AI 算力硬件的投资框架：从第一性原理到定价权

一个关于”为什么涨价的永远是那几样东西”的系统性思考

引子：两个让人困惑的问题

2022-2024 年，英伟达 GPU 价格翻倍。2025-2026 年，HBM 内存价格暴涨。每一次都有人说”泡沫”，每一次都被供需的物理现实打脸。

但真正值得问的问题不是”会不会涨”——回头看不值钱。值得问的是这两个：

1. 为什么涨价的总是 GPU 和内存，而不是其他组件（电源、机柜、光模块……）？

2. 顺着同样的逻辑往下推，下一个会涨价的是什么？

这篇文章试图从第一性原理——物理约束、信息论、博弈论——回答这两个问题。不推荐个股，目标是建立一个可以复用的分析框架。文中公司均作为分析案例出现，用以说明框架如何应用于现实。

第一部分：算力的第一性原理——三个物理瓶颈

任何计算系统的真实性能，由三个物理量中最慢的那个决定：

1. 计算密度——单位面积、单位时间能完成多少次运算（FLOPS/mm²）
2. 数据供给速率——数据多快能喂给计算单元（内存带宽，TB/s）
3. 互联带宽——计算单元之间多快能交换结果（网络带宽，Tb/s）

这三个量构成了算力系统的木桶。AI 大模型训练和推理，本质上是一个不断扩张的数据流动过程——Scaling Law 让这个木桶的每一块板都在不断加长，但加长的速度不同。

而加长最慢的那块板，就是瓶颈。瓶颈所在，就是定价权所在。

这就是为什么 GPU 先涨价，然后 HBM 涨价，接下来还会有新的瓶颈轮番爆发。这不是市场情绪，是物理定律决定的时间表。

关键转折：从 Compute-Bound 到 Memory-Bound 再到 Communication-Bound

Scaling Law → 模型越来越大
    ↓
模型权重大于单卡显存 → 必须分布式部署 → 网络互联成为瓶颈
    ↓                                    ↓
单卡需要更多 HBM                       NVLink/InfiniBand 需求暴增
    ↓                                    ↓
HBM 产能告急 → 内存涨价               高速网络设备涨价
    ↓
芯片之间数据搬运功耗 > 计算功耗
    ↓
液冷/电力/先进封装/光互联 → 全线承压

这个演进路线不是预测——它已经走到第二步了。

第二部分：定价权的三个维度——不只是”供需关系”

“供不应求所以涨价”是一句正确的废话。真正的问题是：为什么供不应求的是这个东西，而不是别的？ 以及：谁能从供不应求中赚到超额利润？

要回答这个问题，需要一个三维分析框架：

定价权 = 技术深度 × 生态惯性 × 博弈地位

这三个维度的乘积，决定了一家公司在需求爆发中能否获得超额利润。

但每个维度内部还有重要的结构差异，影响判断的精度：

生态惯性的两种本质

“切换成本高”是表象。拆开来看，惯性来自两种完全不同的锁定机制：

区分这两类的意义在于：物理耦合型惯性的保质期是永久的（直到物理定律被改写），知识型惯性的保质期取决于生态维护者的持续投入和抽象层次的抬升速度。 CUDA 的护城河深，但它需要英伟达持续砸钱维护——这不是缺陷，而是一种与物理耦合本质不同的壁垒性质。

博弈地位的两个变量

博弈地位实际上由两个独立变量决定：

用这两个变量重看案例：

• 英伟达 GPU：卖给成百上千个客户（云厂商、企业、主权基金），客户彼此竞争 → 即便客户是巨头，英伟达也能逐个击破
• 台积电 CoWoS：卖给不到 10 家，每家（英伟达、AMD、博通）都是巨头 → 涨价被严格约束
• IBIDEN ABF 载板：卖给所有封装厂 → 客户分散，议价能力好于台积电

更进一步，还有“客户的客户”这一层间接博弈：台积电 CoWoS 涨价时，它的直接客户（英伟达）可以选择吸收成本还是转嫁给云厂商。因为英伟达自己拥有更强的定价权，台积电事实上被”夹”在中间——它有技术壁垒，但它客户的客户不直接受它影响。这一层间接关系解释了为什么台积电不能随意涨价：它不是最终定价者，它只是英伟达成本结构中的一个环节。

