最近后台一直有人问我：AI 硬件是不是就买英伟达（NVDA）就够了？每次看到这种问题我都想叹气。不是 NVDA 不好，而是把一整个庞大的硬件产业链缩成一支股票，等于只看了冰山露在水面上的那一角。

今天这篇，我想把 AI 硬件这件事彻底拆开。我把它整理成一个十层的框架，从最底层的算力芯片，一路到最顶层的 Physical AI 应用。看懂这张图，你再去看这个板块，思路会清晰很多。

这张图我建议你存下来，以后每次看 AI 硬件相关的新闻、研报、讨论，都拿出来对照一下。它最大的用处，不是让你记住每一家公司的名字，而是帮你建立一个直觉：当一个消息出来时，它砸中的是哪一层，影响的是上游还是下游，是短期的供需错配还是长期的格局变化。有了这个坐标系，你就不会被单点信息牵着鼻子走。

先记住一句话

AI 硬件绝对不只是 NVDA。真正完整的交易链是这样的：

芯片 → 封装 → 存储 → 网络 → 光通信 → 服务器 → 电力/散热 → Physical AI

NVDA 处在「芯片」这一环，重要，但不是全部。很多人听到 AI 硬件就只想到买显卡，是因为 NVDA 的声量太大、涨幅太猛，把整条产业链的聚光灯都吸走了。但只要你真去拆一台 AI 服务器，就会发现问题没那么简单：一块 GPU 板卡周围，密密麻麻焊着几十颗不同功能的芯片，背后还连着成吨的存储、上千瓦的供电和成公里的光纤。NVDA 只是这台机器里最亮的那个零件。

下面我一层一层讲，每层都点名几个核心玩家，方便你照着对号入座。

第一层到第四层：算力和内存，AI 的发动机

这四层是 AI 计算的底座。

第一层是算力芯片。除了 NVDA，还有 AMD、博通（AVGO）、Marvell（MRVL）、ARM、Intel（INTC）。很多人不知道，博通和 Marvell 在定制 ASIC 和互联芯片上话语权极大，ARM 则是几乎所有端侧和很多服务器端芯片的底层架构授权方。

第二层是晶圆代工和先进封装。台积电（TSM）一家独大，Amkor（AMKR）和日月光（ASX）做封装测试。先进封装（比如 CoWoS）现在卡得比光刻还紧——NVDA 的 GPU 很多不是卡在晶圆，是卡在封装产能。

第三层是半导体设备。ASML、应用材料（AMAT）、泛林（LRCX）、科磊（KLAC）、Entegris（ENTG）。没有这些造芯片的机器，前面两层根本无从谈起。ASML 的 EUV 光刻机至今没有真正能打的替代品。

第四层是 HBM 和 DRAM。美光（MU）、SK 海力士、三星。GPU 算得快，但喂数据的 HBM 跟不上，算力就是摆设。这一轮 AI 行情里，HBM 的供需紧张程度一点也不比 GPU 低。

这四层的关系很直观：设备造出机器，代工和封装把芯片造出来并连好，HBM 再高速喂数据给 GPU。GPU 是大脑负责算，但造大脑和喂饭的，是另外三层。

这里有个认知误区要专门点一下：很多人以为「芯片」就等于「算力」，算力越强 AI 越快。但工程上的现实是，GPU 的算力经常是闲置的，因为数据喂不进去。HBM 的带宽、封装的密度、代工的良率，任何一个掉队，GPU 的峰值算力就只能停留在参数表上。所以前四层必须放在一起看，缺一层，整台机器的有效算力就打折。

第五层到第八层：数据的路和房

算出来的东西，得存得住、搬得动、装得下。这就是中间四层。

第五层是 NAND、SSD、HDD 这类存储。西部数据（WDC）、希捷（STX）、铠侠（Kioxia）、Sandisk（SNDK）。模型权重、训练数据、推理缓存，最后都落在存储上。

第六层是网络芯片和交换机。博通、Marvell、Arista（ANET）、思科（CSCO）。当一堆 GPU 要组集群协同训练，网络就是它们的神经系统。带宽不够，再强的卡也连不成整体。

第七层是光模块和光通信。Lumentum（LITE）、Coherent（COHR）、AAOI、Ciena（CIEN）、诺基亚（NOK）、康宁（GLW）。机柜之间、数据中心之间，海量数据靠光信号远距离搬运。1.6T 光模块现在是供不应求的状态。

第八层是 AI 服务器和数据中心。超微（SMCI）、戴尔（DELL）、CoreWeave（CRWV）、Nebius（NBIS）、IREN、Core Scientific（CORZ）、Cipher Mining（CIFR）。服务器把前面所有东西整合成一台「能跑 AI 的机器」，数据中心则是把这些机器规模化的场所。

