DacAI 实验室

空间智能与 AI 基础设施产业链深度研究：利润分配与核心价值捕获逻辑

59分钟阅读

空间智能与 AI 基础设施产业链深度研究：利润分配与核心价值捕获逻辑

阅读提示：这篇不是在讨论哪个 AI 应用更热，而是在看钱最终流向哪里。我的关注点是：当模型和应用层不断烧钱时，GPU、HBM、光模块、电源、液冷、传感器这些“物理底座”为什么反而更容易捕获利润。

本文位置：这是 空间智能行业研究 的价值链延伸篇。前一篇建立空间智能产业地图，这一篇专门拆利润分配；如果想看一个核心平台型公司的控制力，可以继续读 NVIDIA 在空间智能与具身智能的绝对统治力。

来源边界：本文为 Gemini Deep Research 辅助生成、再经人工筛选整理的行业观察笔记。核心价值在于搭建问题框架；具体数据、公司动态和产业判断请以最新公开资料为准，不构成投资建议。

一、 核心投资命题与宏观产业逻辑：AI 时代的利润重构与”卖铲人”法则

在探讨生成式人工智能（AI）与空间智能产业的演进时，全球科技资本市场正在经历一场深刻的认知重构与财务定价重估。一个核心的财务悖论已经浮出水面：处于技术金字塔顶端、拥有最广泛用户群体和最高社会关注度的 AI 大模型与应用软件层，正陷入深度的单位经济效益（Unit Economics）泥潭；而隐匿于其背后的物理基础设施——从计算核心（GPU）、高带宽内存（HBM）到高速网络、液冷温控、电源管理，乃至延伸至物理边缘的工业传感器与机器人执行器——却在享受史无前例的利润率扩张与估值溢价。 这种产业链利润分配的非对称性，根源于 AI 时代软件边际成本曲线的彻底变异。在传统的软件即服务（SaaS）商业模式中，企业通常将毛利率目标锚定在 70% 至 80% 之间，其底层财务逻辑在于：代码一旦编写完成并部署，将其分发给新增用户的边际成本趋近于零。然而，生成式 AI 的引入悄然但极其暴力地破坏了这一杠杆支点。当传统 SaaS 产品增加 AI 功能时，由于每一次用户交互均需调用底层模型推理、模型路由分配、向量数据库查询以及其他 AI 基础设施，直接变动成本呈现出线性甚至指数级的上升态势。根据相关产业财务模型测算，一项原本收入为 100 美元、直接销货成本（COGS）为 20 美元（对应 80% 毛利率）的软件服务，在引入 AI 特性后，可能会增加 15 美元的推理与基础设施直接可变成本，导致其毛利率瞬间坍塌至 65% 。这甚至还未将高频重度用户、糟糕的提示词设计以及昂贵的模型选择等长尾消耗计算在内 。ICONIQ 发布的 2026 年 AI 状态报告进一步印证了这一趋势，受访的 AI 产品构建者预计，到 2026 年其产品的平均毛利率将降至约 52% 左右 。这一毛利率的结构性坍塌不仅侵蚀了应用层面的盈利能力，更引发了对客户获取成本（CAC）回收期、40法则（Rule of 40）表现以及最终企业自由现金流估值的系统性压制。例如，占据行业绝对生态优势的 OpenAI，尽管在 2024 年预计实现约 20 亿美元的收入，但其年度亏损额仍预计高达 50 亿美元 。 与应用层的惨淡经营与高额现金流消耗形成鲜明对比的，是基础设施层所展现出的恐怖盈利能力与自由现金流创造力。由于 AI 模型的训练与推理本质上是对算力、网络带宽和电力的”无底洞”式消耗，基础设施链条中的”卖铲人”获得了产业生态中最为稀缺的特权：绝对的定价权。