技术深度的两种本质：工艺壁垒 vs 科学壁垒

同样被评”★★★★★ 技术深度”，背后的壁垒性质可能完全不同：

这个区分的投资含义：工艺壁垒型公司可能在 5-10 年维度被追赶者侵蚀，科学壁垒型公司的定价权几乎不受时间影响。 博通 SerDes 和 Boyd 冷板都评★★★★★，但博通的壁垒更持久——模拟电路无法被”开源替代”，而且不存在”大量试错慢慢逼近”的追赶路径：高速 SerDes 的物理极限是硬墙，不是经验曲线。

这个区分不必对每个公司单独打分，但在做长期判断时，需要问自己：这家公司的壁垒，追赶者是”现在还做不到”还是”物理上不可能做到同等水平”？

第三部分：解构 GPU 和 HBM——为什么它们拥有接近满分的定价权

GPU（英伟达）

三满分。这就是为什么英伟达的毛利率能站在 70%+。

HBM（SK 海力士 / 三星 / 美光）

核心洞察：GPU 和 HBM 的共同特征是”三满分”。它们的稀缺，不是短期的产能错配，而是物理瓶颈 × 时间积累壁垒 × 商业模式优势的三重叠加。这在硬件行业中是极其罕见的。

第四部分：四个高确定性赛道——谁才是”下一个英伟达”？

沿着”数据流瓶颈”的逻辑往下推，四个赛道的需求确定性最高：网络互联、先进封装、电力散热、光互联。但每个赛道内部的定价权分布差异极大。

赛道一：网络互联

这是英伟达自身最直接的延伸。英伟达通过收购 Mellanox（InfiniBand）+ 自研 NVLink + Spectrum-X 以太网，已经把互联变成了 GPU 生态的一部分。NVLink 只连英伟达 GPU，InfiniBand 的 NCCL 优化深度无法复制——互联就是下一个”算力”。

但在这个赛道中，最接近英伟达地位的独立公司是博通（Broadcom, AVGO）。

博通在高速 SerDes（112G/224G PAM4）上的地位，靠的不是软件生态，而是模拟电路的物理壁垒。224G SerDes 需要处理奈奎斯特频率 56GHz 以上的信号——在这个频率上，PCB 走线本身是一个不可忽略的滤波器。CTLE/DFE（均衡器）的设计几乎是一门”手艺”，依赖的是极少数有 20 年以上经验的模拟电路工程师的手工调试。模拟电路无法被开源替代，也无法靠堆人速成。

定价权评估（博通物理层）：

数据支撑：博通 AI 相关收入从 FY2023 的约 $40 亿增长到 FY2025 的约 $120 亿（估算），定制 AI 芯片 + SerDes + 交换芯片三条线均受益，SWITCH 业务本身也因 AI 集群规模扩大而受益。

在网络互联系统层，Arista（ANET）和英伟达自身也值得关注。但 Arista 的护城河是运维惯性和采购关系，不是技术深度或生态锁定，定价权弱于博通一个级别。

赛道二：先进封装

这个赛道的技术集中度甚至超过 GPU。

台积电（TSM / 2330.TW）的 CoWoS 封装占全球产能 95%+。CoWoS 的硅中介层是用台积电前道晶圆工艺制造的——这意味着 CoWoS 与 N4/N3/N2 制程物理耦合，别家封装厂无法独立复刻。

数据支撑：台积电先进封装收入 2024 年约 $60 亿，预计 2025-2026 年翻倍；CoWoS 产能从 2023 年的 ~15K wpm 扩到 2025 年的 ~40K wpm+，仍供不应求；但 CoWoS 只涨价 10-20%（对比 GPU 和 HBM 的 50%+）——完美验证了”技术满分 + 博弈受限 = 利润弹性被约束”的框架判断。

台积电封装拥有英伟达级别的技术护城河，但商业模式约束了它的定价弹性。这就是为什么 2024 年 CoWoS 只涨价 10-20%，而 GPU 和 HBM 涨了 50%+。

