AI 硬件 7 层产业链全景:从沙子到模型

1. 引子:为什么需要"产业链思维"?

问题

过去 2 年,所有人都在讨论"AI 芯片"——NVIDIA、AMD、华为昇腾、寒武纪、海光…… 但单点讨论容易陷入算力数字比拼(谁的 PFLOPS 多、谁的 HBM 多),忽略了AI 算力是一个 7 层产业链——从沙子到模型,每一层都有不同的玩家、不同的瓶颈、不同的地缘风险。

本文是 AI 硬件栏目的第 4 篇,也是综述篇。我们用 1 万字的篇幅,把 AI 算力的 7 层产业链完整拆开,每一层讲清楚 4 个问题:① 谁在做 ② 用什么技术 ③ 卡在哪 ④ 谁会赢。

7 层产业链骨架

从下到上,AI 算力产业链分 7 层:

L1 算力芯片 GPU / ASIC / NPU,单卡算力,工艺(7nm/3nm/2nm),内存(HBM3e/HBM4)。玩家:英伟达 / AMD / 华为 / 博通 / 联发科 / 寒武纪 / 海光。

L2 先进封装 2.5D / 3D 封装,CoWoS / SoIC / EMIB,有机基板 / 玻璃桥。玩家:台积电 / 三星 / Intel Foundry / 康宁 / 味之素 / 长鑫。

L3 HBM 与存储 HBM2e / HBM3 / HBM3e / HBM4 堆叠,12-Hi / 16-Hi 堆叠,TSV 工艺。玩家:SK 海力士 / 美光 / 三星 / 合肥长鑫。

L4 服务器与超节点 8 卡服务器 / 576 卡超节点,液冷散热,机柜级供电。玩家:戴尔 / HPE / 联想 / 浪潮 / 华为 / Supermicro / 富士康。

L5 数据中心与液冷 数据中心选址(PUE / WUE),液冷(冷板 / 浸没 / 喷淋),绿电,核电直供。玩家:Equinix / Digital Realty / 万国数据 / 秦淮数据 / 贵安华为云。

L6 网络与调度 InfiniBand / NVLink / 200G/400G/800G 光网络,RoCE / 自研协议,集群调度(Kubernetes / Volcano)。玩家:Mellanox / 思科 / 旭创 / 新易盛 / 华为 HiBLADE。

L7 终端与边缘 AI 手机 AI 芯片(Apple Neural Engine / 联发科 APU / 高通 Hexagon),PC NPU(Intel Core Ultra / AMD Ryzen AI),车机 AI(Orin / 华为 MDC)。玩家:Apple / 高通 / 联发科 / Intel / AMD / 英伟达 / 华为。

核心结论:7 层产业链每一层都有不同的"瓶颈层"——L1 是工艺 / L2 是基板 / L3 是 HBM / L4 是散热 / L5 是电力 / L6 是光模块 / L7 是软件生态。投资优先级 = 找到瓶颈层,而不是追逐最热的算力数字。

2. L1 算力芯片:美国主导,国产追赶

现状

2026 年 L1 算力芯片市场规模 $1200 亿(NVIDIA 70% / AMD 8% / 华为 5% / 博通 ASIC 6% / 其它 11%)。NVIDIA Blackwell B200/B300 + Rubin 系列仍是绝对主导,单卡 FP8 算力 2.25-4.0 PFLOPS。

技术

L1 芯片的关键技术:

工艺:TSMC 4NP/3N 占 90% + 中芯 N+2 7nm(国产) + Samsung 4LPP(被边缘化);
微架构:NVIDIA Tensor Core 5.0(96 个 / 卡) + AMD CDNA3 + 华为 DaVinci 3.0 + 博通 TPU v6;
算子库:CUDA 8000+ / ROCm 4500+ / CANN 3200+ / TPU XLA 2000+;
显存:HBM3e 192-288GB / HBM4 288-432GB(2026 H2 量产)。

瓶颈

L1 瓶颈是工艺 + 良率 + 算子库。NVIDIA 优势 = 工艺(TSMC 5nm/3nm) + 算子库(CUDA 护城河) + 软件生态(CUDA-X / TensorRT / Triton)。国产替代 = 工艺(中芯 N+2 7nm 良率 75% vs TSMC N3 90%+) + 算子库(CANN 40% 覆盖)+ 软件生态(起步阶段)。