产业链环节 / 核心代表企业核心产品 / 赛道定位近期核心毛利率 / 利润表现产业链价值捕获特征与护城河逻辑
工业自动化传感器 (Keyence)机器视觉、精密测量传感器83.8% (2025/2026财年毛利率)极高的技术壁垒、软硬一体生态、无工厂模式，免受单一消费周期干扰
AI 计算核心底座 (NVIDIA)GPU 加速器、NVLink 系统>70% (2024财年毛利率)CUDA 软件生态深度绑定、先进制程硬件极度稀缺带来的绝对系统级定价权
高带宽内存 (SK Hynix)HBM3E, HBM4 内存颗粒72% (2026年Q1 营业利润率)产能分配稀缺性，成功将存储芯片从强周期大宗商品转化为定制化 AI 必需品
数据中心交换网络 (Arista)AI 核心网络交换机62.9% (2025年四季度毛利率)解决 AI 集群内东西向流量爆炸的核心网络枢纽，强客户粘性抵御存储成本上升
先进晶圆代工与封装 (TSMC)CoWoS, SoIC, 3nm 先进制程66.2% (2026年Q1 毛利率)掌握所有高端 AI 芯片转化为可用算力的唯一”咽喉”转换通道，全球产能垄断
上游光器件与光引擎 (天孚通信)800G/1.6T 硅光引擎56.6% (2026年Q1 毛利率)利基市场极高议价权与产品溢价，但受制于下游大客户（如 Fabrinet）的采购排单
高端光模块成品 (中际旭创)800G/1.6T 光模块集成46% (2026年Q1 毛利率)规模效应显现，直接对接北美云厂商主导资本开支，拥有自主定价与扩产主动权
车载/边缘激光雷达 (禾赛科技)长距 ADAS LiDAR、机器人雷达39.1% (2026年Q1 毛利率)规模化量产摊薄边际成本，连续实现 GAAP 盈利，但在车企激烈价格战下毛利率承压
高频高速印制电路板 (沪电股份)22层以上 AI 服务器与交换机 PCB32.3% (2025年上半年毛利率)剥离消费电子红海，专注高频高速传输材料，技术升级驱动毛利率持续稳定扩张
从”产业链利润分配”的宏观经济学角度剖析，科技资本的真实流向遵循着一个极为残酷但确定的物理学定律：所有在代码和算法层面未被优化的低效与算力饥渴，最终都必须由物理世界中更密集的硅晶体管、更宽的铜箔互联、更高频的光子传输、更强劲的电流输入以及更暴力的液冷散热来弥补。 基础设施公司比 AI 应用更赚钱的本质在于：应用软件公司在为一个高度不确定性、同质化竞争极强且留存率未知的概率性用户增长图景燃烧现金；而基础设施公司则在为不可违背的物理法则与确定的数据吞吐量收取过路费。只要全球算力军备竞赛不停止，这些底层物理节点就能持续攫取行业最高的超额利润。

二、 算力引擎与底层存储：寡头垄断下的生态控制与地缘价值拆解

在空间智能与 AI 基础设施的基座上，由图形处理器（GPU）、高带宽内存（HBM）与先进封装（Advanced Packaging）构成的”三位一体”计算系统，构筑了全球科技产业中技术壁垒最高、毛利率最丰厚且短期内最难被完全颠覆的寡头垄断生态。

1. GPU 与 CUDA：软硬协同的无上护城河与定价霸权

NVIDIA 之所以能够在 2025 年 7 月成为首个市值突破 5 万亿美元的上市企业（超越微软与苹果），其核心利润的终极来源并非单纯的硅片微缩制造，而是其长达十余年时间里潜心构建的 CUDA 软件生态与底层硬件架构的深度耦合。在 AI 大模型训练的极度复杂环境中，这种深度耦合在开发者客户端形成了几乎不可逾越的转换成本（Switching Costs）。当全球数以百万计的 AI 应用开发者、研究人员习惯了基于 CUDA 库进行模型优化、算子调用与并行计算时，即使竞争对手（如 AMD）能设计出纸面算力相当的芯片，底层的硬件替换与代码迁移也变得极具风险且工程成本高昂 。 在财报表现上，NVIDIA 的数据中心业务收入（主要由 AI 工作负载需求驱动）从 2023 财年的约 150 亿美元爆发式增长至 2024 财年的逾 470 亿美元 。更令人震撼的是，在出货量呈指数级放大的情况下，由于先进芯片的绝对供应受限以及无可替代的生态地位，NVIDIA 依然将其毛利率强势维持在 70% 以上 。这种反规模经济常识的定价能力，证明了其在云端 AI 训练集群中的垄断地位。在这一环节中，虽然超大规模云厂商（Hyperscalers，如亚马逊 AWS、微软 Azure 和 Google Cloud）试图通过自研专用 ASIC 来降低对 NVIDIA 的依赖，但目前 NVIDIA 的高端算力实例依然供不应求。例如，一个 NVIDIA H100 GPU 实例在 AWS 上的租赁价格仍高达每小时 30 至 40 美元，这部分极高昂的基础设施资本支出，最终通过高昂的云租金无情地转嫁给了下游的 AI 开发者 。