在这个赛道中，博弈地位最强的环节是 ABF 载板。

IBIDEN（4062.T，日本）、欣兴电子（3037.TW）、AT&S 三家垄断了 GPU 级别的大面积、高层数 ABF 载板。1 颗 GPU die = 1 个 ABF 载板——物理上不可替代，且这是一款产品而非服务，客户分散（所有封装厂都需要载板），扩产周期 2-3 年。IBIDEN 的定价权组合是：技术深度 ★★★★☆ × 生态惯性 ★★★★☆ × 博弈地位 ★★★★☆——在先进封装赛道中最均衡。

数据支撑：一颗 B200 级别的 GPU 所需 ABF 载板面积约 80-100mm × 80-100mm，层数 18-22 层，制造成本远高于普通消费级载板；chiplet 架构（拆成多个小 die）反而增加载板用量；IBIDEN 的 AI 相关载板收入 2024-2025 年同比增速超过 40%；ABF 载板的大面积化趋势使可生产的供应商进一步收窄（大面积意味着更低的良率，更少的合格供应商）。

赛道三：电力与散热

这个赛道整体技术深度偏低，不会出现英伟达级别的定价权。但其中存在结构性的差异——不是所有电力散热公司都一样。

最被低估的技术壁垒：微通道冷板。 Boyd Corporation（私有化，未上市）的微通道冷板是 GPU 散热的核心组件。当 GPU 热流密度从 100W/cm² 走向 300-500W/cm²+ 时，冷板的微通道设计、两相冷却控制、与 die 的平整度配合——这些不再是简单机械加工，而是精密热工程。Boyd 的冷板与英伟达 GPU 参考设计深度绑定，Intel 和 AMD 的数据中心 GPU 也大量采用其设计。切换需要重新做热验证——一旦 GPU 流片时选了某家冷板设计，量产阶段更换的代价是数月级的重新验证。

定价权评估（Boyd）：技术深度 ★★★★☆（热工程是工艺壁垒，不是科学壁垒——参见第二部分分类），生态惯性 ★★★★☆（与 GPU 参考设计物理耦合）。但 Boyd 是私有化公司，上市公司中没有直接对标。

公开市场可投资的替代方案：

电源子赛道：AI 服务器电源是一个被低估的环节。随着单机架功率从 40kW 走向 120kW+，电源模块的功率密度、效率、冗余设计要求都在跳升。台达电子（2308.TW）和光宝科技（2301.TW）是这个领域的领先者。但电源模块本质上仍属于”有技术门槛但非垄断”的品类——能做的不多（台达、光宝、Artesyn/Advanced Energy、Flex），但客户不会为电源付像 GPU 那样的溢价。

赛道四：光互联——”最像 2014 年的 GPU”

这是四个赛道中最具爆发力但也最不确定的一个。

要理解为什么把它类比为”2014 年的 GPU”，需要先明确 2014 年的 GPU 赛道有哪些结构性特征：

当前三条技术路线的本质分歧，在于”光要多靠近电”：

        可插拔光模块                         CPO（共封装光学）
       （光在面板侧）                    （光在芯片封装 substrate 上）
  [交换芯片] ──PCB── [光模块]        [交换芯片 + 光引擎] 在同一封装
       ↑ 电信号走长 PCB 走线              ↑ 电信号只走几毫米
       信号衰减严重（224Gbps 极限）        信号完整性大幅改善
       可维护、可替换、成熟供应链            不可替换、需要全新供应链

Linear-drive（LPO/LRO）方案是”中间路线”——光模块仍在面板侧，但去掉 DSP 芯片以降低功耗。代价是链路预算恶化，只适用于短距离。这个方案如果成立，会削弱 DSP 供应商（博通、Marvell、Credo）的价值，但如果失败，DSP 的不可或缺性反而被强化。

各玩家的结构性差异：

当前最大的可插拔光模块制造商是中际旭创，全球 800G 光模块出货量第一。但它最大的优势是制造规模和成本，而非技术深度。 光模块的核心光子器件（EML 激光器、DSP）是外购的，接口是标准化的（MSA），客户切换成本相对有限。如果在路径收敛中 CPO 成为下一代主流，可插拔光模块这个品类本身可能被取代。

投资含义：光互联目前处于”技术方向押注”阶段，而非”持有确定赢家”阶段。最保守的策略是押注”无论哪条路径胜出都受益”的环节：

• DSP/SerDes：博通、Marvell（无论可插拔还是 CPO，高速 SerDes 都不可少；LPO 去 DSP 是小概率的极端方案）
• EML/CW 激光器：Coherent、Lumentum（光芯片是光互联的”硅料”，与路径无关）
• 高精度封装设备：在 CPO 路径下，硅光子芯片与交换芯片的 bonding 精度要求极高，设备商受益

