基础硬件层

代表公司

  • 英伟达
  • 谷歌
  • AMD

英伟达的优势

  • 硬件的通用性
  • 网络连接技术
  • CUDA 的护城河
  • 大规模采购有议价权，形成 “订单→产能→成本优势” 的正向循环

谷歌的优势

  • ASIC 芯片的推理场景优化
  • 软硬件协同，价格便宜
  • 有标杆企业，巨头采购，Gemini落地，有真实场景，性价比高

AMD 的优势

  • 性价比优势
  • 生态短板，差异化竞争

依赖的上下游

上游：支撑芯片设计与制造的 “基石”

半导体材料

  • 硅晶圆（占材料成本 30%）：台积电、环球晶圆（GlobalFoundries）供应
  • 光刻胶（占 5%）：日本信越化学、JSR 垄断全球 80% 高端光刻胶产能
  • 电子特气（占 15%）：美国空气产品、日本大阳日酸供应，用于芯片刻蚀与掺杂，纯度要求 99.9999% 以上

半导体设备

  • 光刻机（占设备成本 35%）：荷兰 ASML 垄断 EUV 光刻机（先进制程必备）
  • 刻蚀机（占 20%）：美国泛林集团（Lam Research）、应用材料市占率超 70%，用于芯片电路雕刻
  • 沉积设备（占 15%）：应用材料、东京电子供应，用于沉积金属与绝缘层

存储芯片

  • HBM 高带宽内存
  • SK 海力士(52% 市场占有率）、美光（28% 市占率 28%）、三星（市占率 18%）

EDA 软件

  • 美国新思科技（Synopsys）、Cadence、Mentor Graphics（西门子旗下）垄断全球 95% 高端 EDA 市场

中游：AI 芯片的 “制造与封装”，依赖台积电 芯片制造（代工）

  • 台积电垄断 70% 高端 AI 芯片代工产能

先进封装：

  • AI 芯片需 CoWoS（晶圆级系统集成）封装技术，台积电 CoWoS 产能占全球 80%

下游：AI 芯片的 “需求端”，拉动产业链增长 云厂商

  • AWS、微软 Azure、谷歌云

AI 公司

  • OpenAI、Anthropic、xAI

垂直行业

  • 自动驾驶（特斯拉）、工业 AI（富士康）、医疗 AI（推想医疗）等

平台层

云平台公司

  • 亚马逊
  • 微软
  • 谷歌

亚马逊

  • Trainium 芯片，主打性价比
  • 市场占有率最高，多模型整合

微软

  • 绑定 OpenAI，生态协同第一
  • 企业级 AI 工具链

谷歌

  • TPU，性能优势
  • 科研数据与工具整合

新晋公司

  • 甲骨文
  • CoreWeave

CoreWeave

  • 超大规模 GPU 集群 + 独家硬件合作
  • 硬件优化拉满算力效率
  • 绑定 AI 巨头，现金流有保障（几个大客户占了 80%多份额）

Oracle

  • 为传统企业 AI 转型服务的多云平台
  • 解决银行、政府、制造业等 “保守型客户” 的 AI 落地痛点
  • 多云兼容 + 混合云
  • 数据库驱动 AI，不拼模型规模拼 “落地能力”

云厂商AI芯片战略对比

云厂商 芯片战略 核心优势 差异化能力 局限性
谷歌 全自研TPU 性能/能效领先，全栈优化 芯片-框架-模型-应用垂直整合，系统可靠性 生态封闭，学习成本高，仅在GCP可用
微软 自研(Maia)+英伟达合作 模型+芯片协同优化，混合部署 云-PC全链路AI，与OpenAI深度绑定 自研芯片规模不及谷歌，依赖英伟达
亚马逊 全自研(Trainium/Inferentia) 成本优势，大规模部署 训练-推理全链路优化，性价比领先 性能上限不及TPU，软件优化不如谷歌
甲骨文 AMD合作+自研数据库芯片 数据库+AI融合，跨云服务 数据库市场主导，裸金属性能 AI基础设施起步晚，生态不完善
CoreWeave 英伟达深度绑定 GPU利用率，资源调度速度 AI原生架构，网络性能，顶级AI实验室首选 仅专注AI训练，通用性差，规模较小