2. 价值千亿美元的 HBM 贸易战：存储形态的变异

随着 GPU 算力的狂飙突进，计算核心与系统内存之间的数据传输带宽瓶颈（被称为”内存墙”，Memory Wall）成为制约整个 AI 系统性能的致命短板。高带宽内存（HBM）通过复杂的 3D 堆叠（3D Stacking）技术与硅通孔（TSV）工艺，直接将内存单元与 GPU 封装在同一基板（Interposer）上，极大地缩短了物理传输距离并提升了并发带宽，成为突破这一物理瓶颈的唯一可行解。根据行业预测，受生成式 AI 模型的推动，HBM 的总体潜在市场（TAM）规模将从 2025 年的约 350 亿美元激增至 2028 年的 1000 亿美元左右 。 HBM 的生产路径并非由单一国家或单一企业能够独立把控，而是形成了一个由韩国、中国台湾和日本三国构成的精密且脆弱的地缘制衡与价值分配网络： 第一层：韩国——可见利润与财务杠杆的截获者 韩国的三星（Samsung）与 SK Hynix 拥有 HBM 贸易链条中”可见的利润层”，它们负责将全球 AI 内存需求转化为市场可以定价的营收、利润率和出货量目标 。HBM 具有极高的资源密集度，其生产需要消耗比传统 DRAM 大得多的无尘室空间与晶圆数量 。这种制造门槛直接导致了整体存储市场的产能紧缺，使得 SK Hynix 成功将存储芯片从受制于宏观经济周期的”大宗商品”，变异为了享有极高溢价的定制化 AI 必需品。在 2026 年第一季度，SK Hynix 创下了 52.57 万亿韩元的历史性营收，其内存业务的营业利润率达到了骇人听闻的 72%（营业利润达 37.6 万亿韩元）。与此同时，美国存储巨头美光（Micron）作为强力挑战者，其基于 1-beta 制程节点的 HBM4 产能爬坡速度达到了前代 HBM3E（12层堆叠）的两倍，并在 NVIDIA Vera Rubin 平台上实现了更早的验证与出货，推动其 2026 财年第三季度的毛利率指引逼近 81% 。在 HBM 的市场份额角逐中，据相关市场机构（Counterpoint Research）数据，到 2026 年一季度，SK Hynix 预计将占据超过 50% 甚至更高的绝对领先份额，紧随其后的是三星与美光 。这种三足鼎立的寡头格局，赋予了它们极强的合同谈判与长期绑定能力。 第二层：中国台湾——算力价值转换的绝对咽喉 尽管韩国厂商制造了堆叠好的 HBM 内存颗粒，但 HBM 自身并不具备任何计算能力。它必须通过先进封装转换，才能成为真正能执行 AI 推理与训练的计算单元。中国台湾的台积电（TSMC）牢牢把控着这一转换节点。TSMC 的 CoWoS（晶圆级封装）和 SoIC（系统级集成芯片）平台代表了这一关键的转换门槛 。TSMC 在 2026 年第一季度的表现同样强劲，营收达到 359 亿美元，毛利率为 66.2%，营业利润率为 58.1% 。在全球 AI 硬件短缺的语境下，TSMC 正在全球范围内拼命扩张其 CoWoS 产能。产业核心洞察在于：如果台积电的 CoWoS 产能、中介层（Interposer）或基板供应紧张，韩国生产出再多的 HBM 也无法转化为最终的 AI 加速器出货。台湾地区是过剩存储颗粒与高昂 AI 芯片之间唯一的物理网关。 第三层：日本——良率控制的隐形霸主与设备材料命脉 在媒体聚光灯之外，日本的半导体设备与材料企业隐蔽地控制着 HBM 生产链条的最深层命脉。随着 HBM4 堆叠层数不断增加，硅片被研磨得极薄，热应力与机械翘曲问题凸显，工艺容错率急剧收缩。在这一微观领域，日本企业的工具决定了昂贵的内存堆叠最终是成为可出售的高级算力，还是沦为一文不值的工业废品 。 例如，Tokyo Electron（东京电子）提供了关键的 Synapse 和 Ulucus 系统，专用于 300mm 晶圆的临时键合与解键合，支持 3D 集成中的 TSV 工作流；Advantest（爱德万测试）主导了堆叠后的精密电气测试，因为传统的 DRAM 测试机台根本无法满足 HBM 的多插入点测试需求；DISCO 垄断了高精密激光切割设备（针对超薄内存芯片的 SDBG 隐形切割工艺），其激光切割机累计出货量在 2026 年突破 4000 台，出货速度呈三倍加速 ；TOWA 则提供专门针对下一代 HBM4 垂直多芯片封装的超窄间隙底部填充材料（Mold Underfill） 。这些细分领域的极高技术壁垒与专利封锁，构成了全球半导体产业链中最难以被轻易替代的部分。

三、 数据传输与集群互联：光、电、铜的价值再分配与议价权差异

如果说 GPU 和 HBM 决定了单点计算能力的理论上限，那么集群内部的数据传输与网络互联带宽，则决定了整个包含数万乃至数十万张 GPU 的 AI 集群的实际有效算力产出。在超大集群中，节点与节点之间的”东西向流量”（East-West Traffic）呈爆炸式增长，这直接引爆了光通信、下一代交换机、高速印制电路板（PCB）以及高速铜连接器的超级繁荣。在这个环节，处于产业链不同位置的企业，展现出了截然不同的议价能力与利润兑现逻辑。

