本文为「AI算力产业链深度拆解」系列第三篇。全系列共三篇，分别拆解上游（造出来）、中游（搭起来）、下游（用起来）。本文聚焦下游——走进八个应用战场，看同一个技术底座如何在不同场景里走出天差地别的商业命运。
2026年5月，Anthropic ARR突破440亿美元。同一时间，OpenAI年亏损超过50亿美元。
两家公司卖着同样$20/月的订阅，调用着同样级别的GPU算力，底层共享同一个技术范式——大语言模型。
Claude Code在印钞。ChatGPT在烧钱。
同一个技术底座，两种财务结果。不是你死我活的竞争，是场景决定命运。
上游篇，我们从一颗GPU拆回到沙子，看到了物理定律和时间诅咒筑成的七层倒金字塔，越往下挖，玩家越少，护城河越深，可替代性趋近于零。中游篇，我们拆了八层系统工程，从AI服务器的GPU互联到万卡集群的液冷散热，任何一层掉链子，整个集群就崩塌。
上游把GPU造出来了，中游把万卡集群搭起来了。
现在，轮到最后一个问题：算力怎么用？谁在用？谁赚到钱了？
走进下游，你会发现一个比上游和中游都更诡异的结构。同样一套技术栈（底层都是大语言模型、都吃GPU算力、都调用同一批基础能力API），八个应用战场的商业命运天差地别。有的已经在印钞，有的还在免费养用户，有的连买单的人都还没找到，有的干脆把商业化放在了十年之后。
AI的商业价值不取决于模型能力，取决于它落在哪个场景里。 同一个模型，落在编程场景里就是印钞机，落在Agent场景里就是成本中心，落在AGI上就是百亿美元的无底洞。
这不是一篇行业全景罗列。这是八个战场里，钱在往哪里流的答案。
今天，我们继续一个一个拆。
八个战场，一张算力账单下游篇的叙事逻辑很简单：按算力消耗量排序。从每次只消耗几百token的C端对话开始，到一次任务烧掉百万token的Agent，最后到单次训练预算是百亿美元的AGI，每个方向揭示下一层的算力需求更惊人。
排序
战场
算力消耗
变现状态
①
C端AI对话与搜索
★★
已跑通
②
AI编程
★★★
唯一已盈利
③
AI Agent（自主执行）
★★★★
探索中
④
垂直行业AI
★★★★
分化大
⑤
自动驾驶
★★★★★
开始收费
⑥
AI多模态内容生成
★★★★★★
验证中
⑦
AI硬件与具身智能
★★★★★★★
烧钱抢入口
⑧
AI for Science & AGI
∞
信仰支撑
八个战场，八种命运，我们逐个拆解。
① C端AI对话与搜索：十亿用户的基本盘，谁来买单？C端AI对话是普通用户感知最强的AI场景。打开手机问一句"今天北京天气怎么样"，背后是一整套AI推理系统的运转：大模型推理、检索增强、流式输出。而这一整套流程的算力成本，绝大多数是由AI公司在承担的。
全球格局ChatGPT周活跃用户突破5亿，付费订阅者数千万，$20/月的Plus订阅已被市场验证。Gemini靠着Android系统预装，用户量可能是最大的，但付费转化率最低。Perplexity在AI搜索的差异化路线上跑得最快，已经开始实验广告变现。
中国战场上，格局更卷。DeepSeek靠开源和极致性价比出圈，豆包靠字节的流量喂养做到用户量最大，Kimi在长文本心智上占了先手。但三家有一个共同点：用户量巨大，变现路径为零，或者说，还没开始认真想变现这件事。
中国的C端AI全在免费，不是因为中国人不愿为软件付费，WPS会员、视频网站订阅、知识付费都证明过付费习惯。真正的变量是战争的性质变了。这打的不是AI战争，是生态战争。字节做豆包，赌的是"AI时代的超级入口"，就像微信当年抢到了移动时代的入口。DeepSeek做免费，赌的是开发者和企业客户，靠开源生态反哺商业API。在"超级入口"这个赌注面前，一年几十亿的推理成本只是获客成本。
玩家格局坦白说，一线C端AI产品（DeepSeek、豆包、Kimi、智谱、百川）全是未上市公司或大厂的内部业务。能从公开市场触及的间接标的，需要拉宽视角来看。
公司
切入逻辑
昆仑万维 (300418)
天工AI搜索 + Opera浏览器AI化，海外分发能力独特
三六零 (601360)
纳米AI搜索，浏览器+搜索双入口，国内C端流量底盘
科大讯飞 (002230)
星火大模型，教育/政务/汽车多场景分发，C端触达面最广
字节跳动（豆包）
国内C端AI用户量最大，靠抖音流量喂养，免费策略抢入口
阿里（通义千问）
云+AI一体化，通义App C端用户增长最快之一
腾讯（元宝）
微信生态分发，混元大模型，后发但分发能力不容小觑
拓尔思 (300229)
NLP+大模型+检索增强，政企AI搜索市占率高
万兴科技 (300624)
C端AI视频/图像工具矩阵，付费用户规模化
虹软科技 (688088)
手机AI影像SDK，每部AI手机都在给它交钱，C端AI的"卖铲人"
每日互动 (300766)
数据智能推送，帮AI应用做用户触达和运营
彩讯股份 (300634)
AI邮箱（Richmail），企业端和C端双跨
变现与困局C端AI的变现路有三条：订阅制（ChatGPT Plus已验证）、API按token计费（云厂商推理收入基本盘）、广告（Perplexity在试）。
但中国市场的现实是，当一个用户可以在五个免费AI之间随便跳，向任何一个收费都需要极大的产品差异化，而目前C端AI的同质化程度，比当年的搜索引擎和社交媒体都要严重。
更深的威胁在分发层。ChatGPT增长最快的来源不是OpenAI自己的推广，而是苹果集成。当AI对话变成系统自带功能（Apple Intelligence的Siri、Gemini on Android），独立AI应用还剩多少存活空间？模型可以自研，但分发权永远握在操作系统手里。
