9.4 全产业链成本结构与战略卡位

9.4 全产业链成本结构与战略卡位

讲完了制程、封装、HBM、光模块、整机，最后我们把视角拉到最高处——在整个 AI 集群的成本结构里，哪些环节吃掉了大头？哪些环节是战略卡位的关键？

9.4.1 AI 集群的成本构成

一个大型 AI 集群的总成本，大致可以拆成几大块。各块的比例会随集群规模和配置变化，但大致结构如下（定性，非精确数字）：

⚠️ 容易被低估的两块：一是网络（尤其光模块），很多人只关注芯片成本，但光模块在大型集群里能占到双位数比例；二是供电散热设施，这是机房级的重资产投入，常被算在"基础设施"里而与 IT 设备成本分开，但对算力总拥有成本影响巨大。

9.4.2 哪些环节是战略卡位

成本占比高、且供应集中的环节，就是战略卡位的关键——谁掌握了这些环节，谁就在 AI 算力供应链里有议价权和控制力。基于前几章的分析，可以识别出几个关键卡位：

AI 算力供应链的关键卡位（战略高地）：

芯：先进制程（台积电等少数厂商）── 最高卡位
链：CoWoS 先进封装（台积电）── 当前最稀缺
    HBM（三星/SK海力士/美光）── AI 专属紧俏
    高端光模块 DSP（少数美国厂商）── 地缘敏感
体：液冷/供电（相对多元）── 卡位较弱
整机：ODM（相对多元）── 卡位较弱
​

这几个关键卡位有几个共同特征：

• 技术门槛极高：不是砸钱就能突破，需要长期工艺和技术积累。
• 产能集中：少数厂商甚至单一厂商主导。
• 不可替代：短期内没有替代方案，AI 芯片非用不可。

这就是为什么这些环节的厂商（如台积电、SK 海力士、高端光模块 DSP 厂商）在 AI 浪潮里获得了巨大的议价权和市值增长——它们卡住了 AI 算力的咽喉。

9.4.3 议价权与利润分布

战略卡位直接转化为议价权和利润。在 AI 算力产业链里，利润高度集中在卡位环节——先进制程、先进封装、HBM、高端芯片设计这些环节，攫取了产业链大部分利润。而相对成熟、竞争激烈的环节（如服务器组装、基础结构件），利润率较低。

AI 算力产业链的利润分布（定性）：

高利润 ◄────────────────────────────► 低利润
先进制程  CoWoS  HBM  高端芯片设计 ... 整机组装  基础结构件
（卡位环节，议价权强）                （竞争充分，议价权弱）
​

💡 "微笑曲线"在 AI 产业链的体现：经典的微笑曲线理论说，产业链利润集中在两端（研发设计 + 品牌服务），中游制造利润低。AI 算力产业链呈现强化版微笑曲线——芯片设计、先进制造（制程/封装）这两端攫取绝大部分利润，整机组装这种中游环节利润微薄。

9.4.4 两大平台的供应链战略

把以上分析用于两大平台，能看到不同的供应链战略：

NVIDIA 的战略：牢牢占据"芯片设计"这个最高利润环节，通过参考设计控制整机架构，依赖全球 ODM 制造。NVIDIA 自己不碰重资产的制造，但通过掌握核心 IP（芯片设计 + 互联架构 + CUDA 生态），在产业链里攫取最高利润。这是典型的"轻资产 + 高控制"模式。

华为的战略：在制程受限的现实下，无法占据"先进制程"这个最高卡位，转而通过"全栈自主"在多个环节布局，用规模和系统弥补单点差距。华为的战略更像是"垂直整合 + 全栈可控"——虽然单个环节未必最强，但整体可控性和供应链安全在国产替代语境下有独特价值。

两大平台的供应链战略对比：

NVIDIA：占据最高卡位（芯片设计）
        轻资产 + 高控制 + 全球 ODM
        利润最高，但供应链集中

华为：  制程受限，无法占最高卡位
        全栈自主 + 垂直整合
        单点未必最强，但整体可控
        在国产替代语境下有独特价值
​

9.4.5 "链"两章的总结与全书衔接

到这里，"链"两章完整收官。让我们回顾第 8、9 章的全景：

"链"两章全景：

第8章（芯片制造与封装）：
  先进制程（台积电主导）
  CoWoS 先进封装（最稀缺瓶颈）
  HBM 供应链（两道关卡绑定）
  国产替代与地缘约束

第9章（互联器件与整机集成）：
  光模块（速率演进，国产较强）
  铜缆背板（柜内 scale-up 骨架）
  整机集成（ODM 与整机柜交付）
  全产业链成本与战略卡位

贯穿主线：能设计 ≠ 能造 ≠ 能装。
         "链"决定一个厂商/国家能走多远。
​

"链"两章揭示了一个核心事实——AI 算力竞赛不只是设计的竞赛，更是制造和供应链的竞赛。NVIDIA 的领先，不仅在于芯片设计，更在于它牢牢卡住了先进制程、CoWoS、HBM 这些关键环节；华为的挑战，也不仅在于架构设计，更在于"链"层面的多重约束。

至此，全教程的"芯网体链"四大维度都讲完了。第 10 章作为收束章，会把两大平台放回同一坐标系，做系统级综合对比，并展望未来。

思考与延伸

1. 如果一个国家想建立完全自主的 AI 算力产业链，它需要同时突破哪些卡位？哪个最难、最容易卡住整个计划？
2. NVIDIA 占据芯片设计最高卡位，但其制造全依赖外部（台积电等）。如果台积电因故断供，NVIDIA 的"高控制"还成立吗？
3. 全产业链利润集中在卡位环节。一个发展中国家想分一杯羹，最现实的切入点是哪个环节？为什么？

第 9 章小结

• 光模块是机柜间组网的"血管"，速率向 800G/1.6T 演进，硅光和 CPO 是降本未来；国内光模块整机较强但 DSP 依赖外部。
• 铜缆在机柜内（scale-up）有低成本低延迟优势，NVL72 铜背板是柜内全互联的物理骨架。
• 整机集成由 ODM 承担，NVIDIA 走"参考设计 + 全球 ODM"分工模式，华为走"垂直整合 + 全栈自主"模式。
• 全产业链成本集中在芯片、HBM、网络三大块，先进制程、CoWoS、HBM、高端 DSP 是战略卡位，利润和议价权高度集中于此。
• "链"两章共同揭示：AI 算力竞赛是设计 + 制造 + 供应链的综合竞赛，"链"决定能走多远。

读完本章，"链"两章完整结束，全教程"芯网体链"四大维度都已展开。下一章作为收束，把两大平台放回同一坐标系做综合对比，并展望算力基础设施的未来。

本节关键词：全产业链、成本结构、战略卡位、议价权、供应链战略、微笑曲线　返回：第 9 章支柱页　下一篇：第 10 章 · 综合对比与战略展望