1. 光模块与光器件：贴近终端需求方带来绝对议价权

光通信产业链清晰地验证了”产业链位置决定话语权与现金流”的残酷逻辑。通过对比中国光通信领域的两家龙头企业——中际旭创（成品光模块）与天孚通信（上游光器件），可以深刻理解这一现象。 中际旭创位于产业链中游的光模块成品端，直接对接微软、谷歌、亚马逊、NVIDIA 等北美超大型云厂商。在 800G 向 1.6T 演进的新技术爆发初期，云服务商为了确保底层算力网络的稳定性，倾向于将高端订单或急单直接交给深度绑定、技术实力强劲的龙头供应商。中际旭创完全掌握了自身的订单体量、涨价传导路径以及扩产节奏。2025 年至 2026 年初，其硅光模块在 800G/1.6T 产品中的占比持续提升，不仅实现了对外部光引擎的部分自研替代，更将其毛利率从原有水平显著拉升至 46% 。更为核心的是，直接面向资金实力雄厚的云厂商为其带来了”拿钱出货”的强势财务地位。在 2026 年一季度，中际旭创的经营性现金流净额高达 33.68 亿元人民币，同比增长 55.58%，占营收比例达到 17.3% 。 相比之下，天孚通信作为上游光器件环节的霸主，主要提供光引擎等核心部件。其 2026 年一季度的毛利率高达 56.6%，远超中际旭创，证明了其在利基市场极高的产品壁垒和溢价能力 。然而，高毛利率并未转化为等同的业绩弹性与现金流。天孚通信的客户结构高度集中，第一大客户为 NVIDIA 的核心光模块代工厂 Fabrinet（贡献了约 60% 的营收）。由于天孚不直接面对终端云厂商，其经营节奏完全由大客户的采购计划与排产计划决定，缺乏自主定价权和抗周期波动的主动权。更关键的是，代工体系通常伴随着苛刻的账期与垫资要求，导致其一季度经营活动现金流净额仅为 1.82 亿元，占营收比重偏低 。这一对比深刻揭示了 AI 基础设施链条中的利润分配铁律：距离核心资本开支决策者（Hyperscalers）越近、系统集成度越高的环节，越容易截留产业爆发的红利并获得健康的现金流。

2. 共封装光学（CPO）与高端交换机：物理极限下的架构路线之争

为了应对传统可插拔（Pluggable）光模块在面板密度和能耗上的物理极限，共封装光学（CPO）正成为下一代万卡级别 AI 网络基础设施的核心演进方向。在这一领域，美国的芯片巨头正在进行激烈的路线博弈。 Broadcom（博通）推出的 Tomahawk 6 “Davisson” 以太网交换机，是业界首个达到 102.4 Tbps 容量的 CPO 平台。通过将光学引擎（如其研发的 COUPE 平台）与核心以太网交换 ASIC 通过 TSMC 的 3D SoIC 技术紧密封装在一起，CPO 架构大幅减少了电信号在 PCB 上的传输距离，实现了每比特功耗的急剧下降，并极大提升了信号的稳定性与抗热载荷能力 。博通与 Arista Networks 的战略在于坚持基于开放的以太网标准（Ultra-Ethernet），推动规模化、多厂商互操作的横向扩展（Scale-out）AI 网络 。Arista 作为该生态的关键交换机系统设备商，其财务表现出了极强的韧性：在面临内存等上游元器件成本上升的压力下，Arista 选择自我消化成本以维护与超大云厂商的长远合作，其 2025 年四季度的毛利率依然稳定在 62.9% 至 65% 的高位 。 另一方面，NVIDIA 则倾向于一种更为封闭但极致优化的垂直整合路线。NVIDIA 同样利用 TSMC 的制造平台开发 CPO 技术，将其微环调制器（Micro Ring Modulator）硅光子引擎深度嵌入自身的 NVLink 专有互联网络中，力求在 GPU 之间实现近乎零延迟的系统级内存共享与极大规模的垂直扩展（Scale-up）。CPO 技术的壁垒极高，尤其在光学微型化、光纤无缝对准以及极其严苛的热管理方面。由于光学元件对温度极度敏感，要在 GPU 级别的热载荷下保持光信号不漂移，是一项极其复杂的工程挑战。掌握这一底层核心标准与制造协议的企业（目前主要由美国设计、台湾制造），将在未来五年的 AI 网络演进中获得极高的话语权。

3. 高频高速 PCB：被重估的隐秘”神经中枢”

长期以来，印制电路板（PCB）被资本市场视为技术迭代缓慢、利润微薄的传统大宗电子元件。然而，AI 服务器的狂野发展彻底重塑了这一认知。在 AI 算力系统中，PCB 已经不再仅仅是物理支撑组件，而是信号高速无损传输与百千瓦级复杂电力分配的”神经中枢”。 随着 800G 甚至 1.6T 网络带宽的普及，PCB 的介质损耗成为了信号完整性的最大杀手。2026 年初，NVIDIA 针对其下一代 Rubin（如 Rubin Ultra 和 Feynman 平台）正式启动了 M10 级别超低损耗覆铜板（CCL）材料的供应商测试，旨在将信号损耗比传统的 FR-4 降低 30% 至 40% 。AI 服务器的背板与交换机主板通常需要采用 22 层以上的超高多层板设计，叠加高密度互连（HDI）、盲埋孔技术以及极其苛刻的散热基材要求，使得高端 PCB 行业显现出强烈的寡头集中趋势。 中国企业沪电股份（WUS Printed Circuit）是这一领域教科书般的转型案例。该公司果断剥离了陷入内卷红海的传统消费电子业务，全量押注数据中心（AI 服务器、高阶交换机）与智能汽车领域。在 2025 年上半年，其数据通信业务（绝大部分受 AI 服务器驱动）收入同比激增 71%，占总收入比重达到 76.9% 。不仅如此，其销售的高端 22 层以上 PCB 产品占总收入的 54%。得益于这一高端产品矩阵，沪电股份的毛利率从 2022 年的 27.9% 稳步攀升至 2025 年上半年的 32.3%，远远甩开了专注于智能手机 PCB 的竞争对手（如东山精密同期毛利率仅为 14.3%）。类似地，生益电子也在 2025 年上半年实现了净利润逾 5 倍的惊人增长，AI 服务器 PCB 成为绝对核心引擎 。

