AI产业链深度剖析：三年疯狂后的博弈与2026年新变局

自2022年末ChatGPT横空出世以来，三年间AI热潮席卷了从算力芯片、存储设备、网络通信、制造代工、电力基建，到软件应用乃至边缘终端的每一个细分赛道，各路资本轮番炒作，热度空前。

然而，当时间来到三周年的节点，尽管AI基建的领军企业在三季度财报前后纷纷宣布了史无前例的AI基础设施投资计划，市场却突然陷入迷茫，开始担忧AI投资是否已泡沫化。

产业链上，既有赚得盆满钵满的赢家，也有亏到疯狂融资的输家，问题究竟出在哪里？眼花缭乱的融资背后又隐藏着怎样的逻辑？

本篇，海豚君将透过产业链核心公司的财报，深入剖析这些问题，并试图解答：AI投资是否真的步入泡沫阶段？如果泡沫存在，其根源又在哪里？

一、融资乱象背后：产业链利润分配的严重扭曲

下面这张广为流传的图，其实忽略了一个关键角色：整个产业链的最终用户——OpenAI等模型厂商，它们的收入规模相较于庞大的投入显得微不足道，因而未能在图中体现。

但这张图的核心信息，其实揭示了一个古老的商业现象：下游客户通过上游供应链的资金来为自己融资，即所谓的供应链融资。

与此同时，一级市场的模型巨头们进行供应链融资的同时，二级市场的应用巨头们也开始普遍采用表内、表外债券融资的方式（详细分析见此处）

但问题在于，为何芯片巨头英伟达赚得盆满钵满、市场高呼AI是新一轮技术革命的同时，AI拓荒者OpenAI却需要布下如此庞大的融资棋局？为何原本现金流充裕的谷歌、Meta等美股巨头，如今也需依赖债务来支撑未来发展？

答案其实很简单：AI产业初期，产业链利润分配严重不均，上游企业几乎攫取了绝大部分超额利润。

AI主产业链主要由五类玩家构成：晶圆代工（台积电）——算力商（英伟达）——云服务商（微软）——模型商（OpenAI）——终端场景应用。这五层共同分食产业利润。

1.1）从云服务商的经济账说起：到底谁赚了红利、谁赚了吆喝、谁担了风险？

A. 云服务商们的经济账：100元收入分布——55元成本、10元运营开支，35元利润；

下面，海豚君通过一本简单的产业链经济账，带大家直观感受这场三年AI繁荣的真相。我们知道，云服务是一个既重资金壁垒，又重技术壁垒的行业。它的前半部分如同盖房子，需要完成机房建设、机柜布线、冷却系统等硬装环节。

软装部分则是部署GPU、CPU，并确保GPU内部及之间的高速连接，再加上网络、带宽和电力供应，软装基本完成。这些要素组合起来，再通过技术人员赋予“灵魂”，便构成了基础的IaaS服务。

从以上要素不难看出，云服务虽然听起来高大上，但本质上仍未摆脱运营商生意的范畴——将各种重资产与技术组合，通过租赁服务赚钱。

这个生意的核心在于成本控制：例如，成本最高的GPU需能使用十年八载，不能像光伏电站那样频繁更换光伏板。

来源：英伟达NDR材料

按海豚君的估算，若云服务商以全新的AI产能提供AI云服务，每赚100元，约有35元为前期设备（主要是GPU）的摊销折旧。按目前云服务商普遍采用的五年折旧期计算，对应的资本开支高达175元。

其中，英伟达GPU（含网络设备）贡献了约125元（70%以上），其余为CPU、存储、网络设备等。

除固定成本外，还有能源电力、带宽、运维等成本，运营费用则包括研发、销售和行政等。100元收入最终实现的账面经营利润约为35元。

从这些数据中，可以清晰看到两个突出问题：

① AI基建早期，云服务商只有账面利润，实际现金流严重吃紧：在这个模型中，云服务商账面赚了35元，但实际在获得收入前，已需提前垫付175元采购GPU设备。也就是说，CSP仅有账面利润，实际投入是倒贴的。

② 数据中心疯狂融资：云大厂依靠原有现金牛业务支撑，而新兴云厂商如CoreWeave、Nebius、Crusoe、Together、Lambda、Firmus和Nscale等，因缺乏现金流业务，普遍需发行资产抵押证券融资来提供云服务。

