智能经济：系统理解AI产业链.pdf

AI产业正从"单点算力竞赛"转向"系统级协同"，核心矛盾从"能否获得更多算力"转向"算力能否被低成本、稳定、规模化交付并形成可验证的商业回报"。华泰证券此篇固收深度研究尝试拆解AI产业链五层架构，系统梳理各层运行机制与传导关系。

研究框架与核心结论

报告以英伟达"五层蛋糕"为分析框架，将AI产业链划分为能源与基础设施、芯片、基础设施、模型、应用五个层级。2023-2025年"算力短缺"有效解释行情与利润分布，但2026年以来瓶颈扩散至能源基础设施供给及下游商业化路径，需系统统筹。

能源与基础设施层

全球数据中心需求量预计从2025年82GW增至2030年219GW，但建设严重滞后：电网并网中位时间超5年、熟练工人结构性缺口、审批流程翻倍、社区反对规模化。物理约束导致数据中心延期，但以时间换空间，反而强化头部云厂商护城河，推动价值向供配电、散热冷却、能源金属扩散。燃气轮机等表后发电方案面临产能瓶颈，芯片能效比提升或是更高效的解决路径。

芯片层

推理取代训练成为算力增长极，催生三重范式转换：通用GPU→AI异构平台、单卡算力→以存代算、海外主导→国产加速。ASIC在推理端抢占GPU份额，CPU配比显著提升，HBM需求爆发但受制于CoWoS产能。国产芯片凭超节点技术以系统创新抵消单卡代差，但先进制程、HBM供应链、软件生态仍是瓶颈。芯片层趋势本质是下游需求结构变化传导结果，需动态跟踪。

模型层

模型需在性能、速度、价格不可能三角权衡，分层与路由成为必然。Scaling Law仍有效，基础模型将基础设施化。中国厂商凭开源生态、架构创新、低能源成本获得性价比优势，Openrouter数据显示其token调用量已超美国同行。但同质化竞争导致纯模型业务难获超额回报，破局思路为向上下游延伸掌握更多价值链环节。

应用层

当前AI链主要赚云厂商资本开支的钱，终端收入覆盖上游投入是可持续性关键。据测算2030年应用端需年产生10万亿美元级稳态收入。Token增长=任务复杂度×持续时长×并发规模，三因子均有数量级提升空间。Agent、AI for Science、Physical AI等场景切换将驱动指数级需求，但技术进步与组织调整、基础设施投资的节奏错配会产生摩擦成本。

投资策略与风险提示

中上游溢价权有望保持相当长时期，宜用胜率思维；模型与应用层仍在风险投资阶段，宜用赔率思维。短期关注资金面去杠杆、应用收入增速、云厂商债务风险、存储周期见顶等扰动；中长期竞争格局与商业壁垒比技术领先度更重要。终局图景是搭建完备的硅基世界，但想象空间的兑现需回归商业逻辑与收入验证。