还有一个数学上近乎无解的矛盾。传统搜索靠广告把免费变成印钞机，但AI搜索每次查询的推理成本是传统搜索的10倍以上，广告单次点击收入却基本不变。用传统广告填AI推理的坑，这个坑可能永远填不上。Perplexity在做广告实验，但更深层的问题是：传统广告模式的所有基础设施都建立在"链接经济"之上，用户点击搜索结果，跳转到别的网站，广告跟着流量走。而AI搜索给出的是一个完整答案，用户得到答案就走了，不再点击任何链接。广告在哪里展示？按什么计费？免费AI搜索最大的敌人不是竞品，是它自己：服务越完整，越难找到人为此付费。
② AI编程：唯一规模化盈利的AI应用全球格局如果说整个AI应用层只有一个能赚钱的方向，那就是AI编程。
2025-2026年的数据很残酷。Claude Code市场份额冲到54%，从0到10亿美元ARR仅用了约9个月，B2B软件史上最快增速。母公司Anthropic总ARR从2024年12月的10亿美元飙到2026年5月的440亿美元，这一轮爆发式增长中，Claude Code贡献了最陡峭的斜率。
Cursor ARR约20亿美元，从Copilot嘴里硬生生抢下了高端开发者群体。GitHub Copilot ARR约8亿美元，装机量仍然最大（4.7M付费用户），但续费率和开发者口碑都在滑坡。
OpenAI Codex ARR约10亿美元，但OpenAI总裁Greg Brockman公开承认："这是我们学到教训太晚的地方。"他们早早把代码能力授权给了微软做Copilot，却没有认真做自己的编程产品。
51%的GitHub提交已经由AI生成或辅助。AI编程不是未来，是已经发生的现实。
这个速度有多惊人？做一个对比：GitHub Copilot 2021年6月才首次发布预览版，到2026年不过五年。五年时间，AI编程从一个实验性工具变成了一个年收入数百亿美元的市场。作为参照，全球软件开发者约3000万人，如果每人每月为AI编程工具平均支付$15，年市场空间约为540亿美元。这个天花板还远远没到。
中国玩家Claude Code、Cursor、Copilot、Codex，全球最能赚钱的AI编程产品，没有一家来自中国。中国玩家全部在互联网大厂内部或未上市：字节Trae（免费+豆包模型后端）、阿里通义灵码（国内IDE装机量最大）、智谱CodeGeeX（开源路线）、百度Comate。全部免费或低价，变现几乎为零。
为什么？不是因为中国开发者不愿为工具付费，JetBrains全家桶在中国的付费用户量大到足以让它单独设一个定价区。根本原因是两个。第一，模型能力还没到。Trae背后的豆包模型、通义灵码背后的通义模型，在长上下文理解、多文件自主修改、复杂任务规划这些Agentic编程的核心能力上，跟Anthropic的模型还有肉眼可见的差距。第二，产品力也还没到。Claude Code在终端里的自主编程体验、Cursor的IDE深度集成、Codex的API工作流嵌入，每一项都是产品设计和工程能力的积累，不是调用一个大模型API就能追上的。事实上，大量中国互联网企业和开发者正在付费使用Claude Code、Cursor和Copilot。他们不是不付费，是没找到值得付费的中国替代品。
公司
切入逻辑
字节跳动（Trae）
国内免费AI编程工具用户量最大，豆包模型后端
阿里（通义灵码）
国内IDE装机量最大，深度集成VS Code/JetBrains
智谱（CodeGeeX）
开源路线，海外开发者社区有一定声量
百度（Comate）
百度内部大规模使用后对外开放
中国软件 (600536)
信创+AI IDE方向
金山办公 (688111)
WPS AI编程辅助，国内办公场景最大的AI落地入口之一
恒生电子 (600570)
金融IT+AI编程，金融机构内部的代码生成和审计场景
卓易信息 (688258)
BIOS固件+BMC，AI基础设施的"最底层编程层"
变现与护城河悖论这是目前唯一规模化盈利的AI应用品类。模式很清晰：个人订阅（10−20/月）+企业版（39/人/月）。
但拆开收入结构，有一个微妙的事实：赚钱的只有平台层。Claude Code的底层是Anthropic的API收入，Cursor的底层也是调用各家模型API。工具层（Cursor、Windsurf、Cline）卷得你死我活，平台层（Anthropic）坐收所有工具层的模型调用费。这个结构和AWS时代一模一样，淘金者不一定赚到钱，卖铲子的稳赚。
但真正值得深思的是另一件事：AI编程的王者为什么不是微软？
Claude Code走"Agentic编程"，把整个任务交给AI，自主读代码、改多文件、跑测试。Copilot走"补全编程"路线，一行一行给提示。结果是前者碾压后者。开发者用脚投票：46%的人最爱Claude Code，只有9%选Copilot。关键是，微软有GitHub的生态锁死（3000万开发者的社交图谱和workflow），但开发者宁愿手动迁移也要换工具。
这件事的意义远超编程本身：当AI真的好用时，切换成本不是护城河。 模型能力可以击穿生态壁垒。这也是整个下游篇最核心的论据：同一个技术底座，落在编程场景里已经印出了百亿美元，而落在别处还在免费。
③ AI Agent：从"回答"到"执行"，算力账单十倍跃升全球格局AI编程让AI帮你写代码。AI Agent让AI帮你做事，订机票、写周报、分析竞品、操作网页。
产品层的标杆是Manus（2025年爆火的任务执行Agent）和ChatGPT Tasks/Operator（OpenAI下场）。但Agent真正的变革发生在更底层，开源协议层。
OpenClaw在GitHub上拿到了28.5万星标。它定义了一套Agent的"浏览器操作系统"协议：让AI像人一样操作网页、填写表单、点击按钮。Hermes定义了Agent之间的通信协议。browser-use让AI能操控真实浏览器。这三者正在成为Agent世界的"TCP/IP"，被阿里云、火山引擎、腾讯云等所有云厂商集成。