4. 高速铜连接：单机架内的物理法则复兴

在跨机架的光模块通信占据主导的同时，在单机架内部（例如 NVIDIA 的 GB200 NVL72 机柜），大截面高速铜缆重新夺回了物理设计的主动权。根本原因在于物理学常识：在不超过一到两米的极短传输距离内，铜缆电信号的功耗（不需要光电转换）和传输延迟远低于光通信。NVL72 机架利用重达百磅的复杂铜缆背板，实现了 72 颗 GPU 的全互联 。 安费诺（Amphenol）长期以来是高速互连领域的霸主，几乎独占了这一高门槛市场的早期红利。然而，立讯精密（Luxshare）等中国制造巨头正凭借在消费电子领域积累的极强精密加工与系统集成能力，强势切入这一腹地。立讯精密已经开发出对应 GB200 架构的电气连接、光连接、电源管理等全套解决方案，预计单套价值可达百万元人民币级别，直接挑战台湾地区及欧美老牌连接器厂商的市场份额 。同时，沃尔核材作为线缆外层材料（热缩管）及安费诺上游铜缆线材的间接供应商，也迎来了戴维斯双击 。

四、 突破物理热力学定律：AI 带动的电力、电源与液冷大爆发

探讨”AI 为什么会带动电力、散热组件一起爆发”，必须回归到芯片功耗与热力学的本质。在半导体工艺逐渐逼近原子极限的今天，摩尔定律的延续越来越依赖于对晶体管规模的暴力堆叠，而电能输入不可避免地转化为等量的热能输出。 以 NVIDIA Blackwell 架构为例，其功耗的跃升令人咋舌：单颗 B200 GPU 的功耗达到 1000W；而由两颗 B200 和一颗 Grace CPU 组成的超级芯片 GB200 最大功耗高达 2700W。当这些计算节点被高密度集成到 GB200 NVL72 机架服务器中时，单机架的峰值功耗瞬间突破 120kW 。这种极端的功率密度对数据中心基础设施提出了前所未有的苛刻要求，迫使电源供应系统（PSU）与热管理（散热与液冷）从传统的”辅助配件”跃升为决定算力能否持续输出的”关键扼流圈”。

1. 核心电源供应系统（PSU）：极致能效带来的高价值溢价

在面对 120kW 甚至更高负载的算力机架时，传统的分布式供电方案面临巨大的线损挑战。因此，服务器必须配备 5.5kW，并在未来向 8kW 甚至更高功率演进的超大功率集中式电源模块（PSU）。 更为严峻的是能效指标（Efficiency）。普通企业级服务器电源的能效一般在 95% 至 96% 左右，功率密度在 20-30W/立方英寸。但在 AI 计算中，由于基数庞大，哪怕是 1% 的电能损耗也会转化为巨大的废热，直接导致冷却系统崩溃并推高数据中心 PUE（电源使用效率）指标。因此，AI 服务器电源的能效必须达到 97.5% 甚至 98% 钛金级以上，同时功率密度要求高达 100W/立方英寸，以节省机箱内极其宝贵的空间供计算组件使用 。 在这一高壁垒赛道，台湾地区的台达电（Delta）与光宝科技（Lite-On）凭借深厚的技术底蕴长期占据主导份额。但值得瞩目的是，中国大陆电源企业麦格米特（Megmeet）成功突围，被正式列入 NVIDIA 官宣的 Blackwell GB200 系统的 40 多家核心数据中心组件提供商名录，成为唯一一家宣布进入英伟达电源直供体系的中国大陆厂商 。此外，长城电源、欧陆通等中国企业也在积极调整路线图。它们一方面引入第三代半导体（如碳化硅 SiC 和氮化镓 GaN）以进一步提升高频开关效率；另一方面，麦格米特等企业利用中国完善的供应链优势，通过优化硅基 IGBT 架构和推进整体机架供电系统（Power Rack）的整合方案，试图在维持高毛利的同时建立相对于台湾地区厂商的成本护城河 。

