前言

一个投资人的困惑

为什么是「五层产业链」

AI 投资的三个误区

2026 年 4 月 25 日,NVIDIA 的市值突破 5 万亿美元—— 这是人类商业史上从未有过的数字。一家卖芯片的公司,市值超过了英国全年的 GDP。我坐在香港上环的办公室里,盯着终端上那个天文数字,脑海中浮现一个问题: 如果 AI 是这个时代最大的投资机会,为什么大多数投资者只知道买 NVIDIA ? 这个问题困扰了我很久。作为一个在传统金融和加密市场都待过的人,我深知一个道理:当所有人都在买同一个标的时,真正的 Alpha 已经不在那里了。NVIDIA 当然是好公司,但在它市值突破 5 万亿的时候再追入,你需要它再涨一倍才能有一倍回报—— 而它的体量已经让这件事变得极其困难。真正的机会在哪里? 在产业链的上下游。在那些支撑 NVIDIA 运转的基础设施里。在那些大多数人看不见、看不懂、或者懒得去看的地方。我花了超过一年的时间,研究 AI 基础设施的完整产业链。我发现,整个 AI 产业可以被清晰地拆解为五个层次: 第一层:能源层 AI 计算需要海量电力。一个大型数据中心的年耗电量可以超过一座中等城市。核能、天然气、可再生能源—— 谁能提供稳定、廉价、可扩展的电力,谁就掌握了 AI 时代的石油。Constellation Energy (美国最大核电运营商)在 2026 年第一季度营收同比暴涨 64% 至 110 亿美元,因为微软、亚马逊纷纷签下长期核电购电协议—— 当 AI 数据中心的电力需求在 2025 年一年内增长了 22% ,核电成了唯一能同时满足「大规模、零碳、稳定输出」三个条件的选项。第二层:芯片层不只是 NVIDIA。从台积电的先进制程,到 AMD 的追赶,到 Broadcom 的定制芯片,到一众 AI 芯片初创公司—— 芯片层的竞争格局远比「NVIDIA 一家独大」复杂得多。Broadcom 在 2026 财年的 AI 半导体收入预计达到 560 亿美元,相比 2025 财年的 200 亿美元增长 180%—— 靠的是为 Google、Meta、Anthropic 和 OpenAI 设计定制 AI 芯片(XPU )。这条「非 NVIDIA 路线」已经从配角变成了芯片层不可忽视的第二极。第三层:云/数据中心层 GPU 买回来要有地方放。数据中心的选址、建设、冷却、网络架构 —— 这是一门结合了房地产、电力工程和 IT 的复合生意。2026 年, 仅四大超级云厂商(微软、亚马逊、Google、Meta )的 AI 资本支出就达到 7250 亿美元,比 2024 年翻了一倍不止。当 GPU 功耗从 300W 飙升到 1000W 时,液冷系统、电力配送、高速互联—— 每一个环节都成了数据中心能否正常运转的关键约束。第四层:大模型层 OpenAI、Anthropic、Google、Meta、以及中国的一众大模型公司 —— 它们是 AI 能力的内核供应商。但大模型的商业模式到底成不成立?开源 vs 闭源的战争谁会赢?Meta 开源 Llama 系列引发行业地震,直接压缩了闭源模型的定价权—— 逼迫所有玩家进入一场规模和效率的军备竞赛。第五层:应用层最终,所有基础设施的价值都要通过应用来兑现。SaaS、AI Agent、机器人、自动驾驶—— 哪些应用能真正跑通商业模式,哪些只是 PPT ?Palantir 是一个早期验证案例:这家长期被质疑「只会做政府生意」的公司,因 AI 平台(AIP )切入商业客户而实现营收加速,成为应用层「AI 原生」转型的标杆。这五层之间不是孤立的,而是像一条供应链一样紧密耦合。上游的变化会传导到下游,下游的需求会反馈到上游。理解了这条链,你就理解了 AI 投资 80% 的逻辑。在研究这本书的过程中,我和上百位投资者交流过。我发现,大多数人对 AI 投资的认知,被三个误区深深束缚。误区一:AI = 买 NVIDIA NVIDIA 当然是 AI 浪潮的最大受益者之一。但当一家公司的市值已经在 4-5 万亿美元之间震荡时,你需要问自己:剩余的上行空间有多少?风险收益比是否还合理? 更关键的是,NVIDIA 只是五层产业链中一层的一个玩家。把「AI 投资」等同于「买 NVIDIA」,就像把「互联网投资」等同于「买思科路由器」——2000 年的思科确实是互联网的基础设施,但它并没有给高位买入的投资者带来好的回报。真正的 Alpha 在产业链的每一层都有分布:能源层有 Constellation Energy 和 Vistra ,芯片层有 Broadcom 和台积电,数据中心层有 Vertiv 和 Eaton ,应用层有 Palantir 和 ServiceNow。分散在五层中寻找「卡位者」,远比 All-in 一家公司明智。误区二:AI 泡沫一定会破每当科技股大涨,「泡沫」的声音就会响起。但「有泡沫」和「泡沫会破」是两件不同的事。2000 年的互联网确实有泡沫,但亚马逊活了下来并成长为万亿市值公司。关键不是判断「有没有泡沫」,而是判断哪些公司有真实的现金流支撑,哪些只是靠故事融资。AI 基础设施和 2000 年互联网的一个关键区别是:今天的 AI 大买家 (微软、Google、Meta、亚马逊)本身就是全球最赚钱的公司。它们在 2026 年合计投入超过 7000 亿美元的 AI 资本支出,2027 年预计突破 1 万亿美元—— 这不是靠 VC 烧钱,而是靠自由现金流支撑的真实需求。这意味着 AI 基础设施的需求基础,远比 2000 年的互联网坚实。泡沫可能存在于估值层面,但需求本身不是泡沫。误区三:Crypto 和 AI 无关很多传统投资者把 Crypto 和 AI 视为两个完全不相干的领域。但事实上,两者正在深度融合:

