投资备忘录:AI基础设施学习笔记

一、核心命题：Token经济的范式转移

1.  从"碳基Token"到"硅基Token"
•  过去互联网流量以人类认知带宽为上限（用户发起请求、接收信息均受限于人的算力消耗能力）。
•  未来Agent时代Token消耗主体是硅基智能体，量的天花板被打开。
•  流量特征变化：人访问互联网的"尖峰模式"（上行下行不对称、突发性）→ Agent时代的"高并发持续交互模式"（输入/输出Token体量巨大、上下文Context扁平化）。

2.  从Training到Inference/Agent的地理重构
•  Training时代：算力集中（德州等单一超大规模数据中心即可满足）。
•  Inference/Agent时代：需贴近用户部署（纽约需求不可能每次都回德州计算），驱动分布式数据中心建设。
•  电力瓶颈叠加：单一地点电力需求爆炸，客观上强制算力地理分散化。
•  【分析】节点数量暴增 + 节点间连接需求质变（以前节点多但无需互联，现在必须互联），这是DCI（数据中心互联）需求跃升的根本结构原因。


二、架构公式重构：从线性到指数

1.  互联网流量公式 vs AI互联网流量公式
•  旧公式：总流量 = 用户数 × 人均流量（受限于人类带宽，线性增长）。
•  新公式：总流量 = 用户数 × Agent任务复杂度 × 多模型调用次数 × 单次任务Token量（乘法关系，指数级增长）。
•  【分析】每个用户背后的实际流量可能是百倍级别增长，而非几倍。

2.  硬件架构的拐点效应
•  DCI/光互联前期曲线平坦（小集群内可完成任务，无需外调）。
•  一旦推理爆发、任务复杂度突破阈值，外溢曲线陡峭化（非线性突增）。
•  【分析】当前订单量激增是"拐点后陡峭化"的体现，而非线性渐进。


三、连接（Connectivity）的全局视角

1.  连接是贯穿始终的瓶颈链
•  从GPU↔HBM（先进封装）→ PCB板 → 柜内互联（铜缆）→ 柜间/数据中心互联（光缆）→ DCI（跨数据中心/城市/国家）。
•  每一步都存在"量价齐升"：技术迭代 + 总量需求双驱动。
•  【分析】PCB板本质也是"连接服务"（电信号传输），铜箔光滑度已成为物理瓶颈（日本厂商技术积累）。

2.  DCI的定位跃迁
•  过去：外围环节，优先级靠后（Scale-up优先于Scale-out，DCI在Scale-out之外）。
•  现在：从"可选项"变为"必选项"，流量性质、节点数、连接属性三重变化叠加。


四、投资大方向：Adoption Gap与轮动节奏

1.  当前阶段定位（AI Capability vs AI Adoption）
•  AI Capability曲线：2023年暴增，已处于高位（模型能力已验证）。
•  AI Adoption曲线：极度平缓，社会使用处于极早期。
•  【分析】投资核心矛盾不再是"AI有没有能力"，而是"如何让全社会把AI用起来"。

2.  两类受益方向
•  应用捕获层：能抓住Adoption机会的公司（如Cursor、Copilot等获得大量订阅）。
•  基础设施推动层：通过存储、连接、算力等让"所有人能够大量使用AI"的厂商。

3.  收入-资本开支Gap的弥合逻辑
•  2024年：纯Chatbot模式，天花板接近搜索/广告，Capex几千亿 vs 收入极少，Gap离谱（约6倍）。
•  2025年：Agent模式开启（Coding场景突破），潜在市场从"码农市场"扩展到"所有知识工作者"，TAM打开至10万亿美金级别（3万亿程序员工资+7.8万亿软件市场+白领费用）。
•  【分析】Coding场景是信念转现实的节点：去年9-10月工程师普遍>50%代码由AI生成；今年初非技术人员也能通过自然语言让Agent完成任务。
•  预期：若年底AI应用Run Rate达2000-3000亿美金，Capex 1万亿，Gap缩小至3-4倍，逻辑上可接受。


