计算链 · 从硅砂到 GPU
四个链中最长、资本最密集的一条。起点是地质稀有的石英砂，终点是 $28,000 一块的 GPU。这条链的护城河来自 物理垄断——ASML 的 EUV 光源、Spruce Pine 的石英纯度、台积电的工艺配方，都不是竞争对手砸钱能复制的。
高纯石英砂 — 年 $5 亿的矿，掐着 $5,500 亿的产业
全球半导体坩埚石英 70-80% 来自北卡 Spruce Pine。3.8 亿年地质净化使纯度无人能及。2024 年飓风停产两周暴露单点故障风险。
光刻胶 — EUV 级 95%+ 被日本四家化学公司控制
3nm 以下传统 CAR（化学放大光刻胶）碰到酸扩散模糊的天花板。下一代 MOR（金属氧化物光刻胶）吸收效率高 5x、刻蚀阻力高 10-100x。JSR、信越、TOK、住友——四家日企。2019 日韩贸易战：三星至今仍未突破 EUV 级光刻胶。
特种气体 + 稀土 — 每一步制造的化学配方
光刻用 ArF/KrF（林德/液空低温精馏垄断），蚀刻用 CF₄/SF₆/NF₃，沉积用 SiH₄/WF₆。稀土（钕铁硼→磁悬浮台，铈→抛光液）：瓶颈不是矿，是镧系收缩使分离需数千级萃取槽——中国 85-90% 冶炼能力。
EDA 设计工具 — 芯片的"编译器"，30 年零切换
Synopsys (37%) / Cadence (30%) / Siemens EDA (13%)。AI EDA 市场 $42.7 亿→$158.5 亿 (2032)。PDK 锁定——台积电认证 EDA 为唯一合法设计入口。Synopsys 2025 年 $350 亿收购 Ansys。
光刻机 — ASML 100% EUV，整个产业链最深护城河
EUV 光源 (Cymer, 30 年研发) + 光学系统 (Zeiss 独供) + 生态锁定 (台积电/三星/Intel 完全依赖)。2025 年出货 327 台，市场 $304 亿→$476 亿 (2031)。EUV→High-NA→Hyper-NA，每代壁垒更深。
刻蚀与薄膜沉积 — 3D NAND 层数越多，步骤非线性增长
刻蚀"挖"电路，沉积"铺"材料。3D NAND 从 64→300+ 层，深孔蚀刻纵横比超 100:1。Applied Materials (沉积龙头) / Lam Research (刻蚀龙头) / 东京电子三强。
检测与量测 — 良率的守护者，KLA 50%+ 份额
EUV 时代检测需求远超 DUV——更小特征尺寸需要电子束替代光学检测。一颗缺陷→整片晶圆报废。
晶圆制造 — 台积电年 1,700 万片，3nm 扩至 18 万片/月
FinFlex 设计灵活性是三星 GAA 拿不到订单的根因。"工艺配方——不只是资金问题。" 地缘分散中 (AZ/熊本/德累斯顿) 但核心产能仍在台湾。
训练 GPU — NVIDIA 捕获超大规模开支 41.5%，毛利率 75%
AI 加速器 ~80% 份额。数据中心收入 $1,937 亿。护城河不在 B200 硬件 ($3,320 成本→$28,000 售价)，在 CUDA 生态。最大长期风险：推理从 GPU 向 ASIC 转移。
推理与端侧芯片 — 下一个战场，专用 ASIC 成本可降至 GPU 1/10
数据中心推理：AMD Instinct ($70-80 亿)、Google TPU、AWS Trainium。端侧：Apple Neural Engine、Qualcomm AI Engine。推理芯片市场比训练更分散。
存储链 · DRAM → HBM → NAND
AI 对内存的需求是计算链的镜像——每块 GPU 都需要 HBM 配套。这条链的护城河来自 工艺壁垒——MR-MUF 结温低 14°C，温差决定良率和可靠性。但技术迭代快 (HBM3E→HBM4→HBM5)，护城河的持续性不如计算链。
DRAM 基础 — 三星 38.6% 份额最大，SK 海力士利润反超
6F² 单元布局从 2007 年沿用至今。Row Hammer 攻击（电容耦合→邻居漏电）靠 TRR 刷新防御——占功耗 10-20%。EUV 开始在 DRAM 使用 5-6 层。周期性强——下行扩产的公司上行收割份额。
HBM 高带宽内存 — 2026 年售罄，SK 海力士 62% Q2 份额
SK 海力士 MR-MUF 工艺 vs 三星 TC-NCF——MR-MUF 结温低 14°C 是核心竞争力。HBM 热约束严格 (DRAM 耐温 95°C vs 逻辑 105°C)，堆叠层数上限由热管理决定。
3D NAND — 300+ 层量产，1,000 层技术演示