• 去中心化算力: Render Network、io.net 等项目正在构建去中心化 GPU 市场,让闲置算力可以被 AI 开发者按需调用
• AI Agent 经济: 当 AI Agent 需要自主运行经济行为 (支付、交易、签约)时,它们需要原生的数字货币和智能合约—— 这正是 Crypto 的用武之地

这本书写给谁

本书的内核论点

AI 投资的本质是基础设施投资。而基础设施投资的关键, 是找到产业链上最具「卡位优势」的环节。

如何阅读这本书

• 数据市场: AI 模型训练需要海量数据,区块链可以构建可验证、可溯源、有隐私保护的数据交易市场我不是说每个 AI 投资者都需要持有加密货币。但如果你完全忽视 Crypto 和 AI 的交叉领域,你可能会错过下一个十倍机会—— 就像 2019 年忽视 DeFi 的人错过了 2020 年的爆发一样。我写这本书的时候,脑海中有三类读者: 第一类:有投资经验但对 AI 产业链不熟悉的人你可能是股票投资者、基金经理、或者加密市场的老手。你知道 AI 很重要,也想配置 AI 相关资产,但除了 NVIDIA 和几家大模型公司, 你不知道还能投什么。这本书会给你一张完整的地图。第二类:科技行业从业者你可能是工程师、产品经理、或者创业者。你对 AI 的技术面很熟悉, 但对产业链的投资逻辑不太清楚。你想知道自己所在的这一层,在资本市场是怎么被定价的。这本书会帮你用投资视角重新理解自己的行业。第三类:对 Crypto 和 AI 的交叉领域感兴趣的人你可能已经在加密市场中配置了资产,现在想理解 Crypto 和 AI 是怎么融合的—— 去中心化算力、AI 代币、链上 AI Agent—— 这些到底是真机会还是炒概念?这本书有专门的章节讨论这个问题。不管你属于哪一类,我的写作原则是一样的:用最通俗的语言,讲最硬核的逻辑。你不需要懂半导体物理,也不需要会写代码。你只需要愿意花时间理解一条产业链的运作方式。如果要用一句话概括这本书的内核论点,那就是: 什么是「卡位优势」?就是那些不可替代性高、转换成本大、且能随着下游需求增长而自然受益的位置。台积电就是一个典型的「卡位」—— 所有 AI 芯片公司都离不开台积电的先进制程。不管是 NVIDIA、AMD 还是 Google 的 TPU ,最终都要在台积电的工厂里生产。台积电不需要判断谁会赢,它只需要确保自己的制程领先。这种「卡位」思维,是我从传统金融带入加密市场,又从加密市场带入 AI 投资的内核框架。在加密市场,交易所就是「卡位」—— 不管哪个币涨,交易所都收手续费。在 AI 市场,能源、芯片代工、云服务 —— 这些都是不同层次的「卡位」。本书的每一章,都在回答同一个问题:这一层的「卡位者」是谁?他们的护城河有多深?投资者现在进入的风险收益比如何? 本书的结构按照五层产业链自下而上排列。我建议的阅读方式是: 如果你时间充裕: 从第一章(能源层)开始,按顺序读完。五层之间的逻辑是层层递进的,按顺序阅读能让你创建起完整的认知框架。如果你时间有限: 直接跳到你最感兴趣或者最不熟悉的那一层。每一章都是相对独立的,可以单独阅读。但我建议至少读一下最后的「跨层主题」部分,那里有一些贯穿整条产业链的关键洞察。如果你是行动派: 每一章的结尾都有「投资 Playbook」部分,包含具体的投资标的、入场时机建议和风险提示。你可以直接看这些部分,然后再回头读正文来理解背后的逻辑。