2. 散热系统的终极进化：盲插液冷与全生命周期温控

当单机架功耗超过 30kW 时，传统的空气对流（风冷）散热就已经触及了物理换热的极限。面对 120kW 的”发热怪兽”，直接液冷（Direct Liquid Cooling）不再是可选项，而是必须项。 液冷系统的复杂性绝非仅仅在于制造导热冷板，它是一个涉及流体力学、材料兼容性与精密机械加工的系统工程。在 NVIDIA GB200 NVL72 的设计中，其引入了极具创新但制造难度极高的”浮动盲插托盘连接”（Floating Blind Mate Tray connection）。该系统能够将冷却液精确分配至计算托盘和交换机托盘，这要求流体快速断开接头（Liquid Quick Disconnects）在服务器插拔的瞬间实现零滴漏的可靠啮合，对 O 型圈材料、阀门精度与机架形变公差提出了毫厘不差的要求 。 在全栈液冷领域，中国企业展现出了极强的工程交付能力与商业敏锐度。以英维克（Envicool）为例，其摒弃了低端部件拼凑，率先在业内建立起”端到端、全链条”的平台化产品矩阵。其 CoolingInside 品牌涵盖了极高技术含量的 Manifold（分液器）、CDU（冷量分配单元）以及包含快插接头在内的 SoluKing 全栈解决方案。凭借强大的工程研发实力（研发人员占比超 34%），英维克的产品在 2025 年全面打入 NVIDIA GB200、MGX 等主流 AI 训练平台全球供应链 。虽然一季度激增的资本开支与高达 1.03 亿元的研发费用在短期内压制了表观净利润，但这正是基础设施重资产投入期的典型特征，换来的是长期难以逾越的供应链准入壁垒 。与此同时，英维克将这套温控技术平移降维至工商业储能领域，推出了支持单柜 6MWh 的 BattCool 2.0 系统，实现了底层技术的跨界变现，打开了极具弹性的第二增长曲线 。

五、 物理边缘与空间智能：硬科技传感、机器人与 LiDAR 的崛起

如果说数据中心是 AI 的”大脑”，那么随着大语言模型向多模态视觉-动作模型（VLA）进化，AI 正在跨越虚拟与现实的界限，大规模涌入自动化工厂、智能驾驶车辆与人形机器人，形成广袤的”物理边缘网络”（Edge AI）。在这一空间智能范式转移中，边缘节点所搭载的传感与执行硬件，正成为利润极其丰厚的另一个战场。

1. 工业电子的无冕之王：基恩士（Keyence）的高维垄断

若要在全球硬科技与基础设施产业链中寻找一个毛利率的最高峰，答案并非芯片设计巨头，而是主攻工业传感器、机器视觉系统及自动化测量设备的日本企业基恩士（Keyence）。在 2025 至 2026 财年间，基恩士的营业收入稳健增长，且其毛利率达到了令人窒息的 83.8%，其营业利润率亦高达惊人的 51.9% 。 这种近乎垄断的暴利来源于基恩士对商业模式的降维打击。首先是闭环的软硬一体化与痛点解决能力：在先进制造领域（例如 HBM 晶圆的极微观瑕疵检测、CPO 硅光子精密封装对准、或是自动化产线的质量追踪），基恩士提供的绝非单纯的电子元件，而是深度嵌合工厂极度复杂工艺流程的整体”良率控制系统与机器视觉算法”。对于制造商而言，能够直接提升产出良率、减少废品的工具，完全值得支付极高的溢价。其次是其经典的无工厂（Fabless）模式与直销网络：通过将重资产制造外包，基恩士规避了高昂的资本折旧；而其庞大且深谙工程技术的直接销售团队绕过了所有中间分销商，使得公司能够零时差地捕获前沿制造业的最新痛点并迅速研发迭代 。在 AI 模型加速向工业制造渗透的当下，高质量、极高精度的实时工业数据反馈完全依赖于这类高端传感器。这种”隐形卖铲人”展现出了全行业最强的抗宏观经济周期韧性。

2. 具身智能的致命枢纽：人形机器人精密执行器

生成式 AI 的具身化（Embodied AI）催生了人形机器人赛道的爆发。在这个有望在未来重塑人类劳动结构的万亿级系统中，价值最高、降本最难的核心部件是其物理”关节”——执行器系统（包含行星滚柱丝杠、谐波减速器、无框力矩电机等）。 在这一细分领域，中国的汽车工业供应链展现出了极其恐怖的降本能力与工艺泛化能力。以拓普集团（Tuopu）、三花智控（Sanhua）、绿的谐波（Green Harmonic）等为代表的企业，将其在特斯拉等新能源汽车（NEV）时代淬炼出的规模化精密制造、极其严酷的供应链成本控制以及快速迭代经验，近乎完美地平移至了机器人赛道 。 商业逻辑极为清晰：若特斯拉的 Optimus 机器人要在全球实现百万台级别的量产，并将其单台售价严格控制在 2 万至 3 万美元的消费级区间，就不可能依赖昂贵的实验室级航天工艺部件，而必须依赖中国长三角地区密集且高效的机电产业集群 。从财报数据看，资本市场正在用真金白银为这套逻辑投票。2025 年上半年，相关核心部件供应商的机器人相关业务营收呈现出 320% 的爆发式增长，同时毛利率依然强劲地维持在 35% 左右的高位 。拓普提供直线执行器，绿的谐波提供减速器，北特科技供应行星滚柱丝杠 ，这种”汽车级可靠性工艺、消费电子级降本节奏”的中国智造模式，构筑了人形机器人底层硬件在短期内极难被北美本土产能完全替代的产业壁垒 。