中国企业快速跟进。字节Coze（扣子）是国内最大的低代码Agent开发平台，百度文心智能体和阿里百炼Agent紧随其后。
OpenClaw的出现还催生了一个新的经济现象：中国的AI模型厂商终于找到了一个能规模化付费的场景。在OpenClaw生态里，开发者免费使用开源框架，但每执行一个Agent任务都要调用模型API。模型厂商不卖Agent，卖的是Agent消耗的token。2026年初，中国头部模型厂商的Coding Plan/Agent Plan订阅套餐从29元到199元/月不等，这是中国AI模型第一次找到C端开发者愿意持续付费的产品形态。
但Agent的算力账单有一个被严重低估的结构性问题。单次对话的token消耗大约是几百到几千，用户感知到的延迟是1-3秒。Agent执行一个多步任务，比如"帮我在12306上抢一张从北京到上海的五一高铁票"，可能需要连续执行几十步操作：打开网页、识别车次、判断是否有票、如果有票填乘客信息、提交订单、等待响应、如果失败换另一个车次。每一步都在消耗token，整个流程可能消耗几十万token。这不是线性放大，是指数级放大。而模型厂商的定价是按token收的，Agent开发者夹在中间：用户的付费意愿是按"一个任务"算的（一个成功的抢票任务值多少钱？），但成本是按token算的（几十万token的API调用费加起来是多少钱？）。这个gap如果不被解决，Agent永远不会成为一门好生意：除非模型推理成本下降两个数量级。
玩家格局产品层看Manus和ChatGPT Tasks/Operator，平台层看字节Coze（国内最大低代码Agent开发平台）、百度文心智能体、阿里百炼Agent，协议层看OpenClaw（28.5万 GitHub星标，已被阿里云、火山引擎、腾讯云集成）。中国互联网巨头在这里全部下了重注。
公司
切入逻辑
字节跳动（Coze/扣子）
国内最大低代码Agent开发平台，免费策略快速铺量
阿里云（百炼Agent）
模型+云+Agent一体化，企业级Agent平台
百度（文心智能体）
百度搜索分发+文心大模型，智能体生态
腾讯云
集成OpenClaw等开源协议，靠模型调用费变现
致远互联 (688369)
CoMi Agent平台，30+业务Agent，2025年AI合同订单突破2.07亿元
新大陆 (000997)
支付行业Agent，2026年Q1日调用量76亿次（同比10倍+）
长亮科技 (300348)
金融Agent（DataMind+AI），覆盖需求分析到客户运营
数字政通 (300075)
政务Agent（人和大模型2.0），城市治理/安全等领域
酷特智能 (300840)
制造Agent，AGI出海首单，美国工厂数智化改造
云从科技 (688327)
"AI基础设施+AI智能体"双轮驱动
变现与算力悖论"按任务计费"这条路走不通。当前主流是"免费基础额度 + 超额付费"的分层订阅：免费版每天用几次，个人版/Coding Plan每月29-199元，企业版数千元。云平台再加一层"资源包增购"。OpenClaw开源不收钱，云厂商靠"模型调用+算力+部署工具"打包收费，开源协议不收钱，但开源养的生态让云厂商把token费收了。
但Agent有一个被严重低估的算力悖论。一次Agent任务的token消耗是单次对话的10-100倍，它不是回答一个问题，而是执行一整套流程：读网页 → 理解内容 → 做决策 → 操作界面 → 验证结果 → 如果出错再来一遍。每一步都在烧token。这意味着Agent每多一个用户，上游和中游的算力账单就跃升一个数量级。但Agent目前几乎全部免费或极低价。上游吃肉，中游喝汤，下游还在种地。
转折点在于：Agent的定价锚点不是"同类产品多少钱"，而是"帮你省了多少时间"。一个Agent一个月帮一个白领省20个小时，它的价值锚点是20个小时的人力成本。这种定价逻辑一旦成立，Agent可能是所有AI应用里ARPU最高的品类。问题只是，用户还没习惯把操作交给AI。
④ 垂直行业AI：付费意愿最强的六个行业，谁能先跑通？垂直行业AI是八个方向里上市公司标的最丰富的章节，六个子行业，我们逐一拆解。
4.1 金融AI：最快付费，最严合规金融行业对AI的付费意愿是所有行业里最强的。逻辑很简单：量化交易里一个bp的alpha，就能覆盖所有的算力成本。
2026年，几乎所有头部券商都已经把AI从"可选项"变成了"必选项"。华泰证券的CAMS智能投研平台让研究员人均产出效率提升了30%以上，国泰海通的"君弘灵犀"千亿参数大模型让数据处理时间缩短了40%。招商证券的"招小顾"投顾助手让人均服务客户数提升了25%。这些不是PPT，是已经在生产系统里跑了一两年的数据。
公司
切入逻辑
同花顺 (300033)
"问财"金融垂类大模型已商用，月活5000万，行业第一
恒生电子 (600570)
金融IT市占率第一，WarrenQ智能投研平台已上线
东方财富 (300059)
自研"妙想大模型"，投研助理接入Choice终端
指南针 (300803)
智能投顾数字人"九哥"已上线，毛利率87%
顶点软件 (603383)
AI智能体已在多家金融机构落地应用
但金融AI最大的壁垒不是模型能力，是合规。GPT-4o能写研报，但不能在持牌机构里直接调用，要过合规审查、数据本地化、模型可解释性。这道门槛给有合规资质的本土金融IT公司留了一道天然护城河。
4.2 医疗AI：十年烧钱，制药先看到曙光公司
切入逻辑
联影医疗 (688271)
医学影像设备+AI龙头，元智系列覆盖3000+医院，海外收入+51%
迈瑞医疗 (300760)
AI集成医疗器械，CDSS辅助临床决策已商用
卫宁健康 (300253)
WiNGPT医疗大模型，诊前-诊后全流程上线
