 风险提示 1. **算力供给与成本约束**：算力紧缺与硬件价格波动可能影响AI发展。 2. **投融资持续性风险**：行业高度依赖外部融资，商业化不及预期将引发估值回调。 3. **政策与市场不确定性**：地缘局势、通胀等宏观因素可能对AI产业链产生负面影响。 ## 总结 AI产业链正从单一算力竞争转向系统级协同，各环节相互影响，形成复杂的传导机制。当前产业仍处于“基础设施与器官”建设阶段，未来将逐步向“城市”与“公民”扩展。理解AI产业链需要系统思维与动态视角，关注技术领先度、商业壁垒与产业链价值迁移。短期看，中上游环节更具确定性，长期则需关注应用层商业化落地与整体经济影响。