谁会赢

短中期(2026-2028):NVIDIA 仍主导(60-70% 份额)。长期(2030+):中美双轨制——美国/欧洲/日韩用 NVIDIA / AMD,中国/俄罗斯/中东用华为 / 寒武纪 / 海光。

3. L2 先进封装:从有机基板到玻璃桥

现状

2026 年先进封装市场规模 $500 亿(2.5D CoWoS $250 亿 + 3D SoIC $80 亿 + 基板 $170 亿)。台积电 CoWoS 垄断 90%,Intel Foundry EMIB + 三星 4nm 2.5D 追赶。

技术(详见玻璃桥篇)

2.5D 封装:台积电 CoWoS-S(硅中介层) / CoWoS-R(RDL 中介层) / Intel EMIB(嵌入式桥接);
3D 封装:台积电 SoIC / 三星 X-Cube / Intel Foveros;
基板:有机基板(味之素 ABF) / 玻璃基板(康宁玻璃桥)。

瓶颈

L2 瓶颈是基板。玻璃桥让 2nm 节点 + 2 米级封装成为可能(详见玻璃桥篇)。但康宁 2 米级独家 + 8 亿美元产线投资是核心瓶颈,2026-2027 年产能 100K 片/月仅够覆盖 NV + AMD + Intel 三家需求。

谁会赢

短期(2026-2027):台积电 CoWoS 主导(70%+) + 康宁玻璃桥垄断(70% 玻璃基板)。长期(2028+):三星 2.5D 量产 + 中国玻璃基板国产化(合肥康宁 / 东旭 / 彩虹)。

4. L3 HBM 与存储:SK 海力士一家独大

现状

2026 年 HBM 市场规模 $450 亿(SK 海力士 55% / 美光 25% / 三星 15% / 合肥长鑫 5%)。HBM3e 量产 + HBM4 在 2026 H1 量产 + HBM5 在 2027 年规划中。

技术

HBM3e:8/12-Hi 堆叠,24-36GB/stack,1.0-1.3 TB/s 带宽;
HBM4:12/16-Hi 堆叠,36-48GB/stack,1.5-2.0 TB/s 带宽,2026 H1 量产;
HBM5:16-Hi 堆叠,64GB/stack,2.5 TB/s 带宽,2027 规划;
TSV 工艺:12-16 层 TSV + 微凸点(micro-bump),良率 80-90%。

瓶颈

L3 瓶颈是TSV 良率 + 12/16-Hi 堆叠工艺。SK 海力士 12-Hi 良率 88%,16-Hi 在 2026 H1 仍仅 75%。三星 HBM3 良率仅 70%(2024 严重落后),2025 年追赶但仍有 10% 差距。合肥长鑫 HBM3e 良率 78%,HBM4 还在研发。

谁会赢

短期(2026):SK 海力士独大(HBM3e/HBM4 量产)。中期(2027-2028):美光 HBM4 量产追平 SK 海力士,三星 HBM4 量产仍慢 1 年。长期(2030+):SK 海力士 + 美光双寡头,中国长鑫 HBM4/5 量产替代部分市场。

5. L4 服务器与超节点:从 8 卡到 576 卡

现状

2026 年 AI 服务器市场规模 $4000 亿(GPU 服务器 70% + ASIC 服务器 15% + 其它 15%)。超节点(NVL576/CloudMatrix 384)占总市场 20%,2027 年超 40%。

技术(详见 NVL576 vs CloudMatrix 篇)

8 卡服务器:传统 HGX H100/H200/B200 主板,4-6 NVLink Switch;
576 卡超节点:NVL576(12 机柜) / CloudMatrix 384(8 机柜),跨机柜 NVLink/HiBLADE;
液冷散热:冷板式 / 浸没式 / 喷淋式,单机柜 20-30 kW;
机柜级供电:54V DC / -48V DC / 12V DC,单 PDU 30-50 kW。

瓶颈

L4 瓶颈是散热 + 机柜空间。单卡功耗 700-900W,单机柜 30+ kW,液冷是唯一选择;光模块 + 跨机柜互联要求机柜间距 < 5 米(光模块传输距离限制)。

谁会赢

短期(2026):超节点 80% 由 NVIDIA NVL 系列 + AMD MI400 系列 + 华为 CloudMatrix 提供,OEM 厂商(戴尔/HPE/联想/Supermicro/浪潮)做集成。长期(2028+):超节点标准化——OCP(开放计算项目)推动 NVL 标准 + 华为推动 CloudMatrix 标准,中国超节点 + 美国超节点双轨制。

