AI产业链的五层架构：从选股到掌控全局

为何我不再单纯选股，转而全面掌控供应链

我的办公桌正上方贴着一张图表。那是一个五层的蛋糕，装饰风格属于复古未来主义，极具1958年通俗刊物的韵味——环形行星、镀铬火箭，还有一位驾驶蓝绿色敞篷车冲向逆行夕阳的男士。那枚火箭被命名为CRBS。

蛋糕的标签非常简单，标注为“人工智能蛋糕”。

这看似一种营销噱头。在某种程度上，确实如此。但这同时也是一个论点——这是我在过去25年间观察供应链如何吞噬各类叙事后，构建出的最清晰的论据。如今到了2026年4月，这个“蛋糕”的收益大约是标普500指数今年以来涨幅的七倍之多。

这便是我得出该结论的历程，也是我认为当下任何有意构建人工智能基础设施的人都应当采用的思考模式。

险些踏入的陷阱：当生成式人工智能在2022年末进入大众视野时，默认的选择显而易见：选定一家模型实验室，然后祈祷自己选对了。OpenAI当时尚未上市。于是人们通过其他渠道获取模型。微软随后，人本主义登场；亚马逊和谷歌入股。Meta打造了Llama。十多家规模较小的实验室以惊人的估值融资。当时的论调是，这些模范公司中的一两家将统治世界，而持有其股份便是参与其中的途径。

这种论调过去是错的，现在依然不对——或者至少，它非常片面。

实验室就像一层薄薄且易变的薄膜，覆盖在更为庞大坚实的物质基础之上。每一次模型运行，都会消耗部分资源：电力、硅、冷却设备、铜、磷化铟等等。每一次推理调用都需经过交换机、收发器、光纤、机架、冷却回路、变电站和涡轮机。实验室并不生产这些，全靠采购。而向实验室出售这些产品的，在很多情况下，都是那些拥有数十年护城河、盈利稳定且——直到最近——股价走势图都无法反映其真实订单状况的垄断企业。

因此我不再费心挑选实验室，转而开始收购供应商。将所有供应商收购了个遍，层层叠加。

这五层结构图从底层向上梳理了供应链，其顺序绝非表面文章。它反映了每个层级的交货周期、替代难度以及定价权的强弱。从最底层开始：

第一层——硅制造基础，工具制造者。没有他们的设备，谁也做不成——无论是台积电、三星还是英特尔，都需要采用尖端工艺制造芯片。ASML对极紫外光刻技术拥有绝对垄断权。你无法凭空想象出第二个。高NA系统的交付周期以年为单位。第一层是整个技术栈中资本支出最高的层级，也是历史上最被低估的一层。市场终于开始意识到了这一点。

第二层——硅和存储。这里是芯片制造、封装以及与内存和存储设备集成之处。有两个因素至关重要。首先，高带宽内存存在结构性短缺，而随着人工智能数据中心的建设，NAND闪存的需求呈爆发式增长。西部数据/闪迪近期经历了企业级固态硬盘和NAND闪存需求激增引发的剧烈波动。其次，先进封装技术（2.5D、3D、芯片组）依然是关键瓶颈，这也是其重要性所在。

第3层——组件和连接。负责将芯片连接起来，使其能够相互通信。定制ASIC（TPU/MTIA/Titan业务）、高速互连（CRDO的重定时器和有源电缆）、光收发器和共封装光学器件（LITE）。今年迄今为止，该领域表现强劲，产能已售罄至2027年底（有评论指出，鉴于GPU集群光学器件的需求，这种销售势头短期内不会减弱）。随着市场消化订单流和定制芯片市场的潜在变化，这一层级的价格波动较为显著。

第4层——数据中心基础设施。人工智能工厂层。这些公司将仓库改造成能够承受数百兆瓦电力而不熔化的设施。ANET在GPU之间切换800G和1.6T流量。ETN和HUBB移动电子。GEV生产燃气轮机，目前积压订单约达1500亿美元；CEG负责运营核电站。VRT和卡尔控制温度；FIX实际上，这些公司负责建造机械设备。电力和制冷设备供应商表现尤为抢眼。

第5层——人工智能服务和平台。这里是交易活跃之地，但今年迄今为止，与实物库存相比，此处的交易相对平淡。戴尔得益于人工智能服务器的需求，一直是该领域实力较强的公司之一。NBIS在完成重大基础设施项目后，公司表现不俗。

资金流向排行榜：资金究竟流向了何处？请再次查看排名数字：

排行榜榜首并非Mag 7，也不是人工智能平台，而是像这样的名字。

表现最佳的十家公司中有九家来自架构层1-4层——即物理层。它们都不是模型实验室，也没有一家在业内外以人工智能公司而著称。

排行榜底部包含一些显示分散程度的名称，例如CRDO（尽管营收增长强劲，但年初至今业绩明显低于预期）、AVGO（关于定制ASIC的传闻褒贬不一），以及其他一些类似的情况，ANET相对平坦。

今年迄今上涨了约28%，而标普500指数上涨了约4%，两者涨幅大约是七倍。

优势并不在于精挑细选——持有的股票数量远超标普500指数。

AVGO而且它有时会滞后。优势在于结构：掌控整个堆栈，让赢家抵消输家，而不是试图猜测哪一层会重新定价。

为何说这是一个资本支出故事，而非技术故事？

人工智能，就目前的规模而言，主要并非软件现象，而是披着软件外衣的资本支出现象。到2026年，超大规模数据中心运营商（GOOGL、亚马逊、微软、META以及其他公司）预计将在数据中心建设上花费5250亿至7000亿美元——这是一个巨大的数字，是美国阿波罗计划年度支出峰值的数倍，且集中在少数几家公司手中。

这笔钱不会直接进入模型实验室。它会短暂地流经这些实验室，然后向下流向第1层到第4层的各个公司。每一美元的增量训练计算费用都会向下流经这些公司。戴尔、英伟达、AVGO、TSM、ASML、LRCX和基拉克每增加一美元的收益都会流向电力、冷却和网络设备供应商。

供应商可以提前几个季度看到订单。这一点显而易见。2027年之前的所有产能均已售罄。

这些故事关乎的是实际产能的限制，而不仅仅是人工智能的炒作。实际产能的限制会体现在盈利上，而不仅仅是市盈率上。你不必相信通用人工智能（AGI）——你只需要相信投入的资金会被充分利用。

权重分配方式（核心/扭矩/可选性框架保持不变，因其结构稳固且合理。核心：在持久的护城河中占55-65%，例如TSM、ASML、AVGO等，在高β值股票中占25-30%，例如VRT、FIX、MU等。期权：在催化剂驱动型股票中占比5-10%。