AI 产业链四轮扩散：从 NVIDIA 2160 亿营收到推理市场爆发

1978 年邓小平访日时乘坐新干线留下的'奔跑冲动'隐喻，恰如其分地映射了当下全球 AI 投资热潮的狂热状态。过去两年间， 营收从 600 亿美元飙升至 2160 亿美元，股价增长十倍，带动了从光模块到数据中心冷却系统的全产业链爆发。

然而，历史经验表明，从互联网诞生到谷歌上市耗时十年，期间经历了 2000 年纳斯达克暴跌 78% 的泡沫破裂。午方 AI 梳理发现，当前 AI 发展路径极可能复刻 1998 至 1999 年的互联网初期特征，真正的结构性机会或许隐藏在泡沫破裂后的价值洼地，或是目前尚未被充分定价的细分领域。

面对资本疯狂涌入与估值高企的现状，投资者面临三种选择：盲目追高、等待危机或成为行业专家。本文主张通过深度解构 AI 价值链来构建认知壁垒，将产业划分为四个扩散层级。第一轮（2023-2024 年）以 GPU 为核心，NVIDIA 已完全反映在股价中；第二轮（2024-2025 年）聚焦光连接与电源技术，Lumentum 股价上涨 16 倍、 上涨 10 倍，但价值尚未完全释放；第三轮（2025-2026 年）涉及冷却、存储及专用制造；第四轮（2026 年及以后）则指向 AI 应用、能源基础设施与机器人。午方 AI 注意到，这种层级扩散揭示了资金流动的顺序，而处于第二、三层的非典型'AI 概念'企业可能蕴藏巨大机会。

在底层基础设施层面，NVIDIA 凭借 2026 财年 2160 亿美元的总营收（其中数据中心贡献 1937 亿美元）确立了绝对统治地位。其核心壁垒不仅是硬件，更是拥有 500 万开发者的 软件生态，这使得 的 MI300X 和英特尔的 Gaudi 短期内难以撼动其地位。尽管科技巨头如谷歌、亚马逊正通过博通定制 和 芯片寻求自主，但自研芯片目前仅作为补充。制造端方面，台积电几乎垄断了 3 纳米和 2 纳米先进制程，三星与英特尔差距显著；存储端 SK 海力士凭借 HBM3E 成为 NVIDIA 关键供应商，而 CoWoS 封装产能的短缺更是制约 AI 集群规模扩张的瓶颈。

随着 AI 训练集群规模从数千块扩展至上万块 GPU，传统铜线在 800Gbps 传输速率下遭遇物理极限，光连接技术成为唯一解。Lumentum、Coherent、Tower Semiconductor 及 Astera Labs 等企业在光集成与硅光子领域占据关键位置。

与此同时，NVIDIA GB200 服务器机柜高达 120 千瓦的功耗迫使液冷技术从'可选'变为'必备'，微软双相浸没式冷却技术已降低 95% 能耗，Vertiv、nVent 及 Modine 等公司因此受益。午方 AI 分析认为，这些看似不起眼的第三层基础设施，实则是支撑 AI 数据中心运行的物理基石，其价值正被市场逐步重估。

应用层与模型层正经历剧烈变革。OpenAI、Anthropic、谷歌、Meta 及 xAI 等头部企业营收增速惊人，Anthropic 年度经常性收入在三年内从 10 亿美元跃升至 90 亿美元。德勤数据显示，2025 年底推理计算支出占比将超过训练计算，达到 55% 以上，且推理市场规模预计 2030 年达 2500 亿美元。这一转变意味着芯片需求从追求峰值算力转向成本效益与低延迟，为 AMD、Marvell 及自研芯片提供了挑战 NVIDIA 垄断的窗口。

此外，开源模型如 和 DeepSeek 降低了门槛，但企业级应用中的切换成本与数据积累仍构成护城河，使得竞争格局呈现'少数主导、多元共存'的态势。