AI产业链：盈利模式与宏观含义

AI 产业不是一个均质的整体。上游算力、中游模型、下游应用的盈利模式、竞争格局与宏观敏感性截然不同。把这三条链混在一起看，是 AI 投资最常见的错误。

一句话定义

AI 产业链 = 上游芯片/硬件 → 中游基础模型/API → 下游应用/垂直解决方案，三层盈利模式与估值逻辑各异。

产业链全景图

芯片/硬件（GPU/CPU/存储）
  ↓ 销售设备或云端算力
基础模型（LLM/VLM/多模态）
  ↓ API调用或订阅收费
应用/垂直方案（Agent/ Copilot/行业SaaS）
  ↓ 企业/用户付费
终端用户

三层盈利模式对比

上游：芯片与硬件（暴利层）

维度	内容
核心公司	英伟达、AMD、博通、SK海力士、美光
盈利模式	芯片销售（暴利）、云端算力租赁
毛利率	芯片 60–75%，云端算力 40–60%
周期属性	强（CapEx 驱动，波动大）
宏观敏感点	利率（融资成本）、企业 CapEx 意愿、出口管制
估值	EV/EBITDA、产能利用率

关键指标：英伟达数据中心收入环比增速、产能利用率、芯片平均售价（ASP）。

宏观含义：上游是 AI 资本开支的”卖水人”，无论哪家模型胜出都需要芯片。上游收入暴增往往预示中下游应用还未充分商业化（资本开支前置）。

中游：基础模型（烧钱层）

维度	内容
核心公司	OpenAI、Anthropic、Google DeepMind、Meta AI
盈利模式	API 调用收费、订阅、企业定制
毛利率	负到 40%（推理成本高，训练成本极高）
周期属性	弱（收入增速快但仍未盈利）
宏观敏感点	能源价格（算力成本）、政策（牌照、数据限制）
估值	P/S、EV/User（早期）；等待转 P/E 时点

关键指标：API 调用量、月活用户、模型推理成本下降曲线。

宏观含义：中游当前是”价值消耗者”而非”价值创造者”——高额训练成本使盈利时间表不清晰。宏观投资者应关注推理成本下降速度（规模化临界点）以及价格战信号。

下游：应用与垂直方案（分散层）

维度	内容
核心公司	微软 Copilot、Salesforce AI、ServiceNow、Adobe AI、各行业 SaaS
盈利模式	SaaS 订阅提价、效率提升转化为收入增长
毛利率	60–80%（成熟 SaaS 水平）
周期属性	中（依赖企业 IT 预算，经济不好可能被延迟）
宏观敏感点	企业盈利、劳动力成本（AI 替代经济性）、监管
估值	NTM PE、PEG、SaaS 评分 EV/NTM Revenue

关键指标：AI 功能付费转化率、客户留存率（AI 功能是否形成粘性）。

宏观含义：下游应用是最接近”AI 颠覆传统行业”叙事的层面，但也是竞争最激烈、护城河最难评估的层。垂直应用（医疗、法律、金融）的付费意愿强于通用场景。

宏观跟踪框架

领先、同步、滞后指标

指标	含义	对应层级
超大规模云厂商 CapEx	资本开支前瞻	全产业链
英伟达数据中心收入	算力需求强度	上游
API 调用量月度数据	中游使用活跃度	中游
SaaS 公司 AI 功能 ARR	商业化兑现	下游
企业 AI 项目预算调研	需求意愿	下游

周期位置判断

CapEx 暴增 + 中游收入低 + 应用未起 → 资本开支过热（顶部预警）
CapEx 减速 + 中游 ARPU 升 + 应用付费率↑ → 商业化深化（健康增长）

与其他宏观因子的关联

• 利率：中游和下游对利率更敏感（长期成长属性）；上游偏周期属性
• 信用：企业信用环境决定 IT 预算，影响下游应用付费能力
• 就业：AI 替代叙事影响工资进而影响下游付费意愿
• 能源：算力消耗使能源成为中上游共同的成本压力

常见误读

• 把英伟达涨幅当 AI 行情：英伟达是资本开支层，不代表应用商业化
• 认为 AI 必然带来中游盈利：模型层竞争激烈，价格战可能压低毛利
• 忽视算力瓶颈：若 GPU 供给受限，整个产业链节奏被打乱