纪要涉及的行业或公司 * 行业：人工智能基础设施（AI Infra）与算力产业链 [1] * 公司： * 云厂商：百度、阿里、华为、腾讯、火山引擎、金山云 [2][10][11][12] * AI Infra平台/工具厂商：第四范式、硅基流动、潞晨科技、商汤科技、星环科技、海天瑞声 [2][10][12] * 芯片厂商：NVIDIA（A100, H100, H800, H200）、国产芯片厂商 [5][6][7] * 其他：CoreWeave、Oracle、Hugging Face、Snowflake、Databricks [10][12] 核心观点与论据 * 算力通胀与Token供需逻辑：AI应用（Coding、Agent、多模态）爆发驱动Token消耗呈指数级增长，而算力供给受物理约束呈线性扩张，导致Token供需缺口持续扩大，预示算力价格上涨及产业链持续通胀 [1][3] * 中美算力需求路径分化： * 美国：推理算力需求启动早（2023年下半年），预计2025年推理占比达70%，训练占30% [1][4][5] * 中国：过去以训练为主，推理需求于2024年启动，预计2025年下半年随多模态与Agent能力提升迎来爆发 [1][5] * 算力形态演进： * 训练侧：向万卡、10万卡级别的大集群集中，依赖高端GPU和高速互联 [6][11] * 推理侧：向分布式、边缘及CPU+ASIC混合架构演进，强调弹性调度和按Token计费 [1][6][11] * 中国AI Infra市场格局：向头部云厂商（百度、阿里、华为等）收敛，其通过算力、模型与MLOps工具强绑定占据主导；垂直平台（如第四范式）在B端私有化市场具备差异化优势 [2][12] * 中国市场特有环节：异构AI算力芯片调度平台（如“无问星穹”），核心是跨不同国产芯片及英伟达显卡进行统一管理和调度，以解决异构算力并存问题 [10] 国内算力产业链受益传导阶段 * 第一阶段（短期）：推理需求爆发最直接利好头部云厂商及提供NVIDIA算力租赁服务的厂商，因其API调用主要依赖云厂商的NVIDIA算力基础设施（如H200） [1][6][7][14] * 第二阶段（中期）：随企业级Agent应用和私有化部署需求增加，国产芯片及一体机产业链将受益 [1][7][14] * 第三阶段（长期）：长尾开发者和轻量化应用普及，利好端侧/边缘ASIC等轻量化算力解决方案厂商 [1][7][14] AI Infra产业链结构详解 * L1 芯片与硬件层：包括GPU（NVIDIA A100/H100等）、TPU、NPU、ASIC等芯片，以及服务器、网络设备 [9] * L2 云计算与算力平台层：将硬件资源池化，提供弹性算力，包括公有云厂商、GPU专用云、智算中心及异构算力调度平台 [9][10] * L3 AI框架与运行时层：连接硬件与上层应用的软件引擎，如TensorFlow、PyTorch、CUDA；国内有百度飞桨、华为升思 [10] * L4 数据基础设施层：涵盖数据采集、清洗、存储、管理，向量数据库因RAG和Agent兴起而重要，代表公司有星环科技、海天瑞声等 [10] * L5 工具链与MLOps层：提供模型全生命周期管理工具，包括训练框架、推理加速引擎（如硅基流动）、模型部署平台等，旨在优化成本与效率 [1][10][12] 推理成本制约与关键环节价值 * 推理成本成为核心制约因素，不同推理引擎或调度引擎可能导致成本出现数倍差异 [1][12] * L5工具链与MLOps层价值凸显，具备模型推理加速引擎（如硅基流动）和算力调度能力的厂商将获得显著溢价 [1][11][12] 投资逻辑与市场疑虑解读 * 宏观叙事优先：AI算力需求爆发式增长、需求远大于供给是“蛋糕做大”的第一层逻辑，决定中长期方向；供给侧格局变化是第二层逻辑，影响短期波动 [13] * 投资逻辑优先级：由产业链上游向下游递减，越靠近前端（上游）环节，受益确定性越高 [14] * 对云厂商的疑虑：市场关注的毛利率等问题多基于供给侧微观视角，但宏观的算力需求爆发逻辑更为重要 [13]