从 GPU 到实体经济：AI 下一轮产业链周期推演

观察日期：2026 年 6 月 30 日。

上一轮 AI 周期，市场最容易看到的是 GPU、模型公司、云厂商和 AI 应用。

这一轮 AI 周期，真正开始被重新定价的是更底层的东西：HBM、DRAM、NAND、企业 SSD、先进封装、光模块、交换机、电力、冷却、变压器、数据中心土地和长期债务融资。

如果再往下一轮推演，我认为 AI 的扩散会更彻底：它不会停在“数据中心里更强的模型”，而会进入工厂、机器人、汽车、医疗、能源系统、边缘设备、企业流程和个人硬件。换句话说，AI 的产业链正在从 digital economy 进入 physical economy。

我的核心判断是：

上一轮 AI 是算力周期，这一轮 AI 是基础设施周期，下一轮 AI 会是实体产业重构周期。

先说明事实边界：本文基于 2026 年 6 月底公开信息做产业链推演，参考了 Micron、JEDEC、IEA、McKinsey、Axios、AP、The Guardian、Tom's Hardware 等公开资料和报道。文章中的“下一轮”不是确定预测，而是根据资本开支、供应链瓶颈和技术扩散方向做出的情景分析。

一、上一轮：GPU、云和模型公司的算力周期

2023 到 2025 年，AI 最显眼的主线是“谁拥有最强算力，谁就拥有模型竞争资格”。

这一轮的上游，主要是半导体设计、EDA、晶圆制造、先进制程、先进封装、HBM、ABF 载板、服务器 PCB、光模块、散热和电源模块。

这一轮的中游，是 AI 加速卡、AI 服务器、InfiniBand/Ethernet 网络、云数据中心、模型训练平台、推理平台和基础模型公司。

这一轮的下游，是 AI 搜索、AI Coding、办公助手、客服、营销素材、知识库、教育工具、设计工具、视频生成、Agent 工作流和企业软件集成。

这一轮的特点很鲜明：

第一，赢家高度集中。NVIDIA、Microsoft、Google、Amazon、Meta、OpenAI、Anthropic 等公司占据了市场叙事中心。原因不是它们只会讲故事，而是它们掌握了算力、资本、客户和分发入口。

第二，供应链最紧的是 GPU。市场讨论几乎围绕 NVIDIA 交付、Blackwell、Hopper、算力租赁、云 GPU 价格和模型训练成本展开。

第三，应用层还在试错。很多 AI 应用增长很快，但商业模式并不稳定。用户愿意试用，不代表企业长期愿意为每个座席、每个 token、每个 Agent 付高价。

第四，资本市场把“模型能力进步”提前定价。只要模型 benchmark 继续提升，市场就愿意相信未来收入会覆盖今天的资本开支。

这就是上一轮的本质：先把大脑造出来，再相信大脑会找到足够多的工作。

它带动的是典型的“卖铲子”产业：GPU、云、服务器、光模块、先进封装、数据中心建设、模型 API 和第一批 AI 应用。

二、这一轮：AI 基础设施开始从 GPU 扩散到完整系统

2026 年的变化在于，市场开始意识到 GPU 只是 AI 工厂的一部分。

一个真正可运行的 AI 工厂，至少需要九层东西。

第一层是芯片：GPU、ASIC、TPU、自研加速器、DPU、SmartNIC。

第二层是内存：HBM、DRAM、CXL 内存扩展、KV cache 管理。

第三层是存储：企业 SSD、NAND、近线 HDD、对象存储、归档系统。

第四层是网络：光模块、交换机、光纤、硅光、网络操作系统。

第五层是电力：变压器、开关设备、UPS、PDU、电网接入、备用电源。

第六层是冷却：液冷、冷板、CDU、浸没式冷却、冷却塔、热管理软件。

第七层是土地和建筑：数据中心园区、机房、施工、钢铁、水泥、机电工程。

第八层是调度软件：训练平台、推理路由、容器、集群调度、监控、成本优化。

第九层是金融结构：长期债务、云承诺合同、售后回租、PPA 电力协议、设备融资。

这九层合起来，才是这一轮 AI 的真正产业链。

所以这一轮不再只是“买 NVIDIA 股票”的故事，而是一个更宽的基础设施故事。Micron、SK hynix、Samsung、TSMC、ASML、Broadcom、Marvell、Arista、Vertiv、Schneider Electric、Eaton、Supermicro、Dell、Western Digital、Seagate、Corning、Constellation Energy、GE Vernova 这类公司，都会以不同方式被 AI 基建重新定价。