6. L5 数据中心与液冷:绿电成为新瓶颈

现状

2026 年超大规模数据中心(hyperscale)数量 1000+ 个(美国 50% + 中国 25% + 欧洲 15% + 其它 10%)。每个超大规模数据中心 100-1000 MW,2026 年 AI 数据中心新增 50 GW。

技术

液冷:冷板式(40% 份额)/ 浸没式(30%)/ 喷淋式(5%),PUE 1.05-1.15;
绿电:风电 + 光伏 + 储能,绿电比例 50-100%;
核电直供:Microsoft / Amazon / Google 与小型模块化反应堆(SMR)签长期购电协议(PPA);
选址:北部寒冷地区(瑞典/挪威/冰岛 + 中国贵安/和林格尔),降低散热成本。

瓶颈

L5 瓶颈是电力。2026 年全球 AI 数据中心新增 50 GW 电力需求 ≈ 英国全国用电量的 1.5 倍。电网升级 + 绿电 PPA 周期 3-5 年,新数据中心等电 1-2 年成为常态。Microsoft / Amazon / Google 已经与 SMR 公司(TerraPower / X-energy / Rolls-Royce SMR)签 2030-2035 年 30 GW 核电直供协议。

谁会赢

短期(2026-2027):超大规模数据中心由 Equinix / Digital Realty / 万国数据 / 秦淮数据主导。长期(2030+):中国"东数西算"工程 + 美国 IRA 法案绿电补贴,西部 / 北部数据中心持续扩张。

7. L6 网络与调度:光模块成为新瓶颈

现状

2026 年 AI 数据中心光模块市场规模 $300 亿(800G 占 30% + 1.6T 占 5% + 400G 占 50% + 200G 占 15%)。旭创 / 新易盛 / Coherent / Lumentum 是主要供应商。

技术

200G/400G/800G 光模块:SR(短距 100m)/ DR(中距 500m)/ FR(长距 2km);
1.6T 光模块:2026 H2 量产,等效 800G × 2 通道,等 NVIDIA Blackwell Ultra 用;
集群调度:Kubernetes(K8s) / Volcano(字节) / Slurm(HPC 传统) / Ray(分布式 ML);
网络协议:InfiniBand NDR/XDR(NVIDIA 主导) / RoCE v2(开放) / 华为自研 HiBLADE / 寒武纪 MLU-Link。

瓶颈

L6 瓶颈是光模块良率 + 1.6T 量产。800G 光模块 2026 年仍 70% 良率,1.6T 良率 50%(主要瓶颈在 EML 激光器芯片)。旭创 / 新易盛是国内主力,但 1.6T 仍依赖 Mitsubishi / Lumentum 的 EML 芯片。

谁会赢

短期(2026-2027):NVIDIA 主导 InfiniBand + Mellanox,旭创 / 新易盛在 800G 量产追平。长期(2028+):RoCE v2 开放协议 + 国产光模块(华为 / 海信 / 华工)反超,长芯博亿 / 索尔思国产 EML 突破。

8. L7 终端与边缘 AI:从云端到口袋

现状

2026 年终端 AI 芯片市场规模 $800 亿(手机 NPU $400 亿 + PC NPU $200 亿 + 车机 $150 亿 + 物联网 $50 亿)。Apple A19 Pro Neural Engine / 高通 Snapdragon 8 Gen 4 Hexagon / 联发科 Dimensity 9400 APU 主导手机。

技术

手机 NPU:Apple A19 Pro(38 TOPS) / Snapdragon 8 Gen 4(45 TOPS) / Dimensity 9400(48 TOPS) / 麒麟 9020(40 TOPS);
PC NPU:Intel Core Ultra 200V(48 TOPS) / AMD Ryzen AI 300(50 TOPS) / Snapdragon X Elite(45 TOPS) / Apple M4(38 TOPS);
车机 NPU:NVIDIA Orin(254 TOPS) / Thor(2000 TOPS) / 华为 MDC 810(400 TOPS) / 地平线 J6(128 TOPS);
本地 LLM:3B/7B 模型本地运行(Qwen2.5-3B / Llama-3.2-3B / Phi-3.5-mini),内存要求 4-8GB。

