AI基础设施产业链投资深度报告

基于四大底层模型数据 | 覆盖GPU/HBM/DRAM/NAND/CoWoS全产业链
2026年2月
$
2027E 加速器市场规模
$4,287亿
CAGR 114% (2024-2027)
H
2027E HBM总收入
$1,000亿
vs 2024A $38亿 (+2,532%)
C
2026E 全球AI CapEx
$8,500亿
YoY +42% vs 2025E
T
全球日均Token (2026.02E)
100T+
vs 2024均值0.5T/天 (+200x)
Executive Summary

核心投资逻辑：AI基础设施正处于「需求拉动型」超级周期

1
需求端：Token消费仍在指数曲线上。全球日均Token从2024年的0.5万亿飙升至2026年初的100万亿+，两年增长200倍。这不是泡沫——背后是AI从实验性工具向生产力基础设施的根本性转变。Coding占Token消费50%+（a16z），意味着AI正在「自我复制」——用AI写代码来构建更多AI应用，形成正反馈飞轮。
2
供给端：算力瓶颈从「芯片」转移至「封装+电力」。NVIDIA GPU产能已不再是唯一瓶颈——CoWoS先进封装需求CAGR 64%，产能到2027年仍然紧张。更根本的约束来自数据中心电力：全球AI电力需求正从50GW级向200GW+迈进，电力基础设施的建设周期（3-5年）远长于芯片扩产周期（1-2年）。
3
商业化：Token经济学已经跑通。OpenAI 2025年ARR $20B（3x YoY），Anthropic $9B ARR并上调2026预测至$18B。关键拐点是Anthropic企业推理Token份额接近OpenAI的2倍——B端需求已经超越C端成为主引擎。GPU ROI方面，Blackwell代际(B200 7.59x, GB200 6.27x)较Hopper(H100 1.21x)实现了算力经济性的代际跃迁。
4
中国市场：独立增长极正在形成。中国日均Token消费26.02达180万亿（占全球~30%），豆包(63万亿/天)、通义千问(32万亿/天)、腾讯元宝(28万亿/天)构成三强格局。字节跳动以59.2%的公有云调用份额形成压倒性优势。华为Ascend出货量24A→27E增长56倍（15K→835K），国产替代进入加速期。

供需缺口：HBM持续紧张至2027

HBM供需在2025H2-2026H2持续处于供不应求状态（S/D Gap为负）。每颗Blackwell GPU搭载192GB HBM3e，Rubin将升至288GB HBM4。HBM总收入从2024A的$174亿增至2027E的$1,000亿，CAGR 79%。SK海力士保持主导（57%份额），但三星和美光正在追赶。

看多SK海力士美光

CSP CapEx：军备竞赛无减速迹象

五大CSP 2026E合计CapEx达$5,500亿（vs 2024A $2,391亿）。Meta和Amazon最激进（各$1,200-1,400亿），Oracle增速最快（$115亿→$500亿）。全球AI CapEx（含中国+其他区域）2026E达$8,500亿，2030E接近$3万亿。值得注意的是CSP之间出现「互相投资+抱团加速」的新趋势。

看多NVIDIABroadcomTSMC

DRAM：AI服务器需求重塑格局

DRAM总体供需缺口从2025Q3起转为持续负值（供不应求），主要由Server+HBM需求驱动。AI服务器DRAM内容量从Hopper的80-144GB提升至Blackwell 192GB、Rubin 288GB。AI相关DRAM需求（Server+HBM）已占总需求的40%+，超越Mobile成为最大单一应用。

看多三星SK海力士美光

Token定价：DeepSeek引发价格革命

DeepSeek R1 Input仅$0.14/1M tokens，为GPT-4的1/214。这迫使整个行业重新定价——OpenAI GPT-4o已降至$5/$15（vs GPT-4的$30/$60）。但低价策略的可持续性存疑：DeepSeek理论利润倍数5.45x，实际利润率仅0.7%（大量免费用户稀释）。定价下行对算力需求反而是利好——更低的推理成本激发了更多的调用量，验证了Jevons悖论。

中性利好算力基础设施

ASIC定制芯片：CSP「去NVIDIA化」提速

Google TPU、AWS Trainium、Meta MTIA、华为Ascend合计出货量从2024A的1.9M增至2027E的5.1M，CAGR 39%。Google TPU v7 Ironwood采用Broadcom方案，2027E出货近2M颗。AWS Trainium 3基于3nm，2027E出货1M颗。ASIC在推理场景中的TCO优势正在扩大（单位token成本比GPU低30-50%），但训练仍高度依赖NVIDIA生态。