3. 车载与机器人的”三维眼睛”：LiDAR 的降本突围与全球化出海

在边缘 AI 的感知层，激光雷达（LiDAR）正经历从昂贵研发设备向标配自动驾驶与机器人传感器的急剧渗透。通过分析全球领先的激光雷达制造商禾赛科技（Hesai）在 2026 年第一季度的财务数据，可以清晰地看到硬件规模效应在边缘计算设备中的威力。 禾赛科技 2026 年 Q1 净营收达到 6.8 亿人民币，同比增长 30%，当季激光雷达出货量高达 47.1 万台，其中 ADAS 与机器人市场的出货量均实现同比翻番 。最值得剖析的是其利润表：尽管面临全球车企（尤其是中国市场）极其残酷的价格战与降本压力，禾赛依然能够将其毛利率坚挺地维持在 39.1% 的健康水平，并在当季实现 1800 万元人民币的 GAAP 净利润，连续四个季度保持 GAAP 盈利 。 这一优异毛利表现的底层逻辑在于芯片级架构的根本突破。禾赛相继推出了集成 RGB 颜色与 3D 几何形状的芯片级产品 Picasso，以及新一代 Kosmo 产品，通过将复杂的收发系统高度集成到专用 SoC 芯片中，大幅降低了 BOM（物料清单）成本与装配难度 。在全球市占率方面，据 Yole Group 及 Gasgoo 数据，禾赛在远距离 ADAS LiDAR 领域以 43% 的份额位居全球第一；在竞争惨烈的中国市场，其 2026 年 3 月的份额更是飙升至 55%，约为第二名的三倍 。通过成功切入梅赛德斯-奔驰（Mercedes-Benz）L3 级自动驾驶的全球战略供应链，并依托泰国”伽利略”制造中心向欧洲及全球交付，其展示了中国硬件供应商极强的抗地缘贸易摩擦韧性与技术标准输出能力 。

六、 供应链博弈、壁垒剖析与大国产业竞争格局

基于上述对 AI 基础设施全面维度的纵深扫描，我们可以从”产业链利润分配”的底层逻辑出发，对全球产业格局与竞争壁垒进行多维度的系统性收敛与剖析： 1. 哪些行业技术壁垒最高、最难实现国产替代？ 全球 AI 供应链中技术壁垒最深沉的环节，并非大规模组装，而是极端微观环境下的材料科学与精度控制，以及极宏观环境下的网络底层协议架构：

  • 晶圆级先进封装（TSMC CoWoS）： 这是算力落地的终极咽喉，涉及纳米级的布线密度、极其复杂的 3D 热应力释放以及基板材料的研发，建设周期漫长且对特定光刻与蚀刻设备依赖极深。

  • 日本把控的高端半导体材料与前道良率控制设备： 例如极紫外（EUV）光刻光刻胶、用于 HBM 堆叠的超高精密临时键合机台、隐形晶圆切割机以及超薄底部填充树脂。这些产品单体市场容量在庞大的半导体产业中看似不大，但往往需要单点技术积累数十年，构成了中国在芯片制造领域最难以实现彻底国产替代的绝对深水区。

  • 光电共封装技术（CPO）底层协议： 将激光器、硅光引擎与电子计算芯片在微米级别异构集成，不仅涉及半导体工艺，更涉及光学路径的极限物理调优。 2. 哪些行业毛利率最高、最易形成寡头与长期绑定？

  • 毛利率最高端（>70%-80%）： 牢牢掌握在处于”生态顶层”的企业（如 NVIDIA 基于 CUDA 的 GPU 软硬闭环体系 ）以及掌控”物理世界底层数据入口”的企业（如 Keyence 的高精工业传感器闭环 ）手中。它们凭借不可跨越的生态转换成本或工艺嵌合度，享受最高溢价。

  • 最易形成垄断与客户绑定： HBM 制造商（SK Hynix、Samsung）与核心网络交换机系统商（Broadcom、Arista）。在这两个领域，单次技术跨代研发的资本开支动辄以数十亿美元计，而下游买单的客户仅剩全球寥寥数家超大型云服务商（Hyperscalers）。这种极高的资本门槛导致了极其明显的双向”锁定效应”（Lock-in Effect），新玩家在没有得到巨头保底承诺前，根本无力承担入局的沉没成本。 3. 中美在 AI 基础设施标准与供应链中的博弈分工 在浩荡的 AI 算力军备竞赛中，地缘博弈深刻重塑了现有的供应链分工体系：

  • 美国把控核心标准制定权与高端底层架构定义权： 以 NVIDIA 为代表的 CUDA 软件生态标准、NVLink 底层总线互联规范；以 Broadcom 和 Arista 为主导的下一代以太网（Ultra-Ethernet）交换标准以及 CPO 光互连封装协议。美国通过主导这些底层语法的制定，结合对极高端先进制程与设备的出口管制，牢牢掌控着全球 AI 算力释放的”主脑”与”协议心脏”。

