AI產業鏈的三層生意和利潤點
若從利潤池角度觀察，AI產業其實分成三層：第一層是賺晶片錢，第二層是賺算力與雲端租金，第三層才是賺應用和服務錢。
目前最厚的利潤池，毫無疑問仍在晶片和硬件基礎設施。AI訓練與推理所需的GPU、專用加速晶片、高速互連、HBM記憶體、先進封裝、液冷散熱及伺服器系統，構成整個產業鏈的底座。這一層的商業模式最直接：客戶要做AI，就先要買設備；模型愈大、參數愈多、推理需求愈高，對算力的依賴就愈強。晶片公司因此享有類似「入口稅」的地位，只要AI資本開支持續，硬件供應商便能率先分享增量需求。
不過，晶片錢雖然最吸引，門檻也最高。它不是普通企業可以靠講故事切入的市場，而是需要晶片架構、軟件生態、製程供應、封裝能力、客戶認證和資本投入共同支撐。這解釋了為何AI硬件市場容易形成強者恆強的格局。真正賺錢的不是所有半導體公司，而是那些能控制關鍵瓶頸的企業。GPU是瓶頸，HBM是瓶頸，先進封裝是瓶頸，資料中心電力與散熱有時也會變成瓶頸。投資者若只看到「AI晶片」四個字，卻分不清誰掌握瓶頸、誰只是代工環節、誰只是概念延伸，便很容易把利潤池看錯。
第二層利潤池，是雲端平台和算力租賃。大部分企業未必有能力自建AI資料中心，也不可能自行購買、維護及調度大量高端晶片，因此雲平台成為AI時代的新型地主。它們買入晶片，建設資料中心，再以雲服務、API調用、模型託管、推理服務等方式向企業收費。這一層賺的不是一次性硬件收入，而是長期租金。當企業每天都要調用模型、處理數據、部署智能客服、生成內容或運行內部AI工具，雲平台便像收取水電費一樣，按用量收費。
這種租金生意看似穩定，但並非沒有壓力。雲平台首先要承擔巨額資本開支，買晶片、建機房、簽電力合約、提升網絡和散熱能力；其次要面對硬件折舊，因為AI晶片更新速度快，今天的先進設備可能幾年後便不再具備成本優勢。更重要的是，雲平台之間競爭激烈，當算力供應逐步增加，單位算力價格可能會下降。因此，雲平台能否持續賺到高租金，取決於兩件事：一是能否以規模效應攤薄成本，二是能否把算力與數據、模型、開發工具和企業客戶黏性綁在一起。單純出租GPU，長遠可能變成重資產生意；把算力變成企業AI操作系統，才有機會形成更深護城河。
第三層是應用錢，也是市場最容易想像、但盈利最不確定的一層。AI應用可以出現在辦公軟件、程式開發、客服、金融分析、醫療影像、教育、法律、設計、遊戲、廣告、電商和工業製造等場景。理論上，這一層最接近用戶，市場空間最大；但現實上，許多AI應用公司仍處於「產品有人用，未必有人願意付足價」的階段。原因很簡單：底層大模型能力快速擴散，應用功能容易被複製；若不能嵌入工作流程、掌握專有數據、提高切換成本，便很容易由創新變成插件。
這也是AI應用估值最難判斷的地方。部分公司看似增長很快，但收入背後可能同時伴隨高昂模型調用成本、客戶教育成本和留存壓力。若一家公司只是把大模型包裝成聊天窗口，沒有真正改變行業流程，則其毛利率和議價能力未必理想。相反，真正有價值的AI應用，不是單純「生成一段文字」或「回答一個問題」，而是能否縮短交付周期、減少人手、提升轉化率、降低錯誤率，甚至重塑一個行業的成本結構。到那一刻，應用公司才不是賣工具，而是在分享客戶效率提升後的經濟利益。
義合控股投資者關係部
（芯片與算力系列之64）