SLC→QLC P/E 周期悬崖 (5-10 万→100-1000 次)。三星 286 层量产，目标 400+ 层。Kioxia/Sandisk 展示 1,000 层技术 (VLSI 2026)。YMTC 第五代 294 层——中国存储可能最先实现全球竞争力。
互联链 · 光模块 → 交换机
四条链中最短但增速最快的一条。数据中心的 GPU 之间、GPU 与存储之间需要超高速互联。这条链走的是 化合物半导体 (InP/GaAs) 而非硅——有独立的材料体系和制造工艺。护城河来自物理层技术壁垒。
光模块 — $165 亿市场，800G→1.6T→3.2T，Coherent 22.2% 份额第一
800G 出货 2026 年翻倍。800G 以上 DML chirp 问题→必须转向 EML (电吸收调制)。LPO (线性直驱光学) 去 DSP 化——功耗降 40-50%、延迟 8-10ns→<3ns，但 1.6T 扛不住→LRO 过渡。中国厂商 (中际旭创/光迅/新易盛) 在前五。
交换机芯片 — Broadcom vs NVIDIA，Ethernet 夺回主流
Tomahawk (浅缓冲, 亚微秒延迟, AI leaf-spine) vs Jericho (深缓冲 6-8GB HBM, DCI/运营商)。Tomahawk 5 集成 512 个 100G PAM4 SerDes。NVIDIA GTC 2025.3 承认 Ethernet 趋势。白盒交换机 $32-35 亿。
集成链 · ABF → CoWoS
芯片造好了、内存堆好了、互联通了——如何把它们拼在一起？这条链是整个 AI 芯片供应的 最大瓶颈。护城河来自 材料垄断 (味之素 ABF 99%+) 和 工艺垄断 (台积电 CoWoS)。
ABF 基板 — 味之素 99%+ 份额，一粒树脂决定 AI 芯片良率
ABF 是芯片与主板之间的绝缘层。CTE 控制精度 ±0.5 ppm/°C (SiO₂ 填料体积分数调节)。激光钻孔+除胶渣极限——孔径 <20μm 时微孔失效。一家日本食品公司控制 AI 芯片的物理基础。
PCB 印刷电路板 — AI 服务器 PCB 层数 20-30 层，技术壁垒接近 IC 载板
AI 服务器主板是"系统的大脑底板"。全球 PCB 市场 ~$900 亿，AI 服务器 PCB 增速最快。欣兴/南亚/揖斐电三家控制先进基板 ~18% 份额。TTM/AT&S/三星电机跟进。高频高速材料（M6/M7 级别）供应紧张。
高速连接器 — Amphenol/Molex/TE 三家，NVLink 的物理层依赖它
GPU-to-GPU 互联依靠物理层连接器。Amphenol、Molex、TE Connectivity 三大厂商。单台 AI 服务器连接器价值数十到数百美元。2026.7 三大厂商集体涨价——供不应求。铜价 $12,000/吨五年高位推动成本上行。
CoWoS 先进封装 — 两年 10x 扩产，仍是最大瓶颈
月产能 13K (2024 初)→130K (2026 末目标)。NVIDIA 锁定 ~60%。微凸块→混合键合 (焊料 pitch 25-40μm→Cu-Cu 原子扩散 <10μm)。CTE 失配：硅 3 ppm/°C vs 有机基板 17 ppm/°C→一颗空洞可致热循环百次后开裂。
系统集成与基础设施
四条供应链在此交汇。服务器集成 GPU + HBM + 网络，数据中心提供电力与散热，云平台对外出租算力，训练数据喂入模型。这一层是 AI 产业的"兵工厂"——不直接创造应用价值，但所有应用依赖它。
服务器集成 — NVL72 单机柜 120kW，传统机柜的 10 倍
GB300 NVL72：72 GPU + 36 CPU + 液冷。ORV3 48V 供电：传统 12V 需 10,000A→48V 降至 2,500A。富士康 Q1 2026 收入 $666 亿（+29.7%），AI 服务器占 55-60%。2026 年 NVL72 预计出货 38K 台。直接芯片液冷（DLC）处理 >1,500W/芯片。这一环节 ODM 薄利（3-5%），NVIDIA 系统级高利。
液冷散热 — $48 亿市场，单机柜 120kW 的刚需
直接芯片液冷（DLC）处理 >1,500W/芯片。浸没式冷却 >100kW/机柜。液冷市场 2025 年 ~$30 亿→2029 年 ~$70 亿。Vertiv/ nVent/台达为龙头。Eaton $95 亿收购 Boyd 获取液冷能力。铜价上涨推高连接器成本→液冷相对优势扩大。
训练数据 — $36 亿市场，合成数据解决隐私瓶颈
全球 AI 训练数据市场 $32-36 亿（2025）→ $39-44 亿（2026），CAGR ~25%。Scale AI 为代表的数据标注公司受益。合成数据正成为主流——降本 + 解决真实数据的隐私和稀缺问题。OECD 将其列为 AI 供应链的独立一层——有道理。