润达医疗 (603108)
联合华西医院推出"睿宾2"医疗智能体
泓博医药 (301230)
AI制药平台，80个新药项目，6个已进临床I期
药明康德 (603259)
WuXi AI药物发现平台，先导化合物筛选从6个月缩至2周
医疗AI烧了十年钱，至今没有一个AI诊断产品能独立养活自己。但上游和药企已经在为AI制药下重注，英伟达+礼来10亿美元联合实验室，晶泰控股59.9亿美元大订单。医疗AI的钱不是从AI公司赚的，是从"证明AI有用"之后的药和器械上赚的。
这两条路径的商业逻辑截然不同。AI诊断面对的是医院采购体系，审批周期长、科室主任决策、收费目录准入，每一个环节都是瓶颈。而AI制药面对的是药企的研发预算：一个先导化合物从6个月缩到2周，ROI是药企自己的财务部算出来的，不需要任何监管审批。所以晶泰控股能做到59.9亿美元订单，而最优秀的AI诊断公司还在为进医院收费目录奋斗。投资医疗AI，分清"诊断"和"制药"两条线，比分清"AI公司"和"传统公司"更重要。
4.3 教育AI：用户愿意付费，但要先过"预算科目"关公司
切入逻辑
科大讯飞 (002230)
星火大模型，AI学习机+智慧课堂，教育场景C端触达最广
竞业达 (003005)
星空教育大模型已通过网信办备案，千万级小时教育数据
凯文教育 (002659)
与智谱合资公司，海淀国资+教育数据资源
视源股份 (002841)
希沃AI教学终端，教室硬件入口市占率第一
好未来（学而思）
数学AI辅导（九章大模型），K12教育AI化最激进
Duolingo Max证明用户愿意为AI教育多付$10/月。但教育AI最大的壁垒不在技术，在渠道，拿到学校B端采购合同的不是AI最强的公司，是教育关系最深的公司。教育AI真正的对手不是同行，是"教育财政支出能不能把AI算进预算科目"。
但教育AI有一个结构性的亮点被低估了：它是少数C端付费意愿和B端采购需求同时存在的AI方向。家长愿意为孩子的AI辅导掏钱（C端），学校愿意为AI教学工具做预算（B端），老师愿意为AI备课工具付费（职业工具）。三条变现路径同时存在，在八个AI方向里是唯一的。这也是科大讯飞能在教育场景做到年营收百亿级别的原因，不是它的星火大模型比GPT强，而是它同时吃到了C端学习机、B端智慧课堂、G端区域教育云三轮驱动。教育AI的壁垒不在模型层，在"已经铺进几万间教室的设备"。
4.4 法律AI：中国AI出海的隐秘先锋中国法律AI标的极少，就两家：科大讯飞（"星火智法·律小助"，合同审查从30分钟缩至10分钟，拟设独立公司）和华宇软件（"元典问达"法律知识平台+"Amicus"法律智能体已发布）。
法律AI是中国AI出海被忽视的方向。中国律所和科技公司已经在中东、非洲、东南亚的仲裁和合同审查中嵌入AI工具，背后的驱动力是"一带一路"基建投资的法务需求。这个方向不需要比GPT强，只需要懂当地法律+中文界面。
但法律AI的商业模式有一个独特之处：它卖的不是"AI"，是"省下来的律师时间"。一个跨境并购项目，传统上需要3个初级律师花两周做尽职调查的合同审查。AI工具能在半天内完成初筛，律师只需要复核AI标记的风险点。律所按小时向客户收费，内部成本从300个律师小时降到30个，利润空间大幅提升。所以法律AI的付费方不是用户，是律所本身，这和C端AI的"让用户为AI功能额外掏钱"是完全不同的付费逻辑。B端"省成本即增收"的付费意愿，远强于C端"好玩才付费"。
4.5 制造AI：唯一靠"省钱"赚钱的方向公司
切入逻辑
海康威视 (002415)
机器视觉全球龙头，工业AI质检+AGV全覆盖
工业富联 (601138)
AI服务器制造龙头+工业AI平台，全球智能工厂标杆
宝钢股份 (600019)
领航级智能工厂，AI预测精度超95%，数字孪生已上线
均普智能 (688306)
产线级AI助手LineGPT已商用，人形机器人产线投产
先导智能 (300450)
AI视觉检测+数字孪生，锂电池产线已深度应用
制造AI是唯一赚的是"降本"而不是"增收"的钱。一个AI质检系统替代三个质检员，ROI直接能用计算器按出来。所以制造AI的续费率反而是所有垂类里最高的，它的价值不需要信仰，只需要会计。
这也是制造AI和其他垂直AI的根本区别。金融AI的价值取决于市场波动（熊市时AI选股还有没有人信？），教育AI的价值取决于政策预算（明年教育财政削减了AI采购怎么办？），而制造AI的价值取决于一个恒定的物理事实：一个质检员的年薪不会低于5万，一台AI质检相机的电费加折旧不到5000。只要这个不等式成立，制造AI的需求就不会消失。它不是风口型需求，是结构性需求。所以投资制造AI的逻辑也最简单：找那些已经把产品嵌入产线的公司，看它们的续约率和扩产订单，不用看AI技术发布会。
4.6 能源AI：AI与电网的"自反身循环"公司
切入逻辑
国能日新 (301162)
新能源功率预测市占率第一，"旷冥"大模型，服务6029家电站
朗新科技 (300682)
"朗新九功AI能源大模型"全球评测第一，交易电量超60亿度
国电南自 (600268)
电力自动化央企，覆盖1.4亿千瓦装机，虚拟电厂国家级示范
南网科技 (688248)
南方电网旗下，AI电网巡检和调度已商用
能源AI和AI算力形成了一个"自反身循环"。AI算力中心是吃电巨兽，全国算力中心用电量年增17%+，而AI又在优化电网调度、预测新能源出力。AI既是电网最大的新增负荷，也是电网智能化的最大推手。 "算电协同"已经从政策文件走进了真实商业场景：虚拟电厂调度AI算力中心作为可调节负荷，同时AI预测光伏和风电出力，决定什么时候开什么算力任务。这是所有垂直行业里最有张力的故事。