看多BroadcomMarvellAlchip

Coding Agent：最快变现的AI应用赛道

a16z数据显示Coding已占全球Token消费的50%+，是增长最快的品类。Cursor ARR突破$1B并持续高增长，Anthropic Claude Code贡献$1.1B ARR（仅占总营收12%，但增速最快）。Coding Agent本质上是「用AI生产AI」——每1美元的Coding Agent投入可能创造5-10美元的下游AI应用开发价值，构成了正反馈增长飞轮。

看多Anthropic算力需求受益

Token消费量追踪
全球Token消费量月度追踪（十亿Tokens）
数据覆盖主流模型厂商 | 2024.11 - 2025.05
核心发现：全球日均Token从41B(24.11)增至293B(25.05)，半年增长7倍。 Google在AI Overviews/Gemini驱动下从338B→3,012B； OpenAI在4-5月出现拐点（GPT-5/Agent商业化），消费量突破2,100B。 DeepSeek开源模型半年从4B→1,105B，开源生态算力需求不可忽视。
各厂商Token份额变化
百分比堆叠 | 2024.11 - 2025.05
日均Token消费增速
每日处理Token数（十亿）& 环比增速
全球Token消费排行榜 — 日均万亿tokens（2026.02）
数据来源：公司财报/公开披露/分析师估算 | 统计口径存在差异，仅供参考
Google全平台Token月度消费（万亿/月）
含AI Overviews/Gemini/Search/Ads全量 | 2024.04 - 2025Q4
豆包大模型日均Token消费（万亿/天）
字节跳动 | 2024.05 - 2026.02
最新数据（至2026.02）：全球日均Token消费突破100万亿+，较2024均值(0.5万亿/天)增长200倍。 Google全平台25Q4达1,300万亿/月（~43万亿/天），Gemini API单独达10B tokens/分钟(14.4万亿/天)。 豆包26.02达63万亿/天，中国公有云调用份额59.2%，为国内第一。 OpenAI API达6B tokens/分钟(~8.6万亿/天)，ChatGPT周活9亿，日均25亿次对话。 中国市场26.02合计约180万亿/天，同比增长20倍。DeepSeek因模型更新节奏放缓，用户有所流失。
AI Token Economics
AI厂商收入增长轨迹（$B）
OpenAI / Anthropic | 2023A - 2027E
OpenAI收入结构拆分（$B）
API / ChatGPT / Agent / 新产品
OpenAI ARR里程碑追踪（$B）
年化收入运行率 & ChatGPT周活跃用户
API定价对比（$/1M tokens）
Input vs Output | 主流模型横向比较
GPU/TPU平台ROI对比
投资回报倍数 | H100 / B200 / GB200 / TPU
云GPU租赁价格（$/小时）
AWS H200 Spot / Azure H200 On-Demand / 其他
DeepSeek推理经济模型
278节点/2,224 GPU | 成本结构 & 利润率分析
Coding Agent ARR追踪（$B）
Cursor / Anthropic | 年化收入运行率
Token Economics核心发现（最新）：OpenAI 2025全年ARR达$20B（3x YoY），25年7月首次单月收入破$1B，周活9亿。 Anthropic ARR从25年初$1B飙升至年底$9B，26年预测上调至$18B（+20%），Claude Code贡献$1.1B ARR（~12%）。 Anthropic在企业推理Token市场份额接近OpenAI的2倍（Barclays）。 定价方面，DeepSeek R1仅$0.14-$2.19/1M tokens，为GPT-4的1/27。 GPU ROI中B200 (7.59x)和GB200 (6.27x)远超H100 (1.21x)。 TPU v4 ROI仅0.28x。a16z报告：Coding占Token消费50%+，推理模型处理量超总量50%。
GPU/加速器市场
NVIDIA GPU年度出货量（千颗）
按产品代际拆分 | Hopper → Blackwell → Rubin
加速器市场收入（$M）
NVIDIA vs Broadcom vs AMD vs Huawei vs Others
NVIDIA GPU客户分配（千卡）
Hopper/Blackwell/Rubin | 不含H20
全球XPU总出货量与AI CapEx
GPU + ASIC合计 | 2023-2030E
CSP资本开支
五大CSP CapEx跟踪（亿美元）
Meta / Amazon / Google / Microsoft / Oracle
全球AI CapEx全景（亿美元）
北美 + 中国 + 其他区域
趋势：全球AI CapEx从2024A的$2,391亿增至2026E的$8,500亿。 北美五大CSP占比约65%，中国CSP 2026E预计$1,000亿，其他区域$2,000亿。 到2030E，全球AI CapEx预计接近3万亿美元。
HBM市场分析
HBM收入按供应商（$M）
SK Hynix / Samsung / Micron | 年度汇总
HBM供需缺口（季度）
负值 = 供不应求 | 来自DRAM Overview模型
HBM ASP趋势（$/Gb）
按供应商 | 年度均价
HBM市场份额演变
收入口径 | 年度
DRAM供需分析
DRAM总体供需缺口（季度）
包含Commodity DRAM + HBM | 负值 = 供不应求
DRAM需求结构（按应用）
Server+HBM / Mobile / PC / Auto / CE
NAND/存储市场
NAND供需与利用率
供给 vs 需求 (EB) & 利用率 (%)
CSP NAND采购量（EB）
AI驱动的存储需求爆发
NAND TAM ($bn) 与厂商份额
2014-2027E | Samsung / SK Hynix / Micron / Kioxia / SanDisk
NAND TAM：2024年因行业去库存降至$34.2bn（-37% YoY）， 2025E强劲反弹至$64.9bn（+90%）。AI存储（KV Cache + RAG + 多模态Archive） 从2026年起成为核心增量，CSP NAND采购从70EB(24A)增至291EB(26E)。
CoWoS先进封装
CoWoS产能需求（千片晶圆/年）
按客户拆分 | 2023-2027E
GPU/加速器出货量（百万颗）
NVIDIA / Google TPU / AWS Trainium / AMD / Meta MTIA
封装瓶颈：CoWoS需求从350K(24A)→1,550K(27E)片，CAGR 64%。 CoWoS-L成为主流（Blackwell/Rubin大芯片），2027E占比>80%。 NVIDIA等效GPU die从5M(24A)增至17M(27E)，封装产能持续紧张。
ASIC定制芯片
CSP自研芯片出货量路线图（千颗）
Google TPU / AWS Trainium / Meta MTIA / Huawei Ascend / Others
芯片规格对比
显存带宽 vs 算力（关键芯片）
气泡大小 = 显存容量 (GB)
NVIDIA代际演进：关键指标对比
A100 → H100 → H200 → B200 → GB300 → R200
产业洞察与前瞻

