远见网一、了产业链上每一家公司的口袋里吗
1、全年流入AI基础设施的真金白银
我们来看一组数据：根据2026年的资本开支指引，微软、亚马逊、Alphabet、Meta这四家头部云厂商的资本开支上限，已经硬生生被拔高到了7250亿美元，比2025年激增了77%。
如果算上Oracle、CoreWeave、Stargate项目，再加上各国的主权AI计划和无数企业自建的算力基础设施，全年流入AI基础设施的真金白银，已经轻松突破了1万亿美元的大关。
但这1万亿美元，真的像天女散花一样，平均落到了产业链上每一家公司的口袋里吗？
今年7月，美国早期科技投资人CHRIS ZEOLI做了一件非常有意思的事，他把整个AI基建产业链像洋葱一样一层层剥开，做了一个统计。
结果非常扎心，在这场万亿规模的狂欢里，有人躺着吃肉，有人站着喝汤，有人累死累活替别人打工，还有人背着天量债务在赌明天。
同样是身处AI基建这个历史级的超级赛道，为什么大家的命运会如此悬殊？
今天这篇文章，我们就沿着这1万亿美元的流向，从金字塔尖一路往下看，拆解这条利益链条底层的商业逻辑，看看谁才是真正的赢家，谁又在退潮前裸泳。
在拆解整个产业链的利润分配之前，我们需要先达成一个共识：商业世界的利润，永远向最稀缺的环节集中。
站在这个金字塔最顶端的三家公司——英伟达、台积电、ASML，它们之所以能拿走最丰厚的利润，共同点只有一个：这活儿别人干不了，定价权牢牢攥在自己手里。
你知道一颗Blackwell B200 GPU的制造成本是多少吗？大约6400美元。那它的终端售价呢？在3万到4万美元之间。
2、硬件真的能赚这么多钱吗
这意味着什么？意味着5到6倍的溢价，全部被“设计”这个环节收入囊中，硬生生撑起了英伟达75% 的恐怖毛利率。
你可能会问，硬件真的能赚这么多钱吗？当然不能。英伟达这份暴利，靠的根本不是硬件本身，而是一个叫CUDA的东西。
CUDA是什么？它是英伟达花了十几年时间搭建的一套编程平台。
开发者用它来调用GPU的算力，在上面写模型、跑训练、做推理。
过去十五年，全球数百万开发者在这个系统上日积月累，留下了无数的工具库、算法框架和行业解决方案。
今天我们看到的PyTorch、TensorFlow这些主流AI框架，底层全部是为CUDA量身定制的。
我们可以把它理解为AI时代的Windows操作系统。
AMD也有自己的ROCm，但体量和成熟度跟CUDA差了不止一个量级。
你想想，哪家大厂的开发者会为了省那么一点芯片钱，去一个“能用但不好用”的平台上，把几百万行代码重新写一遍？
二、模型训练效率提升了
1、模型训练效率提升了
所以，看懂了吗？英伟达赚的哪是芯片的钱？它收的，是全行业每年几千亿算力开支的“操作系统税”。
之前市场上有过一种非常天真的声音：模型训练效率提升了，算力需求是不是就见顶了？
2025年1月，DeepSeek发布了V3模型，宣称只花了560万美元就完成了训练。这是个什么概念？
相当于Meta训练Llama 3成本的十分之一。
这个消息一出，市场瞬间陷入恐慌。大家都在喊：“算力需求见顶了！
” 英伟达的股价当天暴跌16.97%，单日市值蒸发了5890亿美元，创造了人类历史上单日市值损失的最高纪录。
十八个月后，英伟达的市值从低点翻了8倍，站上了4.85万亿美元的巅峰；
而四大云厂商的资本开支不仅没降，反而从4100亿美元飙到了7250亿美元，一年涨了77%。
经济学里有一个非常著名的概念叫“杰文斯悖论”：当年蒸汽机的效率提升了，煤炭的消耗量反而暴涨了。为什么？
因为更便宜的能源催生了更多以前想都不敢想的用途。
AI算力也是一模一样的道理——模型训练成本每降一个数量级，就会有十倍的新场景敢用、能用、不得不用。
如果说英伟达的护城河是深不见底的软件生态，那么台积电和ASML的护城河，就是制造端的绝对不可替代。
台积电手握66% 的毛利率，它的核心壁垒是CoWoS先进封装。简单来说，就是把GPU的计算核心和HBM内存封装到一起的工艺。
听起来好像没什么大不了的，但现实是残酷的：全球只有台积电，能在AI级别的芯片上，把大规模量产和良率做到极致。
三星有I-Cube4，英特尔有EMIB，技术路线各有千秋，但在量产和良率上，跟台积电还差着代际。
所以，即便台积电在疯狂扩产，产能从2024年底的每月3.5万片，一路扩到2026年底的12.8万片，接近翻了四倍，依然是全年售罄。
再往上游看，ASML是全球唯一能生产EUV光刻机的公司。没有EUV，7nm以下的芯片全部停摆。
2、全部卡在这条线上
这意味着，今天所有你叫得上名字的AI加速器、旗舰手机芯片、高性能计算处理器，全部卡在这条线上。
