AI产业版图：细分领域与领军企业解析

在前两篇文章我们为AI底层技术奠定了基础认知和思维框架，现在我们要在此基础上将视野拓展至更宏观的层面。A股市场的光模块究竟为何受到热捧？其价格的飙升又源于何种驱动力？

本轮AI浪潮的起点可追溯至2022年11月30日，OpenAI发布了生成式大语言模型GPT-3.5，结合RLHF技术。该模型在短短5天内吸引了超过百万用户，两个月内月活跃用户数更是突破一亿，创下了消费级应用史上最快增长纪录。

自此，世界格局已然改变，一个崭新的时代由此开启！

经过数年的发展，AI产业链在投资界已形成了哪些主要的板块和细分赛道？资金的流向又是如何变化的？当前以及未来一段时间，市场的焦点又将集中在哪些领域？

今天，我们将首先聚焦于第一个问题，在脑海中勾勒出一幅AI投资的全景图。

整个AI投资的版图被划分为四个主要层级，每个层级内部又包含更具体的细分板块。

需要注意的是：表格中越靠上的层级，其技术壁垒越高，资本投入越大，项目周期越长，但投资的确定性也越高；越靠下的层级，增长潜力越大，对资本要求越低，但竞争也越激烈，其市场护城河尚待检验。

目前最新的DeepSeek-V4模型已确认全程采用华为昇腾芯片进行训练。在其官方技术报告中，昇腾芯片与英伟达GPU并列，并优先在华为昇腾平台进行首发。

在推理端，AI展现出巨大的潜力，正从“可用”阶段迈向“好用”阶段。

国产芯片在推理端的优势，得益于DeepSeek等模型在技术架构上的调整（例如混合注意力机制、稀疏计算等），得到了迅速的发挥。

性能的快速提升：实际测试表明，华为昇腾910C的推理性能已接近英伟达H100的60%，并通过手动优化内核，性能还有进一步提升的空间。最新的昇腾950PR在推理任务上的表现，已达到限制对华出口的H20版本的约2.87倍。

成本优势显著：在昇腾超节点集群上，DeepSeek V4的推理延迟相较于同级别的英伟达H100集群低了35%。更重要的是，国产芯片在性价比方面具有压倒性优势，这将极大地降低大模型推理的边际成本。

整个行业也在迅速跟进。目前，包括海光、沐曦、寒武纪、摩尔线程、昆仑芯、平头哥真武在内的八家国产芯片厂商，已完成了与DeepSeek V4的深度适配工作。

云服务提供商扮演着AI基础设施“房东”的角色——他们既能通过出售算力获利，也能通过出租数据获取收入。由于客户迁移成本极高，云厂商成为了AI产业链中现金流最为稳定的环节。