本书的数据纪律: 在写作过程中,我对数据的使用遵循三条纪律,也请读者在阅读时留意:

• 口径标注: 本书中所有财务数据都会标注来源和口径。同一个指针,不同机构的统计方式可能差异巨大—— 比如「AI 资本支出」,有的口径只计算 GPU 采购,有的包含数据中心建设和人员成本。我会在每个关键数据旁标注来源(公司财报、第三方研报、或行业估算),方便读者自行验证和比较。
• 承诺≠落地: AI 行业充斥着「宣布」和「承诺」—— 微软宣布投资 800 亿建数据中心、CoreWeave 宣布 IPO 融资目标、某公司宣布算力扩张计划。我在书中会严格区分「已宣布/计划中」和「已落地/已验证」,因为在这个行业,PPT 和现实之间的差距往往是数量级的。
• 股价是快照: 本书中提到的所有股价和市值数据,都是特定日期的快照(会标注日期)。AI 产业链公司的股价波动极大—— 一个季度的财报就可能导致 20-30% 的波动。请不要把书中的股价当作「现价」,而是把它当作理解估值逻辑的参考点。投资决策前,请务必查看最新数据。

跨层主题章节包括:

• 台积电:一家公司如何同时影响五个层次
• 中国 AI :地缘政治下的独立产业链
• AI 安全:监管对投资格局的影响
• Crypto×AI :去中心化计算、AI 代币与链上 Agent
• 风险管理:周期、估值泡沫与黑天鹅

数据截止说明

一些必要的声明

特别致谢

致谢

• 投资 Playbook :不同风险偏好的可行配置本书中所有市场数据、公司财报、估值指针和行业统计,除特别标注外,截止至 2026 年 6 月。AI 产业链的变化速度极快。在你阅读本书时,某些公司的市值可能已经翻倍或腰斩,某些技术路线可能已经被证伪或被验证。我在书中会尽量强调结构性逻辑而非短期价格,因为结构性逻辑的保质期远长于任何一个数据点。但我仍然建议读者在做出投资决策前,核实最新数据。本书提供的是思考框架,不是交易信号。本书不构成投资建议。我会在书中分析具体公司和标的,但这些分析是为了阐述产业链逻辑,不是推荐买入或卖出。每个人的风险承受能力、资金规模、投资期限都不同,不存在放之四海而皆准的投资策略。我可能持有书中提到的部分资产。作为 AI 基础设施产业链的活跃投资者,我在多个层次都有配置。我会在涉及具体标的时做出利益披露。加密货币相关内容涉及高风险资产。本书中讨论 Crypto×AI 交叉领域时涉及的代币和项目,波动性极大,可能在短时间内归零。请确保你只用能承受损失的资金参与。特别感谢吴文谦律师(Gilbert Ng )。Gilbert 是香港执业律师,专注于金融科技、区块链及数字货币领域,曾任 OKX 集团法务主管及火币集团海外法务主管。在本书的撰写过程中,Gillbert 提供了专业的法律意见。感谢 Merkle 3s Capital 和 XResearch 的团队伙伴们—— 在我埋头写书的这几个月里,是你们扛住了日常运营的压力。感谢过去十年里和我交流过的交易员、工程师、创业者和研究员们。你们的洞察,有些直接写进了这本书,有些以更隐蔽的方式塑造了我的思考。感谢我在 OKEx 和 Huobi 的前同事们。那些在「战时」共事的日子, 让我真正理解了什么叫「基础设施决定上层建筑」。感谢我的家人。你们给了我最稀缺的资源—— 不被打扰的思考时间。最后,感谢每一位愿意花时间读这本书的你。在这个注意力稀缺的时代,愿意坐下来认真研究一条产业链的人,已经比大多数人走得更远了。李书沸(Chris Lee ) 2026 年 6 月,加州帕罗奥图市