这个循环的商业翻译很直接。国能日新的功率预测AI每提高1个百分点的预测精度，一个100MW的光伏电站一年就少弃掉几百万度电，这几百万度电的增收，就是AI的计费基础。所以能源AI的定价不需要说服用户"AI很有用"，只需要让用户看到"交的AI服务费比AI帮你省的电费少"。这也是为什么国能日新服务了6029家电站：当ROI能用一度电的电价算清楚，销售只需要发Excel，不需要发白皮书。
六个子行业走完，垂直行业AI的共同主线已经清晰：付费意愿最强的行业，是那些AI能直接替代或放大"高人力成本操作"的行业。 金融的分析师、医疗的影像科医生、法律的新人律师、制造的质检员，AI不是在替代这些人的"智慧"，而是在替代他们的"重复性操作时间"。越是操作重复、人力成本高、容错率低的行业，AI越容易找到付费理由。
一个值得关注的投资视角：垂直行业AI的赢家，大概率不是"最好的AI公司"，而是"行业里最懂AI的传统公司"。联影医疗卖医学影像AI，不是因为它比DeepSeek更懂Transformer，而是因为它比DeepSeek更懂医院CT室需要什么。国能日新卖功率预测AI，不是因为它的模型比GPT-5强，而是因为它服务了6029家新能源电站，知道每一家电站的负荷曲线和天气预报需求。行业know-how加AI能力，远大于纯AI能力。这是垂直行业AI和通用AI最本质的区别。
⑤ 自动驾驶：硬件战争结束，事故率战争刚开始自动驾驶是八个方向里，和物理世界交互最深的一个。C端对话生成的是token，Agent执行的是网页操作，自动驾驶的每一次决策直接关系到人命。这个"物理责任"是自动驾驶商业化的终极变量。
全球格局自动驾驶的全球格局已经清楚：两条技术路线，各有领跑者。
美国方面，Waymo走激光雷达+高精地图路线，已经在凤凰城和旧金山收费运营Robotaxi，L4商业化从"能不能"进入了"能不能赚钱"的阶段。特斯拉FSD走纯视觉+端到端路线，预计2026年底在美国十几个州推出无监督版本，没有安全员的真正无人驾驶。
中国方面，华为ADS 5.0在2026年4月发布，多传感器融合+在线强化学习，高速L3开始规模商用。小鹏XNGP走纯视觉路线，对标特斯拉。百度Apollo的萝卜快跑在多城运营Robotaxi。
L3法规正在落地。一旦高速L3合法化，事故责任从驾驶员转移到车企，整个行业的游戏规则将被改写。
这件事的冲击有多大？做一个思想实验。一个汽车品牌一年卖100万辆车，L3模式下每辆车每年平均跑5000公里高速。如果事故率是每1亿公里发生1起致命事故，那每年就是50起致命事故。每一起都要车企来承担法律责任。这不是技术问题，是保险精算问题、是品牌风险问题、是股东诉讼问题。所以L3时代的真正门槛不是"谁能做出L3"，而是"谁的技术足够好到敢为自己产品的每一公里承担无限法律责任"。
玩家格局公司
切入逻辑
华为（ADS 5.0）
多传感器融合+在线强化学习，高速L3规模商用，国内智驾方案第一
比亚迪 (002594)
"天神之眼"下放至7万元级车型，440万辆L2+数据壁垒
百度（Apollo/萝卜快跑）
多城Robotaxi运营，L4商业化最早的中国玩家
小鹏（XNGP）
纯视觉+端到端，对标特斯拉FSD路线
赛力斯 (601127)
华为ADS最核心整车伙伴，问界全系搭载高阶智驾
千里科技 (601777)
旷视创始人执掌转型"AI+车"，奔驰参股3%，吉利Robotaxi搭载
德赛西威 (002920)
域控制器龙头，英伟达国内核心生态，2025年订单破百亿
中科创达 (300496)
全球3000万+辆车搭载其车载OS，英伟达生态合作伙伴
经纬恒润 (688326)
稀缺L4全栈自研，港口和物流场景Robotruck已商业化
伯特利 (603596)
线控制动国产第一，L3/L4执行层刚需
万集科技 (300552)
192线激光雷达，2026年L3量产受益
变现与事故率战争三种模式并行：Robotaxi按里程收费（Waymo已验证）、车企软件订阅（特斯拉FSD $99/月）、技术授权+运营分成（千里科技路线）。
但L3的真正变量不在变现模式，在责任归属。激光雷达从几万美元降到了两三千人民币，线控底盘国标2026年强制实施，硬件战争已经结束。一旦高速L3合法化，事故责任从驾驶员转移到车企。一个一年卖100万辆车的品牌，L3模式下可能面临每年50起致命事故的责任，每一件都要车企承担无限法律责任。这不是"谁赔得起"的问题，是"谁的技术真的能做到比人类事故率低一个数量级"。
到那一天，自动驾驶玩家名单不由融资额决定，由真实路测数据里的事故率排名决定。胜出的不是最有钱的，而是最不敢出事故的。这也是中国公司的结构性优势：比亚迪一家就有440万辆L2+车辆在路上跑，每天产生真实驾驶数据。Waymo在凤凰城的车队不过几千台。数据量的差距可能比算法差距更难追赶。
⑥ AI多模态内容生成：视频的算力黑洞，B端在闷声发财全球格局视频生成是AI最烧算力的C端应用，单次推理消耗是文本的千倍以上。这不是夸张：生成1分钟高质量视频消耗的算力，大约等于10万次文本对话。全球格局已经拉开：
品类
全球代表
中国代表
视频生成
Sora 2（OpenAI）、Veo 3.1（Google）
可灵（快手）、海螺AI（MiniMax）、SkyReels（昆仑万维）、即梦（字节）
图片生成
Midjourney、Flux、DALL·E
通义万相（阿里）
音乐/音频
Suno、Udio
海螺AI（MiniMax）、天工AI音乐（昆仑万维）
快手可灵全球用户超2200万，累计生成1.68亿视频+3.44亿图片，API服务超过1万家企业，ARR约2.4亿美元。MiniMax海螺AI同时覆盖视频和音乐两个品类，2026年2月ARR突破1.5亿美元。