更重要的是，这一轮的瓶颈开始从“单点缺 GPU”变成“多点同时紧”。

HBM 紧，先进封装紧，数据中心电力紧，变压器交付周期长，冷却方案要改，NAND 和企业 SSD 开始被云厂商长单锁定，HDD 因冷数据增长重新获得关注。IEA 对数据中心电力需求的预测、McKinsey 对全球数据中心容量增长的测算、Goldman Sachs 对 AI 进入 physical economy 的讨论，本质上都在讲同一件事：AI 已经从软件叙事变成物理建设。

这一轮的核心不是“模型能不能更聪明”，而是“基础设施能不能跟得上模型变聪明的速度”。

The Guardian 6 月 29 日对全球芯片股的梳理也能说明这种资金迁移：市场开始把注意力从纯软件叙事转向 memory、storage、semiconductor infrastructure。AP 同日关于 Samsung 与 SK hynix 在韩国新建大规模芯片制造枢纽的报道，则进一步说明 AI 需求已经上升到国家级半导体产能规划层面。

三、上游：真正吃到第一波确定性的是资源、设备和关键零部件

上游最重要的变化，是 AI 把很多过去低调的行业推到了前台。

第一类是半导体设备和材料。

先进制程、先进封装、HBM、CoWoS、SoIC、硅中介层、ABF 载板、光刻、刻蚀、沉积、检测、化学材料、特种气体，全都被 AI 芯片需求放大。这里的特点是技术门槛高、验证周期长、客户集中。它不是普通制造扩产，而是高良率、高一致性、高资本开支的系统能力。

第二类是内存和存储。

HBM 决定 AI 加速器能否吃满数据，DRAM 决定服务器和推理状态管理，企业 SSD 决定热数据吞吐，HDD 和对象存储决定冷数据成本。上一轮大家盯 GPU，这一轮开始明白：没有记忆系统，算力就会被饿住。

第三类是电力设备。

变压器、开关柜、UPS、PDU、母线槽、继电保护、电缆、铜、铝、配电自动化，会成为 AI 数据中心的隐性瓶颈。很多电力设备不性感，但它们决定一个园区能不能通电，能不能稳定运行，能不能扩容。

第四类是能源和电网。

AI 数据中心需要稳定、低碳、可长期签约的电力。天然气、电网升级、核电、可再生能源、储能、PPA、备用电源都会被重新纳入科技公司的战略地图。未来云厂商竞争，可能不只是比 GPU 数量，还要比谁能拿到更便宜、更稳定、更合规的长期电力。

第五类是热管理和基础材料。

液冷、冷板、泵、阀、管路、换热器、冷却液、机柜、钢结构、建筑机电、消防系统，都会从“数据中心配套”变成 AI 基建核心能力。高密度机柜不是把机器堆进去就行，热怎么带走，可靠性怎么保证，是硬问题。

上游的共同特点是：确定性强，但弹性不一定最大。因为这些行业很多有产能周期、认证周期和资本开支约束，短期涨价容易，长期扩产也会带来新周期。

四、中游：AI 工厂、云平台和数据中心运营商成为产业枢纽

中游是这一轮最复杂的位置。

它一边承接上游硬件、电力、土地、冷却和融资，一边把这些东西包装成下游可用的 AI 服务。

这里包括云厂商、模型公司、数据中心运营商、AI 服务器厂商、网络设备厂商、集群调度软件、MLOps 平台、推理平台、API 网关、企业 AI 平台和算力租赁公司。

中游的核心能力不再只是“买到 GPU”。

第一，要会规划资本开支。AI 数据中心建设动辄几十亿、上百亿美元，错误投资会变成长期折旧压力。谁能判断训练、推理、视频生成、Agent、企业私有化的需求比例，谁就更可能建对基础设施。

第二，要会调度异构算力。未来不会只有 NVIDIA GPU，还会有 AMD、Google TPU、Amazon Trainium、Microsoft Maia、定制 ASIC、边缘 NPU 和国产 AI 芯片。中游平台要把不同芯片、不同模型、不同价格、不同延迟组合起来。

第三，要会做成本工程。推理时代的竞争不是“最强模型全量服务所有请求”，而是路由：简单任务走便宜模型，复杂任务走强模型，长任务走可控 Agent，敏感任务走私有化或本地模型。

第四，要会治理风险。AI Agent 调工具、读企业数据、改代码、调系统、做安全分析，都会带来审计、权限、日志、合规和事故响应需求。未来企业买的不是一个聊天框，而是一套可治理的智能系统。

中游最可能出现分化。

头部云厂商有资金、客户、芯片、生态和分发入口，会继续变强。二线算力平台如果只靠转租 GPU，很容易被价格波动和折旧压垮。模型公司如果没有自己的分发入口和成本控制能力，也会被云平台和开源模型两头挤压。