但在路径收敛之前，光互联的投资逻辑是下注技术方向，而非持有确定赢家。这也是为什么它在四赛道中篇幅最长、结论最谨慎——不是不重要，而是太重要所以需要说清楚”为什么还没到时候”。

第五部分：一个关键的修正——弹性系数

讨论到一半时，出现了一个重要的修正视角：不是所有”确定性受益”的赛道都享有同等的利润弹性。

弹性系数 = 某组件的需求增速 / AI 服务器的需求增速

• GPU 和 HBM 的弹性系数 ≈ 1——每台服务器固定数量的 GPU 和 HBM，消耗品属性
• ASML 光刻机的弹性系数 ≪ 0.1——一台 EUV 光刻机年产数万片晶圆，设备复用属性
• Disco 减薄机的弹性系数 < 0.5——HBM wafer 的减薄耗时远长于普通芯片，提供了补偿因子，但复用效应仍然存在

这意味着：弹性系数 < 1 的设备类公司，受益程度被严重稀释。Disco 的增长确定性强，但不可能像 HBM 那样享受等比例的需求爆发。

真正被低估的，是弹性系数 ≈ 1 但市场关注度远低于 GPU/HBM 的”隐形消耗品”：

第六部分：商业模式才是终局——产品 > 服务 > 设备

进一步讨论后，我们提炼出一个比弹性系数更深层的洞见：

同样的需求增速，产品模式和服务模式的利润弹性完全不同。

这是理解”为什么台积电的 CoWoS 垄断但不暴涨”的关键：台积电封装的技术深度和生态惯性都是满分，但它是服务模式——面对不到 10 个大客户（英伟达、AMD、博通、Intel……），涨价空间被客户关系和第二供应源威胁严格限制。

这也是理解”为什么光模块不能享受 GPU 级别的利润率”的关键：光模块是标准化产品（MSA 接口），但技术壁垒主要在外购的光子芯片上（EML/DSP），组装环节的差异化有限，竞争格局分散。

第七部分：储能电池——一个反例，”量受益但价不受益”

讨论最后延伸到储能电池赛道（宁德时代、阳光电源、瑞浦兰钧等），这个赛道提供了一个完美的反例——它证明了需求增速 ≠ 定价权。

储能电池 vs GPU/HBM：为什么同一框架下的答案完全不同？

宁德时代（300750.SZ / 03750.HK） 是全球储能电芯的绝对第一（市占率 ~26%，连续 5 年第一），2025 年净利润 722 亿元（+42.3%），储能毛利率 26.71%。它是储能行业的台积电——规模碾压、良率优势、客户信任——但它没有 CUDA。电芯是标准化工业品，换了供应商 BMS 重调参数即可（几周工作量），不像 CUDA 迁移需要重写整个软件栈。

阳光电源（300274.SZ） 的护城河在 PCS/逆变器——电力电子技术的积累超过 25 年，这是电芯厂（CATL、比亚迪）无法速成的能力。储能系统集成全球市占率第三（9%），是产品模式而非服务模式。但 Q1 2026 净利润同比暴跌 40% 暴露了项目制波动性的隐患——大项目（如沙特 7.8GWh）的确认节奏导致业绩可预测性差。

瑞浦兰钧（00666.HK） 全球储能电芯出货量第六，但不在前五的公用事业级储能榜单上。背靠青山集团（全球最大镍和不锈钢生产商），但储能电池 99.96% 是磷酸铁锂，不用镍。2024 年净亏，2025 年刚扭亏。品牌和规模均弱于前五，定价权最弱。

储能行业最值得关注的”结构性赢家”

但即使是最好的宁德时代，其定价权也远弱于英伟达和 SK 海力士。 电池的材料科学本质决定了它无法产生操作系统级别的锁定效应。

一个值得深思的对比：特斯拉 Megapack + Autobidder（TSLA） 是储能行业最接近英伟达模式的公司。Megapack 是标准化产品（不是项目制），Autobidder 是软件平台（有生态惯性，切换成本高）。硬件 + 软件 = 准生态锁定。储能业务利润率 ~25%，高于阳光电源的系统集成利润率。但特斯拉不在 A/H 股，且储能只是它的副业。