B. 100元的云服务收入，如何流入英伟达、OpenAI账本？

① 算力提供商(英伟达)——盆满钵满的设备股

云服务的成本，即是英伟达的收入。每100元云服务收入中，包含35元设备折旧（五年期），这意味着提供这些服务需提前采购约175元设备。英伟达GPU约占采购价值的70%，即100元云服务收入中，有125元流向了英伟达的GPU设备采购。

显然，作为云服务商生产资料中单体价值最大的环节，英伟达在AI基建早期赚得盆满钵满。

② 眼下的Open AI——8亿WAU，但亏光裤子的应用股

整个产业链中，OpenAI作为云服务的需求侧，是需求的源头，其偿付能力决定了产业链循环的健康度。但目前OpenAI的创收能力来看，投入大量算力资源，结果却如同“金铲子挖土”。

首先，云服务商100元的GPU租赁收入，对OpenAI而言就是其为用户提供服务所需的云服务成本。根据媒体披露的OpenAI 2025年上半年财务状况，100元云开支仅能对应96元收入，再加上研发、营销和管理支出（不含期权激励），100元支出基本导致公司亏损100元。

C. 核心矛盾：产业链利润分配严重扭曲

将这三家公司的经济账放在一起，一幅对比鲜明的产业链利润分配图景便浮现出来：产业链核心环节的利润、风险与收益分配极度不均衡。

上游铲子股——以英伟达为代表的算力资产，凭借垄断地位，不仅收入增长快，且应收款风险低，盈利质量高，赚得盆满钵满；

中游资源整合方——云服务商承担着庞大的产业链投入和资源整合，前期投入巨大，账面赚钱但实际现金流吃紧，成为事实上的最大风险承担方；

下游应用商——生产资料（云服务）成本过高，收入太少，仅能覆盖部分云服务成本，是亏在明面上的应用股。而应用股的健康程度，才是决定产业链健康度的关键。

这种利益不断向上游集中的格局，加剧了AI主产业链的矛盾，行业竞争动态天平开始显著变化：

① 算力——英伟达

英伟达凭借第三方GPU的垄断地位，尤其在训练阶段的独特优势，享受了AI基建早期的最大红利。但它的产品并非易耗品，而是可使用多年的资本品。其高成长性，从行业Beta角度，主要集中在AI数据中心的产能投建期。公司的增长斜率高度依赖云服务商的资本开支增长斜率。一旦云服务商的资本开支在高位稳定下来，不再高速增长，芯片商收入将面临零增长；若错判周期，叠加存货减值，利润率将直线下滑。

最新季度，英伟达前四大客户贡献了公司61%的收入，显然其收入就是云服务商们的资本开支预算。

来源：英伟达2025年NDR材料

当下在4-5万亿市值的压力下，英伟达需持续交付芯片，撑起美股半边天。因此，其核心诉求是继续卖出更多芯片，方法包括：

a.芯片销售扩散到海外市场，例如特朗普曾带领GPU商家赴中东等地签单；同时，因痛失中国市场，黄仁勋甚至发出美国可能输掉AI战争的感慨。

b. 疯狂迭代：创造云服务商持续更新设备的需求。目前英伟达基本每2-3年进行一次重大产品迭代，有些版本甚至需要全新的数据中心建设标准来适配。

② 云服务商——微软：垂直一体化降本

云服务商目前看似供不应求，享受行业红利，但长期承担着产能错配的风险。最大的资本开支由其承担，一旦需求判断失误，数据中心闲置，云服务商将成为损失最惨重的环节。具体来看：

a. 短期：云服务毛利率更低

当下的短期问题是，由于GPU太贵，GPU云服务比传统云服务毛利率更低。按照微软CEO纳德拉的说法，目前AI云业务中真正产生利润的不是GPU，而是除GPU之外的其他设备部署（存储、网络、带宽等）——换句话说，现在的AI数据中心，因GPU过贵，实际上是靠GPU引流，通过搭售附加产品来赚钱。

b: AI算力的摊销折旧风险

运营商生意是重资产业务，最怕生产资料投入的摊销折旧周期过短（风能发电厂和3G时代的电信运营商都曾深受其害）；英伟达推新太快（两年一次），折旧年限至关重要。

c. 前置投资风险

长期承担资源整合和资金风险（资本开支）；若客户盈利能力不足、场景落地慢、技术迭代出现非线性变化（如模型变轻，小模型在端侧完成大任务，或软件迭代大幅减少算力需求），可能导致后续产能利用不足，云服务商将成为下游客户失败的风险承担方，体现为数据中心产能浪费，而非应收账款坏账。

