大摩AI生态系统研讨会，关于中国AI供应链的关键图表一、全球与区域大背景

大摩 AI 生态系统研讨会，关于中国 AI 供应链的关键图表

一、全球与区域大背景

生成式AI → 半导体产业的核心驱动力生成式AI的发展把算力需求推向新高，半导体产业预计在本十年末突破1万亿美元市场规模，其中AI半导体贡献近一半。摩尔定律转向系统级创新不再仅依赖制程微缩，而是通过先进封装（CoWoS/SoIC）、高带宽存储（HBM）、光电共封装（CPO）、定制 ASIC等方式延续算力提升。资本开支浪潮本十年内，AI相关资本开支预计累计3–4万亿美元，数据中心与AI专用芯片是核心投向，Google TPU虽迟但到？

二、中美对比：两条不同路径美国：专有模型 + GPU主导

NVIDIA GPU形成事实标准。

OpenAI、Anthropic等依靠封闭式大模型和庞大资金优势。

中国：开放模型 + 推理侧驱动全球前十大SOTA模型中，中国占一半。国内形成开放权重（开源大模型）战略，以推理需求为主，降低对GPU绝对依赖。本质原因就是AI能力公式中的AI算力子项还是弱，所以阿里当下最佳发展路径一定是自研+外采ASIC+外采GPU混合路径。第一阶段一定是外采为主，自研ASIC真没那么简单。如果不懂技术，只看海外各种ASIC推迟新闻就心中有数了。反过来讲，正式因为ASIC没这么简单，作为ASIC的代表Google TPU才有预期差。国内六大科技巨头2025年资本开支预计同比 +62%，达到3730亿元人民币，大规模投入数据中心和 AI Infra。

三、应用层：

从 2C 到 2B 的双线演进2C 端（消费）腾讯、阿里、百度、字节、月之暗面等纷纷推出千万 DAU的原生AI应用。微 信、支付宝、淘宝、美团等超级应用逐步嵌入AI → 成为AI Agent入口。2B 端（企业）应用场景快速扩散：广告营销、医疗、金融、电商、工业、能源、办公。企业侧 AI 应用强调 降本增效 + 行业知识集成，与 OpenAI 的通用性路线不同。

四、硬件与供应链的价值迁移

算力核心：

GPU + ASIC短期：NVIDIA GPU 仍为训练标准；ASIC 用于推理加速。

长期：GPU+ASIC 组合不可或缺。关于这点笔者也讲过多次了，不谋而合，GPU+ASIC一定是双轮驱动。

AI 服务器的拐点

NVIDIA AI 服务器出货量预计在 2026 年见顶。

行业重心转向 ：

系统集成 & 基础设施：液冷散热（CDU、浸没式液冷、冷板液冷）

电源架构（HVDC 800V 高压直流）

服务器 ODM 能力与模块化设计

价值重分配

传统 GPU 芯片 ASP 增速放缓后，先进封装、散热、电力系统、光模块（CPO/硅光）成为新利润池。

TW地区、中国大陆的代工、封装、散热与光模块厂商受益显著。上证指数今日看盘[超话]