智能經濟：系統理解AI產業鏈.pdf

AI產業正從"單點算力競賽"轉向"系統級協同"，核心矛盾從"能否獲得更多算力"轉向"算力能否被低成本、穩定、規模化交付并形成可驗證的商業回報"。華泰證券此篇固收深度研究嘗試拆解AI產業鏈五層架構，系統梳理各層運行機制與傳導關系。

研究框架與核心結論

報告以英偉達"五層蛋糕"為分析框架，將AI產業鏈劃分為能源與基礎設施、芯片、基礎設施、模型、應用五個層級。2023-2025年"算力短缺"有效解釋行情與利潤分布，但2026年以來瓶頸擴散至能源基礎設施供給及下游商業化路徑，需系統統籌。

能源與基礎設施層

全球數據中心需求量預計從2025年82GW增至2030年219GW，但建設嚴重滯后：電網并網中位時間超5年、熟練工人結構性缺口、審批流程翻倍、社區反對規模化。物理約束導致數據中心延期，但以時間換空間，反而強化頭部云廠商護城河，推動價值向供配電、散熱冷卻、能源金屬擴散。燃氣輪機等表后發電方案面臨產能瓶頸，芯片能效比提升或是更高效的解決路徑。

芯片層

推理取代訓練成為算力增長極，催生三重范式轉換：通用GPU→AI異構平臺、單卡算力→以存代算、海外主導→國產加速。ASIC在推理端搶占GPU份額，CPU配比顯著提升，HBM需求爆發但受制于CoWoS產能。國產芯片憑超節點技術以系統創新抵消單卡代差，但先進制程、HBM供應鏈、軟件生態仍是瓶頸。芯片層趨勢本質是下游需求結構變化傳導結果，需動態跟蹤。

模型層

模型需在性能、速度、價格不可能三角權衡，分層與路由成為必然。Scaling Law仍有效，基礎模型將基礎設施化。中國廠商憑開源生態、架構創新、低能源成本獲得性價比優勢，Openrouter數據顯示其token調用量已超美國同行。但同質化競爭導致純模型業務難獲超額回報，破局思路為向上下游延伸掌握更多價值鏈環節。

應用層

當前AI鏈主要賺云廠商資本開支的錢，終端收入覆蓋上游投入是可持續性關鍵。據測算2030年應用端需年產生10萬億美元級穩態收入。Token增長=任務復雜度×持續時長×并發規模，三因子均有數量級提升空間。Agent、AI for Science、Physical AI等場景切換將驅動指數級需求，但技術進步與組織調整、基礎設施投資的節奏錯配會產生摩擦成本。

投資策略與風險提示

中上游溢價權有望保持相當長時期，宜用勝率思維；模型與應用層仍在風險投資階段，宜用賠率思維。短期關注資金面去杠桿、應用收入增速、云廠商債務風險、存儲周期見頂等擾動；中長期競爭格局與商業壁壘比技術領先度更重要。終局圖景是搭建完備的硅基世界，但想象空間的兌現需回歸商業邏輯與收入驗證。