很明显，云服务商可以做的，是降低数据中心的最大成本项——GPU成本，例如绕过“英伟达税”，自研1P算力芯片；虽然需外包部分设计工作给博通、Marvell等ASIC设计商，但整体能大幅降本。资料显示，构建1GW算力中心，用英伟达GPU成本约500亿美金，而用TPU仅需200-300亿美金。

③下游应用（含模型）主要风险——生产资料成本太高，收入不匹配，现金流断裂风险。

这里以OpenAI作为终端应用股代表（含模型层）。

收入高速增长：根据媒体披露，按OpenAI目前的月收入推进速度，2025年年底年化收入有望达200亿美金，全年130亿美金，同比增长250%。

支出飙升更快：问题在于，收入高速增长的同时，并未出现正常商业模式下亏损率随规模扩大而收窄的情况，反而支出的增长斜率超过收入，收入越大，亏损反而越高。

按媒体披露，2025年收入130亿，亏损估计至少150亿上下；若按微软财报信息（40%股权），OpenAI年化亏损可能已超300亿。

OpenAI的诉求也很明显：首先，云服务成本过高，导致收入不经济，收入越多亏损越严重；与此同时，由于收入缺口巨大，公司需要融资来继续扩大收入，而外部云服务供应商容量不足，导致产品推新延迟（例如Sora因此推迟，OpenAI Pulse高定价拖累渗透率）。

三、AI产业链：巨头博弈产业链定价权

AI技术（模型）迭代足够快，已逐步成熟到可落地程度，但部署成本太高——云服务成本过高，无法支撑技术在应用场景上的快速扩展。

以上经济账模拟清晰显示，高成本源于产业链层层加价——英伟达芯片毛利率75%（加价率4倍）、CSP（云服务）毛利率50%上下（加价率2倍），到OpenAI使用时，铲子成本已高到即使是互联网史上增长斜率最高的应用，也无法覆盖快速攀升的成本。

于是产业链博弈开始了！

英伟达凭借在数据中心中的高价值和高技术壁垒，试图掏空云服务商的价值，使其沦为GPU的“包工头”。而云服务商觉得英伟达“税”收得离谱，希望通过自研芯片打掉其超额利润。

自微软解绑了OpenAI仅能使用Azure作为云服务提供商的限制后，OpenAI已明确表达自建数据中心的意图，似乎想消除上游每一环节的超额溢价，将算力价格打到白菜价，以推动应用繁荣。

结果便出现了2025年底最受宠的商业模式，即当下最流行的投资赛道“全栈AI”，说白了就是产业链的垂直一体化。三家虽操作不同，但本质上都在朝垂直一体化方向努力：

① 英伟达：英伟达+新云小弟们=削弱CSP大厂产业地位

依赖GPU垄断地位，通过优先供应最新Rack系统、产能回购协议等，扶持一批依赖英伟达发货排序的新兴云平台如Coreweave、Nebius等，其中对Coreweave的回购兜底最为突出。这些新云前期大量融资，大多依赖英伟达的供货倾斜或融资支持，最终新云产能基本都使用英伟达芯片。通过这一操作，英伟达实际上锁死了除大型CSP外其他小云服务商的GPU选择权。

对此，微软CEO纳德拉曾在访谈中暗讽：“一些人以为提供云服务，就是买一堆服务器，插上电就可以了。”言外之意，实际云服务极为复杂，门槛不低，否则全球云服务市场不会被三四朵云垄断。

从这个角度看，今年爆炒的新云服务商，一定程度上是在GPU供给紧缺时，英伟达通过优先分配权拉起的下游代理商（二道贩子）。若长期产业供需均衡，竞争逻辑回归正常的技术、资金、渠道、规模导向，这些新云能否存续，尚是未知数。

似乎AI新云玩家，更像是AI基建上半场产业链博弈中的过渡产物，而非终局中能与云服务巨头分庭抗礼的对手。

② 云服务商：云服务商+ASIC设计商+下游产品=削弱英伟达芯片垄断溢价

a.目前GPU用量较大的公司基本都开启了自研芯片之路，除云服务商外，一些单体用量大的下游客户如Meta、字节、特斯拉等也在自研ASIC芯片。在ASIC自研子产业链中，ASIC设计外包商如博通、Marvell、AIchip、AUC、联发科等，均成为高价值资产。

b.讨价还价的二供备胎价值

自研芯片中，启动最早、名声最响的是谷歌联合博通研发的TPU，直接供应了Gemini 3的研发；同时，亚马逊也很早启动了自研GPU的研发（训练Trainium、推理Inferentia）。