模型层

主要玩家，目前应该是美国的 四强了

  • OpenAI 的 chatGPT
  • 谷歌的 Gemini
  • Anthropic 的 Claude
  • Xai 的 Grok

中国的三强

  • DeepSeek
  • 通义千问
  • 豆包

多模态的基础是“多种信息输入/输出形式”，目前主流模态及应用场景如下：

模态类型 具体形式 核心应用场景 典型案例（摘要来源）
文本模态 文字、文档、代码、表格 智能写作、法律分析、代码生成 GPT-4o生成合同、WPS AI生成会议纪要
视觉模态 图像、视频、3D模型、手势 安防识别、工业质检、文生视频 海康威视“以文搜视频”、Sora生成25秒视频
音频模态 语音、音乐、环境音 语音助手、情感分析、医疗听诊 科大讯飞多语种对话、医疗AI听诊
传感器模态 激光雷达、眼动追踪、触觉 自动驾驶、VR交互、医疗监测 美国海军全息指挥（眼动+触觉）、自动驾驶环境感知
跨模态融合 文本+视觉+音频+传感器 多模态交互、复杂场景决策 Gemini 1.5分析视频+文本+传感器数据

应用层

核心玩家

  • 微软
  • 谷歌
  • Meta

微软

  • Office 生态的 AI 渗透
  • Dynamics 365（CRM/ERP 系统）嵌入 AI 能力

谷歌

  • 搜索 AI 的垄断地位
  • 生活服务场景渗透（地图、YouTube、Android）庞大的入口

Meta

  • AI 广告的精准度
  • VR/AR 的 AI 融合

C端和B端

C端 主要产品类型

  • 智能音频设备（眼镜、耳机、音箱）
  • 智能家居与家电
  • 智能健康与医疗
  • 智能办公与创作
  • 零售购物助手
  • 游戏与娱乐

B端 主要类型

  • 办公协作领域
  • 数据分析与商业智能（palantir）、AI辅助决策
  • 行业垂直解决方案（医疗、金融、零售、智能制造
  • AI 开发与部署平台（OpenAI Enterprise）

API层

OpenAI

  • 开发者社区最大

谷歌

  • “API+TPU” 的协同优化

微软

  • Azure OpenAI API 支持 “私有部署”
  • 与 Office 生态的整合

竞争焦点

  • 企业级合规
  • 性能优化
  • 开发者支持
  • 新进入者需同时满足技术（低延迟、高并发）、商业（安全合规）、生态（插件、文档）三重要求，门槛极高

未来

核心发展方向

  • 多模态协同
  • agent
  • 具身智能：关注 “如何通过身体与世界交互”，解决 “做什么” 和 “怎么做”
  • 世界模型：专注 “理解世界规律和预测变化”，解决 “将会发生什么”

七大新兴前沿方向

  • 神经符号 AI：融合感知与推理
  • 神经形态计算：类脑芯片革命
  • 量子 AI
  • AI 安全与伦理：
  • 小型化与高效化：AI 从云端到终端
  • 垂直行业深度渗透：AI 从通用到专精
  • 多智能体系统：协作智能的新范式

相互交织的技术生态

  • 多模态 + Agent：创造更自然的人机交互，AI 能 “看” 懂用户表情、“听” 出情绪，提供更精准服务
  • 具身智能 + 世界模型：使机器人具备 “理解→预测→行动” 能力，实现真正自主
  • 神经符号 + 小型化：为端侧设备赋予可解释的推理能力，拓展 AI 应用边界
  • 量子计算 + 大模型：突破当前算力瓶颈，推动参数规模从千亿到万亿级跨越