瓶颈

L7 瓶颈是内存 + 软件生态。手机运行 7B 模型需要 8GB 内存 + 4-bit 量化,当前手机内存 12-16GB 刚好够用,但推理速度 5-10 tokens/s(慢);PC 运行 70B 模型需要 40GB 内存,Apple M4 Max 128GB 勉强够用。软件生态:Apple MLX / 高通 AI Engine / 联发科 NeuroPilot 三足鼎立,开发者需要适配多平台。

谁会赢

短期(2026-2027):Apple MLX(本地 LLM 最强) + 高通 AI Engine(Android 主导)。长期(2028+):本地 LLM 与云端 LLM 融合——手机端做 3B 实时响应 + 云端做 100B+ 复杂推理,二者无缝切换。

9. 7 层产业链的中国全景

层级	国际龙头	中国玩家	中国差距	替代时间
L1 算力芯片	NVIDIA / AMD	华为 / 寒武纪 / 海光 / 壁仞	工艺 + 算子库 2-3 年	2027-2028 性能追平
L2 先进封装	台积电 CoWoS / 康宁	合肥康宁 / 长鑫 / 东旭 / 彩虹	2.5D/3D 工艺 2 年	2026-2027 量产
L3 HBM	SK 海力士 / 美光	合肥长鑫	HBM3e 1 年 / HBM4 2 年	2026 HBM3e 量产
L4 服务器超节点	Dell / HPE / 浪潮 / Supermicro	华为 / 浪潮 / 联想 / 新华三	超节点互联 1 年	2026 CloudMatrix 384
L5 数据中心液冷	Equinix / Digital Realty	万国数据 / 秦淮 / 贵安华为云	绿电 + 液冷持平	已并行
L6 网络与调度	NVIDIA / Mellanox / 思科	华为 / 旭创 / 新易盛	光模块 1 年 / 调度持平	2026 1.6T 量产
L7 终端与边缘 AI	Apple / 高通 / 联发科	华为 / 紫光展锐 / 寒武纪	工艺 1 年 / 生态 2 年	2027 持平

关键判断:中国 7 层产业链在L5 数据中心 + L7 终端 AI已经持平;L3 HBM + L6 网络2026-2027 量产追平;L1 算力 + L2 封装 + L4 超节点2027-2028 性能追平。中国 7 层产业链的全面国产替代预计 2028 年完成。

10. 风险与展望

地缘风险

美国出口管制升级:2025 年 12 月 AI Diffusion Rule 将 EDA + 7nm 设备 + 1.6T 光模块列入管制;
中国反制:稀土 / 镓 / 锗 / 钨出口管制,影响美国半导体制造;
荷兰 ASML EUV 禁运:中芯 N+3 5nm 工艺无法突破,DUV 多重曝光的物理极限。

技术风险

后 GPU 时代:光计算 / 量子计算 / 类脑计算的崛起可能颠覆 GPU 主导格局;
模型效率提升:MoE 稀疏化 + 蒸馏 + 量化让单位算力提升 10-100 倍,可能减少对超节点的依赖;
训练范式转变:从大模型预训练到 RLHF 后期训练 / Test-time Scaling,训练需求结构改变。

展望

2026:玻璃桥量产 + 昇腾 950 + CloudMatrix 384,3 件大事同时发生;
2027:HBM4 量产 + 1.6T 光模块量产 + 中芯 N+3 5nm 突破,中国 7 层产业链全面成熟;
2028:CloudMatrix 1024 + 昇腾 960 + 长鑫 HBM4 量产,中美 AI 算力平起平坐;
2030:CloudMatrix 10000 + 后 GPU 时代探索,AI 算力进入 100 EFLOPS 时代。

核心结论:AI 硬件 7 层产业链是理解 AI 算力的骨架。投资 / 关注 / 学习,都要从单点(算力数字)走向链条(7 层协同)。这是 AI 硬件栏目的开篇,也是后续每篇专题的"导航图"。

参考资料

TrendForce 报告(2026 Q2) — AI 算力 7 层产业链
Yole Développement — 先进封装市场报告(2026)
SK 海力士 HBM4 技术白皮书(2026 H1)
华为 CloudMatrix 系统架构白皮书(2026)
中芯国际 N+2 7nm 工艺报告(2026 Q2)
美国 AI Diffusion Rule 政策全文(2025-12)