中间这几层最容易被当成「配角」，但其实越是大规模训练，网络和存储的权重越高。一台 GPU 跑得快没用，几千台 GPU 要协同，瓶颈立刻转移到交换机带宽和光模块速率上。所以你看这一轮行情，光模块公司涨得一点不比 GPU 慢，就是这个道理。

第九层到第十层：供能与落地

最容易被忽略，却最关键的两层。

第九层是电源、电网和散热。Vertiv（VRT）、伊顿（ETN）、GE Vernova（GEV）、Constellation（CEG）、Vistra（VST）、nVent（NVT）。GPU 一秒钟吃掉几百瓦，一个大型数据中心用电量抵得上一座小城市。供电和散热不是配角，是 AI 的物理底线——这条线掉链子，前面九层全停。

这一层现在被严重低估。很多人研究 AI 硬件只盯芯片，但对冲基金和电网公司在算的是另一本账：美国未来几年新增的电力需求，很大一块来自数据中心。电网扩容要时间，核电、天然气、储能全都卷进来。谁能供上电、谁能压住温度，谁就握住了 AI 扩张的天花板。

第十层是 AI 最终应用，也就是大家现在爱说的 Physical AI。特斯拉（TSLA）、Palantir（PLTR）、Symbotic（SYM）、Serve Robotics（SERV）、直觉外科（ISRG）。机器人、自动驾驶、手术机器人，AI 终于从屏幕里的软件，落到物理世界里。

这一层是整条链的故事终点，也是估值弹性最大的一层。前面九层都在「造工具」，这一层才开始「用工具赚钱」。但反过来，它离当下的现金流也最远，大部分公司的 AI 收入还在画饼阶段。

用一句话串起来

如果还觉得绕，记住这条最朴素的链路

GPU 负责算 → HBM 负责喂数据 → 封装负责连接 → 存储负责保存 → 网络/光模块负责搬数据 → 服务器负责承载 → 电力/散热负责供能 → 最后落地到机器人、自动驾驶等 Physical AI。

数据在这条链里一路向前，哪一环掉链子，整台 AI 都转不动。

举一个具体的例子你就懂了。当一家公司宣布要建一个万卡集群，新闻标题永远只写「买了几千张 GPU」。但真正决定这个项目能不能跑起来的，是电网能不能供上电、散热能不能压住温度、HBM 能不能按时交付、光模块能不能把集群连起来。GPU 只是入场券，后面每一层都是另一场硬仗。只盯 GPU 的人，相当于只看到了请柬，没看到婚礼。

我的一点看法

说点我的判断，不一定对，但你照着这个框架去对照，会比只盯 NVDA 强得多。

第一，别把「AI 硬件」和「NVDA」画等号。 这是新手最容易犯的错。NVDA 强，是因为它卡在算力芯片 + CUDA 生态这个高壁垒位置，但产业链的瓶颈经常不在它这里——前阵子卡在 HBM，再往前卡在先进封装，往后看会卡在电网和散热。

第二，看 AI 硬件要看「瓶颈在哪一层」。 每一轮行情的领涨股，往往就是当时最紧缺的那一层。去年是 GPU，后来是 HBM，再后来是光模块，现在越来越多人在看电力和散热。谁稀缺，谁就有定价权。顺着这个思路，你不会错过产业链里真正赚钱的环节。反过来，当某一层产能终于扩出来，那一层的超额利润就会回落——所以追热门也要看供给什么时候跟上。

第三，越往上层越接近「应用兑现」。 第十层的 Physical AI 是最性感的故事，但也是离「当下利润」最远的一层。TSLA、PLTR 这些公司的估值里，已经装了很厚的 AI 预期。如果你买的是这一层，买的是未来，波动和回撤都要有心理准备。而越往下层，比如设备、代工、电力，业绩和 AI 资本开支的关联反而更直接、更可验证。

第四，把这套十层框架当成你的「检查清单」。 每次听到一个新标的，先问自己：它在哪一层？这一层现在紧缺吗？它的壁垒是技术、产能还是牌照？想清楚这三件事，你基本就不会被「AI 概念股」的烟雾弹带偏。很多公司名字里带 AI，实际只是蹭热度，用这张清单一筛就现原形。

第五，别忽视「卖铲子」的那几层。 淘金热里最稳的往往是卖铲子的。设备、代工、电力、散热，这些不直接面对终端用户，却卡在每一波 AI 扩张的必经之路上。它们的增长不一定最性感，但更持续、更可预测。新手容易追故事，老手更愿意蹲铲子。

AI 硬件不是一支股票，是一条链。看懂这条链，你再去看任何一个相关标的，都能知道它到底站在哪个位置、值不值得那个价。这，就是我现在看 AI 硬件板块最基本的框架。