AI淘金热：卖铲子的人更先赚到钱

数智化转型 · 投资新机

AI淘金热里，谁在卖铲子？谁在挖金矿？

全球AI资本开支持续高增，产业链中最容易盈利的环节，正在悄然发生位移

1849年加州淘金热里，真正让人赚到的往往不是挖金子的人，而是卖铲子的

眼下这轮AI浪潮，几乎复刻同一套剧情

微软、谷歌、亚马逊、Meta这四家，今年合计投入的AI资本开支已超过3000亿美元；明年大概率会冲到万亿美元量级

全球资金都在向AI基础设施倾斜。但问题是：砸钱的人当中，究竟谁在挖金矿，谁在卖铲子？

01

挖金矿的那批人：专注拼命堆模型的科技巨头

OpenAI、Anthropic、Google DeepMind这些公司在做什么？

他们在砸钱做大模型、训练AI、再把产品推向市场。愿景很宏大——谁能做出最强AGI，谁就会成为新一代底层基础设施

可现实却更骨感：模型成本越来越高，GPU也越来越紧。训练一次大模型的电费，足以支撑一个小城市用一年

与此同时，竞争格局也在快速收拢——GPT-4之后，Gemma、LLaMA、Claude之间的差距逐步缩小。模型层正从"技术护城河"滑向"商品"

挖金矿的人越来越多，但金矿的“品位”却在走低

02

卖铲子的那批人：低调发力的基础设施提供商

究竟是谁在悄悄赚到钱？

英伟达。H100单卡价格35万人民币一张，订单排到18个月之后。黄仁勋今年净资产增长的速度，已经刷新硅谷历史记录

电力公司。AI数据中心堪称“耗电巨兽”。大型数据中心的年用电量，往往相当于一个小型城市；美国电力企业已经在排队接单

冷却系统厂商。GPU满负载运行带来的热量非常惊人。液冷、风冷、浸没式冷却等看似不起眼的方案，正变成算力中心的刚需

光模块和光纤。数据中心内部以及数据中心之间的数据传输离不开这些环节。高速光模块需求量，今年同比增长了300%

这些公司的共同点在于：无论最终谁交付AGI，算力都得继续买，只要你就绕不开他们

核心症结

AI淘金热里，挖金子的人还在烧钱赌命，卖铲子的人却已经开始把账算清、把钱落袋。更关键的是：短期内这格局恐怕难以逆转——只要大模型仍在疯狂堆算力，基础设施商就会一直站在“甲方”位置

03

中国企业的新窗口：更偏本土化的“铲子”机会

GPU受到约束之后，中国AI基础设施赛道反而变得更清晰

华为昇腾910系列已在国内智算中心加速铺开；燧原、壁仞、寒武纪等国产GPU的可用性也在快速提升。虽然绝对性能仍有差距，但差距正在缩小

更重要的是：在散热、供电、光模块、本土IDC等方面，中国供应链更完整

国内的大模型企业不管最后谁胜出，都离不开算力、需要机房、还需要散热以及电力。能替代的国产“铲子”，需求天然偏刚性

另外，这个市场不太依赖出口——国内智算中心建设带来的订单，已经开始逐步释放

关键发现

· 算力需求持续爆发，GPU、光模块、散热三大方向年均增速超过40% · 国产替代加速推进，华为昇腾+本土IDC构成更完整的闭环 · 电力瓶颈愈发突出，数据中心供电改造将成为下一轮基建热点

04

怎样判断到底是在卖铲子，还是在挖金矿？

可以用一个很直观的标准：它的客户是否不论最终谁赢，都必须持续买单？

英伟达符合。因为OpenAI要买，Google也要买，Meta同样也要买

电力公司也符合。AI要跑就离不开电，哪家大模型公司都避不开这条链路

大模型公司则不一定符合。它们在同一市场中激烈竞争，客户数量相对有限，而烧钱节奏明显快于变现速度

当然，这并不意味着“挖金矿”没有价值。做出AGI的公司可能会成为下一家微软、谷歌，属于改变世界的机会。但从概率看属于小概率事件。对绝大多数资本和企业而言，卖铲子更稳妥

05

结语：风口之上，先想清楚自己到底是矿主还是矿工

AI淘金热才刚拉开序幕，这场游戏还会继续在多年周期里消耗大量资金

但对多数人、对多数资本来说，正确做法并不是冲进矿场去挖金子，而是站在矿场门口卖水、卖铲子、卖牛仔裤

历史往往不会改变。每一次技术革命里，基础设施商通常都是最早实现盈利的人

今天看A股、看港股、再看美股，锁定AI基础设施相关标的，逻辑其实是一致的。模型层的叙事很动听，但真正落地时，钱最终流向了谁？

想清楚这个问题，比纠结哪个大模型更强更重要

AI淘金热里，卖铲子的比挖金矿的更快填饱肚子

比起判断谁在挖矿，更该先想清楚谁在卖铲子

- END -