这个赛道的竞争格局有一个独特之处：中国公司在视频生成上的竞争力，可能比在文本大模型上更强。 可灵的视频质量在全球评测中已经进入第一梯队，价格只有Sora 2的三分之一。SkyReels在2026年3月一度登顶全球评测第一。原因不复杂：中国公司在短视频和直播领域积累的数据、场景理解、用户洞察，在视频生成时代变成了直接的竞争优势。文本大模型拼的是语料和预训练，视频大模型拼的是对"什么样的画面好看"的理解，这件事抖音和快手的工程师已经做了十年。
但不要高估这个优势的持续时间。视频生成的底层模型架构和训练框架仍然由美国公司主导，Sora的DiT架构（Diffusion Transformer）是整个行业的基础。中国公司的优势在上层：数据、场景、定价、用户体验。美国公司的优势在下层：基础模型、训练基础设施、底层算法创新。这两层之间的gap正在缩小，但缩小到一个临界点后，决定胜负的就不再是谁的视频更好看，而是谁的视频生成成本更低。而成本优势取决于两个因素：模型推理效率和算力成本。前者拼算法，OpenAI和Google仍有明显优势；后者拼中游基础设施，中国正在快速追赶。液冷数据中心和万卡集群的大规模部署，正在让中国视频生成公司的单位推理成本逼近甚至低于美国同行。
玩家格局公司
切入逻辑
快手（可灵）
全球用户超2200万，API服务超1万家企业，ARR约2.4亿美元
MiniMax（海螺AI）
同时覆盖视频+音乐，2026年2月ARR突破1.5亿美元
字节跳动（即梦）
抖音生态加持，视频生成+分发一体化
昆仑万维 (300418)
SkyReels V4于2026年3月登顶全球评测第一，AI短剧出海
万兴科技 (300624)
自研"天幕"大模型VBench-2.0全球前三，喵影全球用户超15亿
当虹科技 (688039)
AI视频增强+视觉无损压缩可达800倍，与微软Azure合作
虹软科技 (688088)
计算机视觉+视频增强，手机影像SDK市占率领先
中文在线 (300364)
550万数字IP+AI文字转视频，与抖音合作短剧
变现分化个人订阅（Midjourney 10−60/月）、API按量计费（可灵约0.1/秒，Sora 2的三分之一）、B端企业工具（Runway服务影视广告客户）。
但AI视频的商业分化可能是八个方向里最剧烈的：一个广告片省下的实拍成本（场地、演员、后期）足够覆盖几百小时的GPU推理，B端客户有真实付费意愿；而C端用户"生成一个搞笑视频发朋友圈"，付费意愿趋近于零。这和AI编程刚好相反，开发者愿意为效率掏钱，视频C端是"好玩但不必须"。AI视频最终的赢家，可能不是那些做最好玩C端App的人，而是把视频生成嵌入广告、影视后期、电商产品视频这些B端工作流的人。
⑦ AI硬件与具身智能：从眼镜到机器人，AI走进物理世界这一章讲的是两个处于截然不同阶段的故事。一个已经在货架上了：AI眼镜、AI手机、AI耳机。另一个还在产线上调试：人形机器人。它们的共同点是：AI终于从屏幕里的数字世界，迈进了真实的物理世界。
消费硬件：到了用户手里，AI功能还没用起来Meta Ray-Ban AI眼镜已经卖了超过200万副，全球市占率超过80%，$299定价被市场接受。AI手机已经是常态，iPhone 17搭载Apple Intelligence，安卓阵营全线跟进。字节Ola Friend AI耳机定位"耳边AI助手"。OpenAI也计划在2026年底到2027年初推出自有AI终端设备，立讯精密已获组装订单。
但这里有一个尴尬的事实：调研显示大多数Meta Ray-Ban用户用它来拍照、听音乐、打电话，AI功能的使用率远低于预期。消费者买的是"一副好眼镜"，不是"一个AI硬件"。
这引出一个核心问题：AI硬件的杀手级应用是什么？ 当年iPhone的杀手应用是"把电脑放进口袋"：Safari、邮件、地图、App Store。而AI眼镜的杀手应用目前还是"拍照不用掏手机"。AI功能（实时翻译、智能助理、场景识别）用户没用起来，不是因为AI不够好，而是因为这些场景还没成为日常刚需。AI硬件的真正考验不是能不能造出来，而是能不能让AI功能从"有用"变成"离不开"。
但不要因此看空AI硬件。回头看智能手机的进化史：iPhone 1代没有App Store，iPhone 3G才加上；第一代AirPods被全网嘲笑，现在年销超过1亿副。AI硬件正在复刻同一条曲线：第一代产品解决"能不能做出来"，第二代解决"用户为什么要买"，第三代解决"用户为什么离不开"。Meta Ray-Ban是第二代，OpenAI设备可能是第三代。判断一个AI硬件能不能活到第三代的标准很简单：用户在没有AI功能的情况下，还愿不愿意戴这副眼镜？Meta Ray-Ban给出的是一个"有条件的yes"，拍照和通话足够好，撑过了第一轮淘汰赛。
具身智能：产能在狂奔，需求在哪儿？人形机器人是2025-2026年最狂热的硬件赛道。特斯拉Optimus V3预计2026年Q1发布，年产能规划100万台，2026年产量目标5-10万台。Figure AI的Figure 03搭载Helix 02单神经网络架构，能实现像素级端到端的自主家务操作。中国方面，宇树科技科创板IPO已获受理，2025年人形机器人出货5500+台，全球第一。智元机器人量产突破5000-10000台，估值超百亿。
但整个行业的人形机器人出货量合计刚过万台，特斯拉已经在规划百万台产能。节奏感是割裂的。
具身智能的火爆，本质上是在赌一件事：当AI的"大脑"（大模型）已经足够聪明，把它放进一个能走路、能抓取、能操作物体的"身体"里，会发生什么？2026年前四个月，全球人形机器人领域融资额259亿元人民币，超过了2025年全年。140多家中国公司在做人形机器人，但宇树和智元两家合计占出货量的近80%。这个赛道的淘汰率将会极高。
玩家与供应链公司
切入逻辑
Meta（Ray-Ban AI眼镜）
已售200万+副，全球市占率超80%，$299定价被市场接受
字节跳动（Ola Friend）