第八部分：一张完整图谱

把讨论过的所有公司放进三维框架中。下面是一张二维投影图——X 轴为生态惯性，Y 轴为技术深度，博弈地位通过标注格式区分（粗体 = 产品模式/强博弈，普通体 = 服务模式/中博弈，斜体 = 设备模式/弱博弈）：

                    技术深度
                       ↑
                  ★★★★★
                       |  **博通(SerDes)**   台积电(CoWoS)
                       |  **博通(CPO)**      **SK海力士(HBM)**
                       |  **IBIDEN(载板)**    **英伟达(GPU)**
                       |  Boyd(冷板)         **英伟达(IB/NCCL)**
                       |         
                  ★★★★☆  **阳光电源(PCS)**    **宁德时代(电芯)**
                       |  **上能电气(PCS)**    **比亚迪(电芯)**
                       |  思科/Acacia         **亿纬锂能**
                       |         
                  ★★★☆☆  Vertiv(液冷)        天赐材料(电解液)
                       |  科华数据(PCS)       上海恩捷(隔膜)
                       |  盛弘股份(PCS)     
                       |         
                  ★★☆☆☆  *康明斯(发电机组)*   
                       |  *施耐德(配电)*       
                       |  中际旭创(光模块)   
                  ★☆☆☆☆ ─ ─ ─ ─ ┼ ─ ─ ─ ─ → 生态惯性
                       |      ★☆☆☆☆  ★★☆☆☆  ★★★☆☆  ★★★★☆  ★★★★★
                       |
                  ★☆☆☆☆  *科陆电子(集成)*     
                       |  *湖南裕能(正极)*     
                       |  *赣锋锂业(锂矿)*     
                       |  *先导智能(设备)*     

标注规则：

• 粗体 = 产品模式/强博弈地位（卖标准化产品给分散客户，价值定价）
• 普通体 = 服务模式/中博弈地位（定制化服务，面对少数巨头客户）
• 斜体 = 设备/项目制/弱博弈地位（设备复用或招标竞价）

解读：

• 右上角粗体（高技术深度 × 强生态惯性 × 产品模式）= 绝对定价权。英伟达、SK 海力士、博通、IBIDEN 落在这里
• 右上角普通体（高技术深度 × 强生态惯性 × 服务模式）= 高壁垒但博弈地位受限。台积电 CoWoS——技术满分但商业模式约束涨价空间
• 中右区域：技术深度中等但生态惯性/博弈地位好 = 区域性定价权。宁德时代、阳光电源、比亚迪
• 左下角区域：三个维度都弱 = 跟随型受益者。正极材料、锂矿、设备、系统集成商

这张图的要点：光看”是不是高技术”远远不够。右上角粗体和右上角普通体的区别（产品 vs 服务），可能是 70% 毛利率和 35% 毛利率的差别。

结论：三个可以带走的原则，和一个统摄全局的元洞见

元洞见：定价权的本质是”不可复制性”，而不可复制性在数字世界和物理世界的来源完全不同

在讨论具体原则之前，有一个更底层的洞见贯穿全文，值得被显式提炼出来：

• 数字世界的不可复制性来自信息复杂度——代码量、优化知识、社区惯性。CUDA 的壁垒是过去 15 年积累的算子库、编译器优化、数百万开发者的习惯。这种壁垒理论上可被替代（用大量资金+时间堆出来），而且在 AI 辅助编程时代，这种壁垒的侵蚀速度可能加快。
• 物理世界的不可复制性来自物理约束——原子尺寸、信号衰减、材料特性。TSV 堆叠、224G SerDes、ABF 载板的层间对准——这些壁垒是绝对壁垒，不受 AI 进步影响（除非出现全新的物理原理），因为追赶者面对的不是”信息量不够”，而是”物理定律不允许”。