五大结构性趋势判断（2026-2028）

I
从「训练为王」到「推理为王」的范式转移。2024年训练占AI算力消费的60%+，到2026年这一比例已反转——推理占比超过70%且仍在扩大。这意味着什么？(1) 推理优化芯片（ASIC、定制加速器）的战略价值急剧上升；(2) 单位推理成本每下降50%，调用量可能增长3-5倍（Jevons悖论在AI领域的验证）；(3) NVIDIA的护城河正从「训练生态垄断」向「推理性价比」迁移——Blackwell/Rubin必须在推理效率上保持领先，否则将面临ASIC的侵蚀。
II
Agent经济体的崛起将重新定义「Token需求」的天花板。当前Token消费仍以人机交互为主（用户输入prompt→模型返回结果），但Agent模式正在改变这一格局：一个Agent任务可能触发数百次模型调用、数万tokens的中间推理过程。Coding Agent已经展示了这一潜力——单个开发任务消耗的Token量是普通对话的100-1000倍。当Agent渗透到企业工作流（销售、客服、法务、财务），Token消费可能再增长一个数量级。这是支撑CSP持续加大CapEx的核心逻辑。
III
存储正在成为被低估的AI受益环节。随着长上下文窗口（100K→1M+ tokens）和多模态模型的普及，KV Cache的内存需求正以超线性速度增长。一个典型的B200推理服务器，其KV Cache可能占用与模型参数同等甚至更多的HBM容量。这推动了：(1) HBM容量从192GB→288GB→1TB的快速升级路径；(2) NAND在AI存储中的角色升级——CSP NAND采购从70EB(24A)→291EB(26E)，4年4倍。NAND TAM在经历2024年的去库存低谷后，正迎来AI驱动的结构性反弹。
IV
中美AI产业链正在「平行宇宙化」。华为Ascend出货量3年增长56倍，中国CSP CapEx 2026E达$1,000亿。字节豆包以63万亿tokens/天位居全球第二（仅次于Google全平台），阿里通义千问开源模型衍生14万+模型。关键观察：中国的AI算力需求增速并未因芯片限制而放缓——而是通过(1)推理效率优化（DeepSeek MoE架构的成本革命）、(2)国产替代加速（华为+中芯的成熟制程路径）、(3)应用场景爆发（抖音占字节算力40%、豆包占10%）来实现独立增长。两条平行的AI算力需求曲线，意味着全球基础设施投资的总量将超出单一市场的预期。
V
封装和电力将取代芯片成为终极瓶颈。CoWoS产能需求CAGR 64%，但TSMC扩产节奏受限于设备（光刻机）和良率（CoWoS-L的大面积封装）。更深层的约束是电力——一个10万卡的Blackwell集群需要~150MW电力，相当于一个中型城市。到2030年，全球AI数据中心电力需求预计超过200GW，但电网建设周期是3-5年。谁能率先解决电力和冷却问题（核电、液冷、边缘数据中心），谁就掌握了AI基础设施竞争的终极筹码。
关键风险与不确定性
High Risk
AI CapEx泡沫化风险
CSP CapEx增速（42% YoY）远快于AI收入增速。如果AI应用的商业化兑现速度低于预期，CapEx可能面临急刹车。历史参照：2000年电信泡沫中，运营商CapEx从峰值下降60%。关注指标：CSP AI云收入增速 vs CapEx增速的剪刀差。
High Risk
推理效率跳变式提升
如果出现新的模型架构（如更高效的MoE变体或全新的计算范式），使推理成本降低一个数量级，可能导致已建算力严重过剩。DeepSeek已展示了「低成本高性能」的可能性——如果这种趋势加速，对高端GPU的需求增速可能放缓。
High Risk
地缘政治升级
美国对华芯片禁令的进一步升级（如限制HBM出口、扩大实体清单）可能导致：(1)中国加速国产替代，减少对海外供应链的依赖；(2)全球半导体供应链效率下降，推高成本。双重供应链的建设成本最终由终端用户承担。
Medium Risk
HBM供需反转
2027年后随着三星/美光产能释放，HBM可能从供不应求转为供过于求（2027H1 S/D Gap转正）。如果同时叠加GPU需求增速放缓，HBM ASP可能面临下行压力。不过从当前数据看，Rubin代际对HBM4的需求量（288GB/卡）将部分对冲供给增长。
Medium Risk
NVIDIA竞争格局恶化
Broadcom ASIC收入2024→2027E CAGR 149%，增速远快于NVIDIA（104%）。如果Google TPU v7/v8在推理场景展现出明显成本优势，可能导致CSP减少NVIDIA GPU采购。NVIDIA需要持续证明其「平台+生态」溢价的合理性。
Low Risk
AI监管政策收紧
EU AI Act已经生效，美国也在讨论AI安全法规。如果出现严格的模型审核/部署限制，可能短期拖累AI应用落地速度。但从历史经验看，监管更可能提高准入门槛、利好头部玩家，而非实质性抑制整体需求。