按此次英伟达财报（Anthropic首次开始使用英伟达合作），Anthropic模型的研发其实主要基于亚马逊云和亚马逊的Trainium芯片。全球两个性能领先的模型Gemini和Anthropic，一个完全不用英伟达，一个较少用量，却都训练到了领先位置，这已开始影响英伟达在算力行业的定价权。

此类案例影响下，下游客户通过威胁使用TPU（甚至未必真部署），就能迫使英伟达为锁定订单而通过融资担保、股权融资、剩余产能兜底等方式间接降价，实质上降低了客户部署GPU的成本。

这些已是英伟达算力地位受到威胁的实际体现。

c. 下游产品渗透：产品线全系AI武装，防守Chatgpt崛起

这些处于中间环节的云厂商，本身核心业务大多为更下游的模型和软件应用场景。除了向上垂直一体化防止英伟达偷家，向下还需让全系产品场景都武装上AI，与ChatGPT展开竞争，防止被其颠覆。

③ OpenAI：产业链自主=Stargate

而处于模型和应用场景的新公司OpenAI，在血亏之下，不想受制于巨头，试图凭借自身影响力，通过融资自建一个基本自主的产业链。OpenAI的大致图景是——上游算力自研和外采对半分（AMD的6GW是备胎算力）、中游云服务完全听命于自己，以全力保持技术领先并推广AI应用。

a. 自建数据中心：OpenAI+融资+芯片商+Oracle=Stargate

从公司的股权架构设计来看，Stargate是一个专门服务OpenAI算力需求的大规模新兴云公司（10GW设计产能）。OpenAI通过最初的投资入股，在Stargate公司股权占比40%，强化对算力基础设施的主导权。

b. 绑定订单：作为一个深受高价算力和供给不足束缚的云服务终端客户，最符合OpenAI利益的其实是过剩且便宜的算力。利用上游供应商的FOMO心理，绑定一切能绑定的产能，用未来收入预期作为偿付能力，锁定芯片供货。

但OpenAI的收入需从年化200亿在三年内走到年化1000亿美金，才有能力兑现这些付款承诺。而目前巨头中，鲜有能在几年内将收入打到千亿美金以上。海豚君合理推测，其目的之一可能就是有意制造供给过剩，以便将算力成本打下来。

OpenAI CEO奥特曼在被问及是否会出现算力产能过剩时，毫不掩饰对算力过剩的渴望：“肯定会有多轮算力过剩，无论是2-3年内还是5-6年内出现，可能是这个时间段内的多轮过剩。”（“there will be come to a glut (of compute) for sure, whether it’s 2-3 or 5-6 years at some point, probably several points along the way.”）

四、总结：2026年投资主题——算力结构性过剩+产业链利润下移？

从以上分析可见，当前整个AI产业链因利润过度集中于上游（类似于新能源车崛起时利润高度集中于赣锋锂业、天齐锂业等锂矿股），导致下游场景应用如同用金铲子挖土——生产资料成本过高，挖出的东西完全无法匹配成本。

因此，在这种产业链矛盾下，接下来的AI投资应聚焦于产业链利润下移和结构性供给过剩中的机会。只有算力成本打下来，才能带动下游繁荣。

所谓结构性过剩，例如传统电力和机房建设速度跟不上，导致算力闲置；而产业利润下移，则需重点跟踪模型在终端场景的落地速度、对SaaS股的影响、端侧产品的AI渗透、以及AI带来的新硬件如机器人与AI眼镜等。

到目前为止，海豚君已开始看到一些产业链利润下移的迹象：例如，英伟达的客户可以拿着TPU来威胁英伟达给出更优惠的供货条件（同等售价下，连带股权投资，就是一种间接降价）。

以下，海豚君提供几个可持续跟踪和验证的判断：

a. 后续英伟达再享受戴维斯双击的机会可能极小，股价只能靠业绩增长，很难靠估值扩张；这会在不打压台积电逻辑的情况下，单独打压算力估值。

b. 谷歌开始卖裸芯而非更高利润的TPU云租赁，这一新闻说明：一方面谷歌在自有芯片排产上并非问题（台积电产能安排无碍）；另一方面，行业真正紧缺的到2026年可能已转向IDC数据中心的建设（如数据中心的水污染、用电等问题），而这部分的投资并非生意壁垒投资，而是产能错配投资。需时刻关注新开工数据中心的建设节奏。

c. 创业企业：AI游戏的门槛太高，OpenAI等新兴公司想要颠覆巨头并不容易，过度押注OpenAI链上的资产并不明智。