这个二分法解释了全文的许多判断：

• 为什么博通 SerDes 的护城河比 CUDA 更难被侵蚀？因为模拟电路是物理壁垒，CUDA 是信息壁垒
• 为什么宁德时代（全球第一电芯厂）的定价权远弱于 SK 海力士？因为电化学材料科学本质上是工艺壁垒（可被追赶），而 HBM TSV 堆叠同时受物理壁垒和信息壁垒双重保护
• 为什么 Boyd 冷板有★★★★★技术深度但持久性不如博通 SerDes？因为热工程设计是工艺壁垒（经验/手艺），高速 SerDes 是科学壁垒（物理极限）

引申：如果用”壁垒持久性”作为第四维，整个三维框架可以升级成四维——技术深度 × 生态惯性 × 博弈地位 × 壁垒持久性。但”壁垒持久性”本身很大程度上由技术深度的”工艺 vs 科学”性质和生态惯性的”物理耦合 vs 知识习惯”性质共同决定——所以它更像是这两个维度的交叉产物，而非完全独立的新轴。本文选择不增加第四个维度，但在评分时对每个维度都做了类型区分（参见第二部分）。

1. 定价权的三要素缺一不可

技术深度 + 生态惯性 + 博弈地位。少一样，超额利润就被稀释一块。

• 有技术有生态但博弈差 → 台积电 CoWoS（涨价被商业模式约束）
• 有技术但无生态无博弈 → 中际旭创（规模大但可替代）
• 有博弈但无技术 → 系统集成商（价格战）

2. 商业模式是终局定价权的放大器或抑制剂

标准化产品 > 定制化服务 > 项目制集成 > 资本设备

储能行业完美证明了这一条：宁德时代是全球第一，但产品同质化决定了它只能靠成本效率赚钱，而不是像英伟达那样靠不可替代性定价。

3. 最有价值的发现往往在”弹性系数 = 1 但被市场忽视”的角落

ABF 载板、高速铜缆/连接器（Amphenol, TE Connectivity）、热界面材料——这些组件每台 AI 服务器需要等比例消耗，但市场关注度远低于 GPU 和 HBM。它们没有英伟达的利润率，但可能拥有比大多数 AI 概念股更强的利润增长确定性。

风险提示与讨论范围声明

本文所有讨论均为分析框架层面的探讨，不构成任何投资建议。文中提及的全部公司均基于公开信息整理，数据截至 2025-2026 年年中，可能存在滞后。所有投资决策由读者独立判断并承担风险。作者不持有文中提及的任何公司仓位。

以下风险因素可能改变上述全部逻辑（非穷举）：

1. 地缘政治与供应链分散化。 2025-2026 年各国在推动供应链去单一来源化（”de-risking”），这对本文的定价权分析有直接影响。当客户（英伟达、云厂商）主动扶持 HBM 第二、第三供应源时，SK 海力士的博弈地位会被削弱——不是因为它自己的技术变差了，而是它的买方拥有了更多的替代选项。同理，台积电 CoWoS 的 95%+ 市占率也可能因日本 Rapidus、三星先进封装、Intel EMIB 的推进而出现份额松动。地缘政治是博弈地位的”外部调节器”——不改变技术深度和生态惯性，但显著改变博弈地位。

2. 技术范式转移。 模型架构的范式转移（如从 Transformer 转向状态空间模型、从稠密模型转向 MoE、从训练密集型转向推理密集型）可能改变瓶颈的位置和性质。本文的 Compute-Bound → Memory-Bound → Communication-Bound 路线图是基于当前 Scaling Law 的推断——如果范式转移改变了数据流模式（例如 MoE 推理对互联带宽的需求远超当前假设），瓶颈会漂移，定价权也随之漂移。

3. 产能周期与价格回落。 所有”供不应求”的判断都基于当前的产能水平。半导体行业的典型周期是：短缺 → 涨价 → 扩产 → 过剩。HBM 和 CoWoS 的扩产周期（2-3 年）比普通 DRAM 长，但并非无限长。2027-2028 年可能出现产能集中释放导致的价格回落。

4. 模型效率提升的需求抵消。 DeepSeek、MoE 稀疏化、量化技术的进步正在降低单位智能的算力消耗。Jevons 悖论（效率提升 → 总消耗增加）在历史上通常成立，但不能假设它永远成立。如果某一天模型效率提升的速度超过了需求扩张的速度，算力硬件的需求增速会降阶。

讨论日期：2026年6月。本文内容基于与 Claude Code 的深度对话整理而成，部分观点在对话过程中经过挑战和修正。