产业链投资优先级排序

Top
最高优先级 — HBM/先进存储：供需缺口最确定、持续时间最长。SK海力士（全球HBM #1，57%份额）和美光（HBM增速最快，2025E rev 3.3x YoY）是核心标的。NAND层面关注三星和铠侠的AI存储业务。
Tier1
一级优先 — ASIC设计服务：CSP自研芯片趋势不可逆。Broadcom（Google/Meta的ASIC partner）收入CAGR 149%，Marvell（Amazon Trainium）和Alchip（AWS定制芯片）将受益于持续增长的设计开工量。这是「去NVIDIA化」趋势中的最大受益群体。
Tier1
一级优先 — 先进封装：TSMC CoWoS产能是唯一无法短期替代的瓶颈。封装设备商（如Besi、ASM Pacific）和CoWoS产能的直接受益者（日月光、Amkor）具备长期增长逻辑。CoWoS-L从2025年起成为主流，工艺复杂度进一步提升设备需求。
Tier2
二级优先 — NVIDIA及GPU生态：NVIDIA仍是AI芯片的绝对王者（2026E份额84%），但估值已充分反映增长预期。关注Blackwell→Rubin代际切换期间的执行风险。GPU周边的确定性更高：电源管理（Monolithic Power）、高速互连（Credo、Astera Labs）、散热/液冷（Vertiv、Coolera）。
Alpha
Alpha机会 — 中国AI产业链：华为Ascend（出货量3年56倍）、中芯国际（成熟制程AI芯片代工）、寒武纪（国产AI推理芯片）构成中国AI算力的「铁三角」。政策驱动+需求刚性+国产替代三重催化。风险在于技术代差（与NVIDIA Blackwell仍有2-3代差距）和外部制裁加码。
写在最后： AI基础设施投资的本质问题不是「AI需求会不会来」——全球100万亿+ tokens/天的消费量已经证明了需求的真实性和爆发力。 真正的问题是「谁能在算力军备竞赛中建立持久的结构性优势」。 我们的判断是：在供给侧掌握稀缺资源（HBM产能、CoWoS封装、电力）的公司，比单纯依赖需求增长的公司更具投资确定性。 原因很简单——在一个需求以200x速度增长、但供给扩张受限于物理世界约束（建厂周期、电网建设、材料供应）的市场中， 稀缺性溢价将远大于规模效应。 这就是为什么我们将HBM和先进封装放在投资优先级的最高位置。