AI耳机，定位"耳边AI助手"
OpenAI（AI终端设备）
计划2026末-2027初推出自有设备，立讯精密已获组装订单
特斯拉（Optimus）
人形机器人V3，年产能规划百万台，2026年产量目标5-10万台
Figure AI（Figure 03）
Helix 02单神经网络架构，像素级端到端自主家务操作
宇树科技
2025年人形机器人出货5500+台全球第一，科创板IPO已获受理
智元机器人
量产突破5000-10000台，估值超百亿
歌尔股份 (002241)
Meta Ray-Ban独家代工+小米/华为/字节AI眼镜代工，净利+47.85%
恒玄科技 (688608)
BES2800芯片独家供应Meta Ray-Ban
立讯精密 (002475)
已获OpenAI AI设备组装订单
拓普集团 (601689)
特斯拉Optimus线性执行器总成独家供应商，单机价值量超35%
绿的谐波 (688017)
谐波减速器国内龙头，Optimus肩肘关节核心供应商
三花智控 (002050)
旋转执行器总成+液冷热管理，墨西哥产线适配百万台量产
鸣志电器 (603728)
空心杯电机全球领先，适配Optimus灵巧手
奥比中光 (688322)
3D视觉传感器龙头，机器人视觉核心供应商
变现与节奏错位从确定性高到低：零部件供应链（"卖铲人"逻辑，确定性最强）→ ODM/代工（赚制造端利润）→ 硬件溢价（Meta Ray-Ban已验证）→ 生态锁定+服务订阅（探索中）→ 整机销售（量产刚起步）。
但AI硬件真正的张力不在变现，在节奏。一端是AI眼镜：产品到了用户手里，但AI功能几乎没人用，消费者买的是"一副好眼镜"，不是"一个AI硬件"。另一端是人形机器人：产能在疯狂规划（特斯拉年产能规划百万台），但全球一年真实需求可能还不够特斯拉一个月产能目标。眼镜比机器人先到，但机器人可能比眼镜更有用。AI从数字世界走进物理世界的真实节奏是：硬件比软件快，供应链比应用快，产能规划比真实需求快。
对于中国投资者，这个方向有两点值得注意。第一，零部件供应链是目前确定性最强的逻辑。不管是特斯拉赢还是宇树赢，只要人形机器人出货量增长，绿的谐波的减速器、拓普集团的执行器、鸣志电器的空心杯电机都要出货，典型"淘金热里卖铲子"。第二，消费硬件的中国机会主要在代工和芯片：歌尔和立讯的AI眼镜代工、恒玄的SoC芯片，赚的是确定性制造利润，不是赌哪个AI硬件品牌会赢。
⑧ AI for Science & AGI：百亿美元的终极赌注全球格局这是所有八个方向里离钱最远的一个。也是算力消耗最大的一个。
AI for Science已经有一些里程碑式的成果，不是PPT，是已经发生的科学范式转移。DeepMind的AlphaFold 3让全球超过200万研究人员免费使用蛋白质结构预测，数据库包含超过2亿个结构。GNoME预测了220万种新晶体结构，其中38万种被实验验证为稳定，将已知稳定无机晶体的数量扩大了近10倍。华为的盘古气象大模型比传统数值模型快1万倍，台风路径预测误差比欧洲中期天气预报中心低了30公里。AlphaFold将牛津大学的疟疾疫苗早期发现阶段从3年缩短到8个月。
AGI方面，OpenAI、Anthropic、DeepMind三家的终极目标。没有时间表，没有变现路径，只有一个共同的信仰：如果能实现，它的价值等于人类所有经济活动的总和。
谁在下注这个方向纯正的公开市场标的极少，OpenAI、Anthropic、DeepMind全是私有公司。能从间接角度触及的：
公司
切入逻辑
中科曙光 (603019)
国内首个6万卡AI4S集群落地郑州，全栈自研，从"硬件商"转型"算力运营商"
诺禾致源 (688315)
基因/转录/单细胞测序+AI融合，以AI4S为核心战略方向
索辰科技 (688507)
CAE仿真延伸到物理AI，天工+开物双引擎
晶泰科技（港股）
"AI4S第一股"，2025年首次实现年度盈利
华为（盘古气象）
比传统数值模型快1万倍，台风预测误差比欧洲中期天气预报中心低30公里
变现：不存在AI for Science的商业价值间接体现在新药/新材料专利上，转化周期十年起步。AGI的变现路径是"如果实现了，价值等于人类所有经济活动的总和"，这不是商业模式，是信念。
但这里有一个吊诡的事实：一个前沿AGI训练任务的算力成本可以达到百亿美元，超过大多数国家的IT年度总预算。然而，Anthropic做AGI的路上，副产品Claude Code ARR超过了25亿美元。OpenAI做AGI的路上，ChatGPT正在支撑公司估值。这很像阿波罗登月计划：目的地是月球，沿途发明的集成电路、卫星通信已经值回了票价。区别在于，阿波罗的预算是国会批的，AGI的预算是硅谷信仰撑的。共同点：都不靠商业计划书。
另一个更实际的视角：中科曙光的6万卡AI4S集群已经在运行了，不管AGI能不能实现，这个集群的算力服务费已经在收了。诺禾致源的基因测序+AI已经把服务卖给了科研机构和药企。淘金热里，卖铲子的永远先赚钱。AGI热里，卖算力的已经赚到了。
回过头来看，AI for Science和AGI占据了八个方向的最末端，算力消耗最大的那一端。但如果把这三篇文章串起来看，会看到一个完整的"算力食物链"：上游的ASML和信越化学在最底层卖造算力的工具，中游的英维克和工业富联卖组装算力的工程，下游的Claude Code和ChatGPT卖消费算力的服务。AI for Science和AGI是这个食物链的终极掠食者：它们吃掉最多的算力，暂时不产生任何直接收入，但它们的副产品（新的科学发现、更强的模型能力）反过来会催生下一代的算力需求，让整个食物链重新运转一轮。这是AI时代最迷人的经济循环：最不赚钱的东西，驱动着最赚钱的东西。
