AI的经济体量已庞大到足以重塑芯片、能源与知识工作的范式，而这一切才刚刚开始。深度剖析英伟达的战略转向、中国芯片产业的追赶路径，以及AI基建投资的本质，揭示一个由专业化分工驱动的全新产业格局。
智能速览
AI的经济体量正从底层重塑芯片供应链与能源基础设施。
英伟达转向芯片组合策略，以应对分裂的AI推理工作负载。
中国是唯一能在“减10年技术”水平维持完整芯片供应链的国家。
AI基建的超额投入本质是研发支出，而非金融泡沫。
模型进步停滞是整个AI产业链投资的唯一核心风险。
精华内容
当一个市场足够大，专业化就有了经济基础。AI的浪潮正如何重塑英伟达的战略、中国的产业布局，以及我们对未来的投资判断？
英伟达的芯片组合
英伟达正从“一颗GPU打天下”转向芯片组合策略。根本原因在于AI推理场景已分裂为至少三种截然不同的工作负载：极速decode、计算密集prefill和通用推理，且未来模型研究方向充满不确定性。
若固守通用GPU，专用芯片将在特定场景下以10倍的性能优势击穿英伟达75%的毛利率防线。因此，收购Groq的核心目的并非产品，而是获取能从零搭建芯片-软件-部署全链路的稀缺工程团队，以覆盖更多元化的芯片架构。
中国芯片的追赶
中国芯片产业的真实水平是，即便在切断全球化供应的极端情况下，也是唯一能在“减10年技术”水平上维持完整供应链的国家。目前在前沿技术上仍有差距，例如光刻技术落后约10年，先进化学品与工具仍依赖日本、荷兰等国家。
但追赶速度惊人，其驱动力并非纯粹的国家意志，而是去中心化的省市竞争机制。各地政府自行制定补贴政策和采购要求，形成类似美国联邦制的产业竞争格局，有效激发了地方活力。
AI基建是泡沫吗
当前的AI基础设施投资并非泡沫。据测算，现有支出大约是实际需求的两倍，但多出的部分本质上是研发投入。去年未能产生收入的计算支出，直接推动了今年模型的飞跃性进步，这是一种“前两年亏损、第三四五年回本”的投资节奏。
AI行业收入正从去年约300-400亿美元向今年的1000亿美元以上冲刺。同时，Claude Code等工具的出现，证明了AI在知识工作领域创造的价值已远超其当前收入规模。唯一能让这一切变为沉没成本的风险，是模型进步的曲线停滞。
这番洞察提供了一个清晰框架：AI的巨大体量正催生一个高度专业化的新产业生态。理解英伟达的防御性布局、中国的独特竞争优势以及投资的底层逻辑，有助于把握未来数年的技术脉搏。最终，一切答案都悬于一个问题：模型能力的进步曲线，还能持续多久？