  • 中国企业在精密工程化、模块集成与温控/机电底座中展现绝对统治力： 中国供应链的恐怖之处在于其卓越的”工程转化与成本降维”能力。它们极其擅长将前沿的复杂系统迅速工程化、规模量产，并将高不可攀的硬件成本击穿至商业化普及的临界点。

    • 在光通信领域，中际旭创、天孚通信通过规模效应和闪电般的响应速度，在全球高端光模块与硅光器件领域碾压了诸多海外传统对手 。
    • 在电力与热管理体系，英维克的全链条液冷架构、麦格米特的高频高密电源组件，通过极致的研发人员效率和本土配套优势，硬生生切入了对品质要求近乎偏执的北美顶级 AI 核心圈 。
    • 在空间智能与机器人领域，拓普、三花、禾赛科技正依托长三角冠绝全球的新能源汽车工业底座，主导了全球激光雷达与机器人执行器硬件降本的核心节奏，并通过在东南亚（如泰国）或墨西哥等第三方市场构建海外产能，有效地规避了关税与贸易摩擦的物理隔绝 。

七、 产业终局前瞻：未来3-5年最具长期跟踪价值的投资蓝图

基于”产业链利润分配的非对称转移”这一底层宏观逻辑，在未来 3-5 年的资本博弈视野内，AI 与空间智能时代的真正”印钞机”，绝非是那些在模型参数堆砌和用户补贴战中燃烧现金的纯软件应用企业，而是能够稳定地收取物理”过路费”、为算力爆发提供关键工程解药的基础设施”卖铲人”。 强烈建议在未来中长期密切跟踪以下五大核心产业赛道的商业演变：

  1. 先进晶圆级封装材料与精密加工设备集群（高度关注日本供应链及中国的突围者）： 伴随着 HBM 内存向 16 层以上堆叠极限的进军，以及 CPO（共封装光学）的商业化全面渗透，决定芯片最终良率的关键物理材料（如高性能底部填充胶、用于高速信号传输的 M10/超低损耗 CCL 高频覆铜板）与微米级精密键合/切割设备，将获得在硅片成本之上极高的附加值与定价权。
  2. 超高压、超高密度的系统级电源架构（Power Rack & VRM）： 当数据中心单机架的峰值功耗突破 100kW 甚至向 200kW 逼近的临界点时，传统的集中式 UPS（不间断电源）与标准模块电源架构将彻底瓦解。能够提供从高压直流直接输电，直达芯片级稳压模块（VRM）全链路端到端解决方案的电源厂商，将从单纯的组件提供商跃升为能源架构系统商，迎来估值的戴维斯双击。
  3. 液冷底层精密快插连接、防漏系统与特种冷却介质： 随着液冷从边缘探索走向全面标配，其产业核心利润区将从粗放的金属冷板加工，迅速下沉至防漏高精密的快插接头（支持盲插系统）、微通道分液器设计以及具有绝缘与抗腐蚀特性的新型非导电冷却液。这些部件由于涉及流体安全，属于具有一定寿命极限的高频消耗与替换件，将孕育出类似”打印机与墨盒”般极具吸引力的长尾重复盈利模式。
  4. 掌握 CPO 底层封装标准的硅光芯片与引擎集成商： 当数据中心的网络节点间通信速率从 1.6T 迈向 3.2T 时代，光信号衰减的物理铁律将使得传统的可插拔光模块不可逆地向 CPO 与硅光集成架构演进。能够深度嵌入 TSMC COUPE（或同等级别）的 3D 硅光混合键合工艺链条、掌握微环调制器量产能力的企业，将完成对全球传统光器件市场既有竞争格局的残酷洗牌与彻底重塑。
  5. 人形机器人与边缘 AI 的高精执行器、传感器底座： 这是一片完全不受制于云端大算力中心摩尔定律内卷、却拥有近乎无限长尾物理应用场景的汪洋蓝海。未来真正能够捕获实体经济自动化红利的巨头，必然是那些能够将实验室级别的高端工业传感器精度（复刻基恩士的发展路径）与中国汽车供应链的极限规模化制造降本能力（复刻拓普、三花、禾赛的执行力）完美融合的企业。 综合而言，AI 时代真正持续产生丰厚利润的沃土，必然隐秘地存在于填补”软件算法对无尽算力的贪婪需求”与”现实物理世界不可突破的热力学、能效与带宽边界”这两者鸿沟的交界地带。在这一宏大的技术长征中，谁能通过精密工程解决热能耗散、电能损耗、光信号衰减与物理运动摩擦的天然阻力，谁就能在这个由人工智能驱动的百万亿级别智能纪元中，掌握决定最高产业利润如何分配的无上权杖。

🚀 交互式数据看板

本文配套一个 可交互的数据仪表盘，涵盖产业链毛利率对比、HBM 三区域利润分配、光通信议价权对比等核心图表。

▶ 打开 AI 基础设施产业链价值看板 →

继续阅读

Source: https://gemini.google.com/app/f9ad7eba2ce90732 Exported at: 2026-05-22T16:45:43.976Z

关系图谱