所以中游的胜负，不在于短期谁喊得响，而在于谁能把重资产变成稳定现金流。

五、下游：AI 应用正在从 Demo 走向真实行业工作流

下游最早爆发的是 AI Coding、办公助手、客服、营销素材、图片视频生成和知识库。

但这些只是第一层。

真正值得看的是 AI 进入行业工作流之后，会带动哪些新产业。

第一类是软件开发和 IT 运维。

Codex、Claude Code、Cursor、GitHub Copilot、企业 DevOps Agent，会持续重塑研发流程。下游受益的不只是 IDE 和代码助手，还包括测试平台、代码审计、安全扫描、日志分析、事故响应、云成本优化和企业内部工具生成。

第二类是内容和媒体。

视频生成、广告素材、游戏资产、虚拟人、短剧、教育内容、产品图、直播脚本，会改变内容生产链。真正的机会不只是生成模型，而是版权、素材管理、审核、分发、A/B 测试和品牌安全。

第三类是金融、法律、咨询和企业服务。

这些行业有大量文本、表格、合同、报告、研究、审计和合规流程。AI 能提高效率，但也会制造新的风险控制、可追溯、权限管理和责任边界需求。

第四类是医疗和生命科学。

AI 医疗影像、药物发现、临床文档、病理分析、患者管理、实验自动化，会带动专业数据、隐私计算、医疗合规、实验室自动化和高性能存储。

第五类是制造和工业。

工业 AI 不只是把模型接进工厂，而是把质检、排产、设备维护、能耗优化、仿真、机器人控制、供应链预测连起来。这里的价值非常大，但落地更慢，因为它要求模型、传感器、工业软件、现场设备和安全责任一起工作。

第六类是个人设备和消费电子。

AI PC、AI 手机、智能眼镜、端侧模型、可穿戴设备、家庭机器人，会把内存、存储、电池、传感器、麦克风、摄像头和端侧芯片重新定价。Apple Mac 和 iPad 涨价只是早期信号：AI 成本会逐渐进入普通消费者的硬件账单。

下游的特点是：空间最大，但不确定性也最大。很多应用会死，少数应用会变成新的入口。真正能留下来的，不是“套壳聊天”，而是把 AI 嵌入真实流程、承担真实责任、产生真实 ROI 的系统。

六、这一轮最容易被低估的行业

第一，电网和电力设备。

AI 数据中心不是买了 GPU 就能开机。电网接入、变压器、开关设备、备用电源、PPA、电力调度，是 AI 基建最硬的物理约束。未来科技公司会越来越像能源大客户，电力资源会成为 AI 竞争的一部分。

第二，冷却和热管理。

高密度 AI 机柜让传统风冷越来越吃力。液冷不只是一个配件升级，而是数据中心设计范式变化。谁能把液冷做成可靠、可维护、可规模化的系统，谁就会吃到长期需求。

第三，企业存储和数据治理。

模型会越来越强，但企业真正缺的是干净、可用、可授权、可追溯的数据。未来 AI 项目的瓶颈经常不是模型能力，而是数据混乱、权限不清、日志不可审计、知识库不可维护。

第四，评测和安全。

AI 从聊天进入 Agent 后，需要持续评测、红队、权限控制、输出审计、模型路由和事故上报。评测不再是发布前跑一次 benchmark，而是长期工程系统。

第五，工业传感器和边缘设备。

AI 要进入真实世界，就必须通过摄像头、雷达、麦克风、传感器、PLC、机器人、车载系统和边缘计算节点感知现场。实体世界的数据采集能力，会成为下一轮 AI 的入口。

七、下一轮：哪些产业可能被带起来

我认为下一轮 AI 周期会沿着五条线扩散。

第一条线是机器人和具身智能。

机器人不是单独一个行业，而是电机、减速器、传感器、控制器、视觉、力控、电池、边缘芯片、仿真软件、训练数据、云端调度和安全认证的组合。模型能力越强，机器人越有可能从展示样机进入仓储、工厂、商用清洁、巡检、医疗辅助和家庭场景。

第二条线是工业软件和仿真。

AI 进入制造业，不会只靠一个聊天框。它需要 CAD、CAE、PLM、MES、SCADA、数字孪生、排产、质检和设备维护系统一起升级。下一轮真正值钱的工业 AI，可能是把模型嵌进生产系统，而不是给工厂做一个问答助手。

第三条线是能源系统。

AI 一边消耗电力，一边也会优化电网、储能、发电预测、负荷调度、设备维护和能源交易。数据中心需求会先推高能源投资，随后 AI 又会反过来提高能源系统效率。这条线会带动电力设备、储能、燃气轮机、核电、小型模块化反应堆、可再生能源和电网软件。

