层一 半导体硬件 —— 算力的物理基础
硬件层是当前 AI 利润池的核心。NVIDIA 捕获每 $1 超大规模 AI 硬件开支的 41.5 美分,台积电、ASML、SK 海力士都在真实盈利。这一层的护城河来自物理定律和数十年研发积累,而非商业模式创新。
先进封装(CoWoS)—— 谁控制封装,谁控制 AI 芯片供应
台积电在先进封装上的垄断不亚于先进制程。"先进封装——不是硅制造——现在是 AI 芯片供应的约束瓶颈。" CoWoS→CoPoS 路线图清晰,十年内无替代。
NVIDIA —— 捕获超大规模开支的 41.5%
当前 AI 利润池的绝对核心——护城河不在硬件,在 CUDA 生态。AMD 有竞争硬件(Instinct 5-8% 份额)但没有匹配的软件栈。CUDA 生态的迁移成本让 NVIDIA 有 5-10 年安全边际。最大风险不是竞争对手,是推理从 GPU 向专用 ASIC 转移。
HBM 内存 —— SK 海力士 62% 份额,工艺路线决定胜负
SK 海力士领先的核心是 MR-MUF 工艺(一次性回流+底胶)vs 三星 TC-NCF(逐层热压)——MR-MUF 结温低 14°C。在 HBM 这种热约束极严格的产品里,温差决定良率和可靠性。2030 年后技术迭代(HBM4→HBM5)可能重新洗牌。
ASML 光刻机 —— 100% EUV,整个产业链最深的护城河
三个壁垒叠加:(1) EUV 光源(Cymer 独有,30 年研发);(2) 光学系统(Zeiss 独供,原子级精度);(3) 生态锁定——台积电/三星/Intel 完全依赖。EUV→High-NA→Hyper-NA,每一代壁垒更深。
EDA —— 芯片设计的"编译器",30 年零切换案例
护城河来源是 PDK 锁定——台积电 OIP 认证 EDA 工具为唯一合法设计入口。切换 EDA = 重新验证所有设计规则。Synopsys 2025 年以 $350 亿收购 Ansys——设计复杂度持续上升 = EDA 需求只增不减。
台积电 —— 年 1,700 万片晶圆,3nm 扩至 18 万片/月
工艺壁垒不是钱的问题——"工艺配方——沉积、刻蚀、掺杂、量测的精确顺序——不只是资金问题。" FinFlex 三种 fin 配置混用的设计灵活性是三星 GAA 拿不到高通/苹果订单的根因。核心先进产能仍在台湾——地缘风险是最大不确定性。
DRAM / NAND —— 三星份额最大,SK 海力士利润最高
SK 海力士首次在营业利润上超越三星——AI 内存(HBM)驱动。存储芯片是"逆周期投资"游戏——下行周期里有钱扩产的公司上行周期收割份额。NAND 技术迭代速度快于 DRAM,壁垒相对更低。
光模块 + 交换机 —— 800G 翻倍,1.6T 上量
Ethernet 正在从 InfiniBand 手中夺回 AI 数据中心的主流地位——NVIDIA 在 GTC 2025.3 承认这一趋势。白盒交换机市场 $32-35 亿。护城河来自物理层(SerDes 设计)和生态(交换机 OS),但 Ethernet 标准化降低硬件差异化。
层二 AI 基础设施与平台 —— 算力的"房东"
这一层是当前 AI 行业最大的"价值摧毁者"——模型提供商 $250 亿+ 收入但亏损 $140 亿+/年。云平台在盈利,但利润正在被模型层的亏损和推理成本暴涨侵蚀。
云平台 —— AWS $376 亿/季,但 Google Cloud +63% 在追赶
AI 工作负载在云端的增长极快——Amazon Bedrock Q1 2026 API 调用量 = 2025 全年的 3 倍。GPU 云(CoreWeave $51 亿收入)面临两头挤压:NVIDIA 定价权 + 客户议价权。
模型层 —— $250 亿收入,$140 亿亏损
OpenAI 毛利率从 2024 年 40%→2025 年 33%,2026 年亏损 ~$140 亿,2030 年前无盈利预期。Anthropic 毛利率需从 40%→77%(2028 年目标)——史上最激进的利润率扩张预期。开源模型(DeepSeek/Llama/Mistral)性能已追平闭源——如果性能趋同,闭源模型的溢价理由被彻底削弱。
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%(2025)。AI 推理占企业 AI 预算的 85%。不是单价贵——是用量暴增。Jevons 效应:便宜→用更多→总支出上升。模型提供商的利润改善不来自"成本降低",来自"成本降低速度快于价格降低速度"。如果开源免费模型存在,这个前提不成立。
层三 AI 应用 —— 谁在真正挣钱?