五、类比框架：AI革命更像电力/石油，而非互联网

维度 互联网革命 电力/石油革命 AI革命

替代对象 信息连接效率 人类体力劳动（肌肉） 人类认知劳动（大脑）

增长模式 网络效应，四两拨千斤 消耗型，持续基建投入 消耗型，Token即消耗

价值捕获 收税模式（广告/平台抽成） 生产力替代，捕获全部增量 生产力替代，捕获全部增量

伟大公司体量 万亿美元级（轻资产网络效应） 数千亿级（重资产消耗型） 【前瞻】可能超越两者，因Token支出占收入比例远高于当年油电支出

持续性 拉网线结束即结束 需持续建厂、烧电、维护 需持续建算力、烧电、迭代

•  【分析】互联网是"连接价值"（take rate），AI是"生产力价值"（total capture），长期价值创造量级可能大一个台阶。
•  历史参照：1950年后，人和动物产生的动能占全球比例降至<<5%；类比未来，人类大脑直接提供的认知服务占比可能同样降至极低，由AI接管。

六、基础设施迭代逻辑：不是"缺货炒作"，是"标准持续升级"

1.  核心区别
•  旧思维：缺钢筋水泥 → 造出来 → 结束。
•  AI Infra：能力需求持续提高 → 每代标准升级（H→B→Rubin→Rubin Ultra→Feynman）→ 配套连接/存储/供电持续升级。

2.  系统级摩尔定律
•  以"每GW处理Token能力"为指标，约每1-2年翻倍（类似芯片摩尔定律，但扩展至系统级）。
•  算力很贵 → 系统其他短板必须补齐（存储瓶颈→补存储；连接瓶颈→补连接；供电瓶颈→补供电）。

3.  高压化趋势（功率=电流×电压）
•  Rack功率：GB系列100kW → Rubin 200kW → Rubin Ultra 500-600kW → Feynman继续提升。
•  功率暴涨+电压不变=电流暴涨→传输损耗剧增→铜缆承载力不足→高压化路径。
•  衍生变革：输电侧层级变化、每层电压转换幅度变化→功率半导体要求提高→芯片供电架构从传统模式转向新架构→新玩家机会。


七、Capex轮动与"老登复兴"

1.  Capex结构轮动
•  第一阶段：算力占绝对主导（NVDA率先受益）。
•  第二阶段：存储瓶颈暴露，存储占比提升（HBM/DRAM厂商受益明显）。
•  第三阶段：连接、电源等"老登"环节瓶颈暴露，但起点基数小（DCI去年几十亿→今年几百亿订单，占1万亿Capex仅1-2%）。
•  【分析】老登业务当前占公司收入10-20%，但面临10倍行业空间×占比提升的双重弹性，逻辑是"估值修复→业绩拉动→利润率提升"的戴维斯双击。

2.  "老登守卫世界" vs "上一轮小登泡沫"
•  互联网泡沫：参与者全是小登（Cisco、微软早期等），无Consumption Base逻辑，拉网线结束即见顶，易集体上头。
•  AI时代：守卫者全是老登（台积电、日本/韩国材料厂、台湾封测、美国光通信老牌厂商），扩产保守+中国被隔离在外（新设备获取障碍）→ 供给侧纪律性强。
•  【分析】老登年纪大、决策慢、扩产慢，反而构成供给侧壁垒；叠加Consumption Base（持续消耗），周期持续性远强于互联网泡沫。


八、中国"小登"的机会与风险

1.  机会来源
•  夹缝产能：老登产能不足被迫外溢（如中际旭创/新易盛在光模块的崛起）。
•  非Critical环节进入：连接、电源等领域对"非美"供应商容忍度较高。
•  国内市场独立循环：大模型/应用层类似互联网时代的"中国版"路径。

2.  风险来源
•  技术路径替代风险：连接行业多路径并存，需筛除"被整体替代"的高风险环节。
•  台积电Moment的反面：某些环节一旦进入"台积电Moment"（壁垒固化、玩家减少），后来者难以突破；但尚未固化的环节仍有窗口期。
•  【分析】需Close Watch中国小登"卷进来"的时间点和环节，竞争演化是核心变量。


九、具体瓶颈环节清单

环节 当前状态 关键卡点

先进封装 高壁垒，台积电Moment已现 设备投入重（20+台机器/产线），大客户需4-5条产线

PCB/铜箔 物理瓶颈显现 铜箔表面粗糙度影响电传输效率，需极致平滑（日本厂商积累）

光互联/DCI 拐点陡峭化初期 节点数+带宽双暴增，从Scale-out外围进入核心

存储 瓶颈已验证 HBM/DRAM在Capex中占比已显著提升

供电/功率半导体 高压化变革前夜 Rack功率暴涨→高压化→电压转换层级变革→供电架构重塑

CPU/异构计算 持续迭代 配合GPU代际升级，标准不停提高