第四条线是 AI 原生终端。

AI 手机、AI PC、智能眼镜、耳机、车载座舱、家庭中枢，会让端侧模型和云端模型重新分工。端侧设备会更看重内存、存储、NPU、隐私、安全、续航和传感器。消费电子不会只是“更贵”，也会重新定义交互入口。

第五条线是企业 AI 操作系统。

企业最终需要的不是一堆零散模型，而是权限、知识库、工作流、Agent、审计、成本、评测、模型路由、数据连接器和安全策略的统一系统。谁能把 AI 从工具变成企业操作层，谁就可能吃到下一轮软件红利。

这五条线的共同点是：它们都更靠近真实世界，也更难做。下一轮 AI 不再只是“生成答案”，而是“改变流程、控制设备、优化资源、承担责任”。

八、乐观、悲观、客观三种推演

乐观看，AI 基础设施的扩张会像过去的铁路、电网、互联网和云计算一样，先看起来昂贵，后来变成全社会生产率提升的底座。上游硬件扩产，中游平台降本，下游应用成熟，最终 AI 成本下降，工业、医疗、教育、能源、科研和个人生产力都受益。

在这个情景里，今天的 GPU、HBM、电力、冷却、存储投资不是泡沫，而是新基础设施建设。

悲观看，这一轮可能把过多资本提前砸进还没完全验证的需求里。模型能力继续进步，但企业 ROI 没有跟上；数据中心建得太快，电力和折旧压力变大；中小玩家被融资成本和硬件周期压垮；消费端先承担涨价，却没有同步获得足够好的 AI 体验。

在这个情景里，AI 不是没有价值，而是资本开支节奏跑在真实收入前面，最后由股东、债券投资者、云客户和消费者共同买单。

客观看，最可能发生的是结构性分化。

AI 基础设施会继续扩张，但不是所有环节都长期高景气。HBM、先进封装、电力设备、液冷、企业数据治理、工业 AI 和机器人会有更强结构性机会；普通算力转租、同质化模型、套壳应用、低端存储和没有客户绑定的产能，可能会在周期反转时承压。

所以真正要看的不是“AI 还热不热”，而是每个行业在产业链里的位置：它是瓶颈，还是替代品？它有定价权，还是只是被动扩产？它绑定长期客户，还是靠短期现货价格？它能进入真实工作流，还是只停留在 Demo？

我的核心观点：下一轮赢家不一定最像互联网公司

过去十年，最好的科技公司往往是轻资产平台：软件、广告、社交、电商、云服务、订阅。

AI 正在把这个逻辑部分反过来。

下一轮赢家可能越来越像混合物：一部分像软件公司，一部分像半导体公司，一部分像电力公司，一部分像工业公司，一部分像金融公司。

因为 AI 的真实竞争不只是模型参数，而是“模型 + 算力 + 内存 + 存储 + 电力 + 冷却 + 数据 + 资本 + 行业流程”的整体组织能力。

这也是我最想强调的判断：

AI 下一轮不会只奖励会写模型的人，也会奖励那些能把 AI 接进真实世界的人。

上一轮，市场买的是“谁能训练最强模型”。

这一轮，市场买的是“谁能建出足够大的 AI 工厂”。

下一轮，市场会开始买“谁能让 AI 在真实行业里稳定赚钱”。

这中间的产业链会非常长：半导体设备、HBM、NAND、HDD、光模块、服务器、电力设备、液冷、数据中心、云平台、模型路由、企业数据治理、工业软件、机器人、传感器、能源系统、AI 终端、医疗和金融工作流。

如果用一句话总结：

AI 的第一阶段是 intelligence，第二阶段是 infrastructure，第三阶段是 industrialization。

现在我们正站在第二阶段向第三阶段过渡的位置。

真正的大机会，也真正的风险，都在这里。

文章摘要

上一轮 AI 周期主要带动 GPU、云、模型公司、AI 服务器、光模块和第一批 AI 应用。
这一轮 AI 周期开始扩散到 HBM、DRAM、NAND、企业 SSD、HDD、电力、冷却、数据中心建设和长期融资。
上游最受益的是半导体设备材料、内存存储、电力设备、能源、电网、冷却和基础材料。
中游核心是云厂商、数据中心运营商、模型平台、AI 服务器、网络设备和推理调度系统。
下游机会会从 AI Coding、办公、内容生成，扩展到金融、医疗、制造、工业软件、机器人和 AI 原生终端。
下一轮重点可能是机器人、工业软件、能源系统、AI 终端和企业 AI 操作系统。
核心判断：AI 第一阶段是智能，第二阶段是基础设施，第三阶段会是产业工业化。