AI SaaS 平均毛利率 52%(ICONIQ 2026),传统 SaaS 是 80-90%。这不是过渡现象——每次 AI 服务都有推理成本,毛利结构性地低于纯软件。整个应用层当前只有客服 AI、法律 AI 和少数垂直赛道跑通了可持续的经济学。
AI 编码工具 —— $20 亿 ARR,全行业负毛利
全行业负毛利:Copilot 原 $10/月→每用户月亏 $20+。Cursor 2025 年负毛利。2026.6 Copilot 改 $32-$96/月——不是贪婪,是生存。安全风险:45% AI 生成代码含 OWASP 漏洞,2.74x 人类代码漏洞率。一次重大事故就能冻结企业采购。
AI 嵌入生产力 —— Microsoft $72 亿 Copilot,4.4% 渗透率
FTC 2026.6 扩大对 Microsoft 捆绑调查——如果强制解绑,独立玩家获得巨大机会。如果放行,Microsoft 在 4.4% 渗透率上每 +1% 增加 ~$16 亿 ARR。Grammarly 是品类的预警信号:任何靠"AI 功能"差异化的独立工具,最终都会变成平台 AI 的功能。
客服 AI —— Agentforce $5 亿 ARR(仅一年),ROI 7x
ROI 最清晰的应用赛道——AI 解决成本仅为人工的 1/7。但 Gartner:40% Agentic AI 项目 2027 年前取消——可靠性不够,88% 投产前就失败了。护城河不在模型,在跟 CRM 工作流的深度集成。
法律 AI —— Harvey $300M ARR,69% 律师在用 AI
垂直 AI 中护城河最深的赛道——数据飞轮不可复制。但 EU AI Act 高风险义务 2026.8.2 全面生效(仅几周后),最高 7% 全球营收罚款。43% 律所没有任何 AI 政策——巨大的合规敞口。Harvey $11B 估值/$300M ARR = 37x 倍数,定价充备。
AI 视频 / 营销 / 安全 / ToC
ToC 赛道的共同问题:ChatGPT 的 9 亿周活正在系统性挤压所有独立 AI 工具——Midjourney Top 10→#46,Perplexity DAU 暴跌 65%。只有重度用户积累的迁移成本(Midjourney 的 prompt 历史)能和平台 AI 对抗。
横向 贯穿全链的约束条件
电网 —— 替代 GPU 成为第一瓶颈
PJM 预测数据中心拉动 30GW 峰值负荷增长(2024-2030)。ERCOT Q1 2026 单季 198GW 并网申请——86GW 在审 = 当前峰值负荷。GPU 集群 2 年建好,高压输电线需 10 年。到 2030 年,推理占 AI 能源消耗的 75%。
出口管制 + 监管 —— EU AI Act 2026.8.2 生效
美国 BIS 出口管制四年持续升级(2022.10→2023.10→2024.4→2025.4)。CHIPS Act 20 项拨款 $337 亿。EU AI Act 高风险义务 2026.8.2 全面生效——仅几周后。最高罚款 7% 全球年营收。中国视角:NVIDIA 中国份额 95%→55%,华为昇腾目标 50% 国内份额。
投资总结
利润池转移趋势
现在的钱在硬件层:NVIDIA 捕获每 $1 的 41.5 美分。台积电、ASML、SK 海力士都是利润机器。
未来的钱可能转移到应用层:模型性能趋同 + 推理成本趋零 → 差异化从"模型能力"转向"产品 + 工作流 + 数据飞轮"。但当前应用层几乎全线亏损——只有客服 AI(ROI 驱动)和法律 AI(数据飞轮)验证了可持续经济学。
泡沫破裂后谁能活下来
标准:护城河深度 + 利润为正(或接近回正)+ 不依赖融资续命。