收尾：一条算力链，三种护城河，八种命运我们走完了AI算力产业链的全旅程。三篇文章，二十多张图表，上百家公司，核心其实就一句话：一根算力链条上，三种完全不同的护城河。
上游的护城河是物理定律。高纯石英砂的矿脉分布、EUV光刻机的光源波长、光刻胶的配方，这些是自然界和工程极限划定的边界。玩家极少，可替代性趋近于零，赚钱是确定的，只是赚多赚少的问题。
中游的护城河是系统工程。6万张GPU怎么互联、2000W一颗芯片怎么散热、跨数据中心的光信号怎么同步，这些问题的答案不在任何一本教科书里，在反复炸机、漏水、信号丢失的工程现场。先发者的经验本身就是壁垒。
下游的护城河最特殊：它不来自技术，来自"先找到付费理由"。AI编程赚到钱了，不是因为它的模型比别家强多少，而是因为开发者是地球上最愿意为效率付费的群体。Agent还没赚到钱，不是因为技术不行，而是因为还没人想清楚"替用户做事"应该怎么定价。同一个技术底座，落在不同的场景里，变现能力可以差一百倍。
这三篇文章加起来，可以回答一个问题：AI时代的护城河到底是什么？
上游的回答是：物理极限和时间诅咒。ASML花了三十年才把EUV光刻机做出来，下一个三十年也不会出现第二家。信越化学的硅片纯度是几代工程师的隐性知识积累。这些护城河是物理定律给的时间壁垒。
中游的回答是：系统工程的经验不可复制。6万张GPU怎么互联、2000W的芯片怎么冷却、跨数据中心的光信号怎么同步，这些知识不在论文里，在炸了几百台机器、漏了几十次水之后才搞明白。每个后来者都得把这些坑重新踩一遍。
下游的回答是：场景的护城河最浅，但跑得最快。AI编程五年就从零变成了数百亿美元的市场。而Agent可能只需要三年。浅护城河意味着进入门槛低，但也意味着赢家可以快速建立规模优势，就像Cursor两年追到Copilot的咽喉。下游的竞争是速度的竞争：谁能最早找到付费场景，谁就能在护城河被填平之前把规模做大。
上游篇，我们看到了七层倒金字塔，从GPU往下挖，越挖玩家越少、护城河越深、可替代性趋近于零。ASML的光刻机、信越化学的硅片、东京应化的光刻胶，它们的护城河来自物理定律和时间诅咒，几乎不可复制。
中游篇，我们看到了八层系统工程的集成壁垒，从AI服务器到万卡集群，不是堆硬件，是解一道物理极限下的工程方程。液冷、光互联、铜缆、电源架构，八层里任何一层做不好，整个集群就垮掉。
下游篇，我们看到了完全不同的故事。
八个应用战场，共享一套底层技术体系，但商业命运天差地别。AI编程在印钞，Agent在免费养用户，C端助手在找分发权，AGI靠信仰撑着。
变现不是线性进化的，是平行分化的。
成熟度
战场
核心逻辑
已盈利
② AI编程
开发者付费意愿最强，Agentic编程击穿生态壁垒
变现已验证
① C端对话、⑥ 多模态、⑤ 自动驾驶
订阅制/API/Robotaxi三种路径均已跑通
探索中
③ Agent、④ 垂直行业
有付费意愿但变现模式未定，合规和渠道是真正壁垒
烧钱抢入口
⑦ 硬件与具身智能
眼镜到了但AI没人用，机器人没到但产能狂奔
信仰支撑
⑧ AI for Science & AGI
百亿美元赌注，没有商业计划书
一个终极追问当上游和中游把算力成本不断打下来（更便宜的GPU、更高效的集群、更低的推理成本），下游的变现窗口是变大了，还是变小了？
答案可能是反直觉的：变小了。
上游和中游的护城河来自"越稀缺越赚钱"：物理极限和系统复杂度让竞争壁垒越来越高。但下游的逻辑可能恰好相反，算力越便宜，应用层的进入门槛越低，竞争对手越多，护城河越难建立。
上游的ASML不怕第二家EUV光刻机公司出现，因为根本不会出现。
中游的液冷数据中心不怕竞争对手，因为6万卡集群的工程经验是钱买不到的。
但下游呢？AI编程的Cursor两年就从零追到了Copilot的咽喉。Agent的Manus半年就从一个demo变成了行业标杆。下游的护城河，比上游和中游脆弱得多。
算力越稀缺，上游和中游越安全。算力越普及，下游越危险。
这不代表下游没有投资机会，AI编程一年创造了数百亿美元的ARR，自动驾驶即将打开L3的万亿市场，垂直行业里金融和能源的AI付费已经跑通。但它意味着：在下游赚到钱的，不是那些AI技术最强的，是那些最懂场景、最快找到付费理由、最先建立起非AI壁垒的。
回头看一眼八个战场对应的中国公司，从金融IT的同花顺和恒生电子，到自动驾驶的赛力斯和德赛西威，到机器人零部件的拓普集团和绿的谐波。投资下游的逻辑不是"赌谁会变成下一个英伟达"，而是"找那些在特定场景里已经证明有人愿意为此付费的公司"。付费意愿是下游最好的护城河，因为它不是靠PPT建立的，是靠每个月从用户口袋里掏出真金白银建立的。
上游卖铲子，中游修路，下游开矿。铲子和路的护城河越挖越深，矿的竞争才刚刚开始。
回头看这八个战场，一个隐藏的结构正在浮现：变现最容易的方向，护城河最浅；护城河最深的方向，变现最遥远。 AI编程赚钱最快，但Cursor两年就能颠覆Copilot。AGI的护城河深到几乎不可能被颠覆（因为根本还没做出来），但离赚钱也最远。垂直行业卡在中间，有合规和渠道护城河，但每个行业的规模天花板都比C端低。投资者面临的不是"选哪个方向最好"，而是做一道三维权衡：变现速度、护城河深度、天花板高度，在八个战场里每个答案都不一样。
上游造出来。中游搭起来。下游怎么用？算力怎么变现？
三部曲至此完结。
如果这三篇拆解让你对AI算力产业链有了更立体的认识，欢迎点个爱心推荐、转发给可能需要的人——深度内容在信息流里走不远，每一次推荐、转发都是在帮它多走一步。
有感兴趣的领域想让我拆解的，欢迎在评论区留言。每一条我都会看，也会作为后续选题的重要参考。
风险提示和免责声明
本文所有内容仅代表我的个人观点，不构成任何投资建议！
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。