这项技术背后，是ASML花了二十年时间、累计投入超过200亿欧元研发才啃下来的硬骨头。
三、你有钱都复制不了
1、你有钱都复制不了
这种壁垒，你有钱都复制不了，因为时间不可压缩，经验不可购买。
比绝对垄断稍微次一级的，是靠高转换成本站稳脚跟的“中间壁垒层”。
它们的壁垒虽然没有“独一份”那么夸张，但客户一旦用上，就轻易不敢换。只要你不换，我就能拿到稳定的定价权。
这一层里，网络交换靠长期稳定性锁定客户，定制ASIC靠“英伟达恐惧症”绑定客户，液冷靠物理极限把客户焊死。三个赛道，三种“不敢换”的理由。
AI集群是个什么概念？那是几万甚至几十万张GPU同时在干活。它们之间要不停地交换数据：参数同步、梯度传输、中间结果汇总，这些全部依赖网络。
所以客户在选网络供应商的时候，只看一点：稳不稳。价格根本是次要的，因为一次网络故障导致训练中断的损失，远超设备本身的差价。
Arista就是瞄准这个需求长起来的巨头。它手里最核心的武器，是一套叫EOS的交换机操作系统。
EOS只做两件事：第一，智能调度数据流量，保证几万张GPU之间的数据交换跑得极其顺畅；
第二，一旦发生故障，毫秒级自动切换备用路径，保障上层训练任务不受影响。
2、靠的就是这套系统长期跑出来的极高性
Arista的毛利率常年维持在62% 到64%，靠的就是这套系统长期跑出来的极高稳定性。
它的本质，就是在AI集群数据流通的必经之路上收“过路费”。
谷歌、亚马逊、微软这些巨头，每年要向英伟达交几百亿美元的“算力税”。
大家都是千亿美元市值的巨头，谁想永远被别人卡脖子？所以，自研芯片成了唯一的出路。
但芯片设计这事儿，不是你砸钱就能立刻出成果的，而且需求量太大，一家公司根本吃不完。于是博通站出来了：你们出设计思路，我帮你们把芯片做出来。
这种合作最大的特点就是深度绑定。客户不是去买一颗现成的芯片，而是跟博通一起定义架构、分阶段开发、长期供货。
芯片做出来之后，整个软件栈都要绕着它重新优化一遍。
你想换一家供应商？可以啊。重新设计、重新验证、重新适配，两到三年起步。在这期间，你耗费的算力成本全白花了。
所以，博通赚的是什么钱？是云厂商“去英伟达化”进程中的“保险费”。这门生意确实在快速增长，而且毛利率也做到了约77%，几乎跟英伟达持平。
四、博通的护城河是存在争议的
1、博通的护城河是存在争议的
但我们要看到，博通的护城河是存在争议的。云厂商一边跟博通合作，一边自己也在养庞大的芯片团队。客户的工程师越成熟，博通被替代的可能性就越大。
这个赛道以前一直不温不火。为什么？因为传统数据中心的机柜功耗只有7.6kW，拿几个大风扇吹吹就够用了。
但AI来了之后，一切都变了。一个GB200机柜的功耗直接飙到了120到140kW，是传统机柜的16到18倍。
风冷的物理极限已经到了，现在不是“要不要换”的问题，而是“不换根本没法开机”。
液冷跟风冷最大的区别在于：它不是一个独立的设备，它是和数据中心的土建、管道、机电系统深度绑定的。
一旦你按某个方案部署完，后续的维护、扩容，基本只能找原厂商。
这就是Vertiv在这个赛道里稳坐头把交椅的原因。
它的运营利润率在20% 左右，听起来不算惊艳，但人家手里的订单积压超过了150亿美元，足以覆盖未来12到18个月的收入。
这一层的公司，靠“客户不愿换”赚钱。壁垒没有垄断层那么高，但胜在稳定、可持续。
2、说2026年AI行业最耀眼的明星是谁
如果说2026年AI行业最耀眼的明星是谁，那绝对是HBM（高带宽内存），没有之一。
SK海力士、三星、美光这三巨头，彻底垄断了整个HBM市场。我们来看看它们交出的成绩单，简直可以用“疯狂”来形容：
- SK海力士：Q2预计营收80.9万亿韩元（约590亿美元），同比大增264%；营业利润60.4万亿韩元（约440亿美元），同比暴增556%。营业利润率预计达74.6%，创下历史新高。
- 美光：FQ3营收414.6亿美元，同比增长346%，毛利率84.9%；GAAP口径利润达333.2亿美元，同比暴增近14倍。
- 三星：更猛，Q2营收171兆韩元（约1118亿美元），营业利润89.4兆韩元（约584亿美元），同比暴增1810%，甚至短暂超越了英伟达同期的535亿美元。
75%~85% 的毛利率，这数字比英伟达还要夸张。于是，市场上很多人开始高喊：“HBM就是第二个英伟达！”
英伟达的稀缺，是靠十五年时间垒出来的生态壁垒，客户根本换不掉。而HBM的稀缺，纯粹是短期的供需错配挤出来的。
现在三家厂商都在拼命扩产。但你要知道，存储行业有一条四十年从未被打破的铁律：涨价 → 扩产 → 过剩 → 降价。四年一轮，从不缺席。
不可否认，这一轮周