云平台 — $1,290 亿/季，AI 工作负载爆发增长
AWS $376 亿（+28%）/ Azure $267 亿（+40%）/ Google Cloud $200 亿（+63%）。Amazon Bedrock Q1 API 调用量 = 2025 全年 3x。GPU 云（CoreWeave $51 亿）利润 = NVIDIA 定价权 − 客户议价权，两头挤压。
基础模型 — $250 亿收入，$140 亿亏损
OpenAI 毛利率 33%（2025，从 40% 下滑）→运营利润率 -55%，2030 年前无盈利预期。Anthropic 毛利率 ~40%，刚实现首个盈利季度。开源模型性能已追平闭源。65% 的 VC 投进模型层——但这是最大的价值摧毁者。
推理成本 — Jevons 悖论：Token 降 1,000x，总支出涨 320%
Token 价格年降 10-1,000x。但企业 AI 总支出涨 320%。企业 AI 推理占预算的 85%。便宜→用更多→总支出上升。利润改善不来自成本降低，来自成本降低速度 > 价格降低速度。开源免费模型让这个前提不成立。
AI 工程工具 — MLOps + 向量数据库 + Agent 框架
向量数据库市场 $23.7 亿（2025）→ $127 亿（2034）。Pinecone（全托管）/ Milvus（开源）/ Weaviate。LangChain/LangGraph 2026 年初生产部署量超越 AutoGen。CrewAI 多 Agent 角色编排工具。这一层是"卖铲子给挖金子的"——毛利率高但总市场规模有限。
应用生态 — 谁在真正挣钱？
AI SaaS 平均毛利率 52%（ICONIQ 2026），传统 SaaS 是 80-90%。推理成本是真实的 COGS——每次服务都产生边际成本。客服 AI 和法律 AI 验证了 ROI；AI 编码全行业负毛利；ToC 被平台 AI 系统性挤压。
AI 编码 — Copilot 份额暴跌 67%→51%，全行业负毛利
Cursor $1M→$2B ARR 仅 24 个月；Claude Code 3%→18% 6x 增长；Cognition (Devin) $37M→$492M 12 月 13x。但 Copilot 原 $10/月每用户月亏 $20+→改 $32-96/月。45% AI 代码含漏洞，2.74x 人类代码漏洞率。
AI 生产力 — Microsoft $72 亿 Copilot，4.4% 渗透率
2,000 万坐席。每 +1% 渗透 = ~$16 亿 ARR。Canva $35-40 亿，Notion $6 亿。Grammarly $7 亿增长归零——AI 写作商品化。FTC 2026.6 扩大 Microsoft 捆绑调查。
客服 AI — Agentforce $5 亿 ARR（仅一年），ROI 7x
AI 解决 $0.99-2.00/次 vs 人工 $6-12/次。Zendesk AI $2 亿→目标 $5 亿。但 Gartner：40% Agentic AI 项目 2027 年前取消——可靠性不够。88% 投产前失败。
法律 AI — Harvey $300M ARR，69% 律师在用 AI
数据飞轮不可复制：越多律师用→越多判例训练→越好→越多律师用。EU AI Act 高风险义务 2026.8.2 生效——仅几周后。43% 律所无 AI 政策。Harvey $11B 估值/$300M ARR = 37x。
AI 营销 + 安全 — Gong $5 亿+，Wiz $320 亿被 Google 收购
AI 营销 TAM $580 亿→$2,406 亿（32.9% CAGR）。Wiz 史上最大网安交易。CrowdStrike AI 使用量 +85%。
消费者应用 — ChatGPT 9 亿周活，但毛利率 33% 且下滑
ChatGPT 9 亿周活、80.92% 份额、$250 亿收入——但毛利率 33%（从 40% 下滑）、运营利润率 -55%。Midjourney Top 10→#46 被平台 AI 挤压。Perplexity DAU 暴跌 65%。Character.AI D30 留存仅 13-18%。Chegg 99% 市值蒸发。
Agent 与自动化 — $76 亿市场，44-50% CAGR
AI Agent 市场 $76-79 亿（2025）→ $109-120 亿（2026）→ $1,829 亿（2033）。31% 企业跑着至少一个 Agent。核心瓶颈是可靠性——串联 5 步每步 90% 成功率→最终 59%。