AI 的四個產業環節 — 能源、晶片、機房、用途 — 誰壟斷誰有 bargaining？2026 H2 supply chain cast
AI 的四個產業環節 — 能源、晶片、機房、用途 — 誰壟斷誰有 bargaining?2026 H2 supply chain cast
這篇是系列研究 brief 的 part 2 — 前面兩篇談 誰主導 AI 秩序 (7-20) 跟 資本—能源循環 (7-21),這篇從產業 supply chain 切入,拆成 4 個連帶環節,看每個環節誰壟斷、誰有 bargaining、誰被擠壓。
核心立論: AI 不是單一市場,是 4 個連帶產業環節的乘積;每個環節的 market structure 完全不同 — 有些是 real oligopoly(晶片)、有些是 regulated monopoly(電力)、有些是資本密集壟斷(機房)、有些是 application layer 的 platform race(用途)。把 4 環節擺在一起,「AI 大國對抗」的產業真相才完整浮現。
一、框架:AI = 4 環節乘積,不是 1 個產業
┌─────────────────────────────────────────────────────────────────┐
│ 環節 4:用途 / 應用層 │
│ - frontier lab 商業(OAI / Anthropic / DeepSeek / Qwen / Kimi) │
│ - consumer + enterprise app 套現 │
│ - 平台戰:distribution + use case lock-in │
│ ────────────────────────────────────────────────────────────── │
│ 環節 3:機房 / 算力 capex │
│ - Stargate / hyperscaler 自建 + 主權基金 LP │
│ - 中國地方政府 200+ / 國家樞紐 │
│ - WAICO 29 國 AI center + Pax Silica critical mineral │
│ ────────────────────────────────────────────────────────────── │
│ 環節 2:晶片 / 半導體 │
│ - Nvidia(設計)+ TSMC(代工)+ Samsung/SK Hynix(HBM)+ SK(CoWoS) │
│ - 中國:Huawei Ascend / SMIC / Cambricon 中低端 │
│ - ASML EUV(光刻機壟斷) │
│ ────────────────────────────────────────────────────────────── │
│ 環節 1:能源 / 電力 │
│ - 美國天然氣 + 老電網(瓶頸 2027 顯現) │
│ - 中國煤電 + 三峽 + 西部太陽能(短期優勢,但利用率低) │
│ - 中東太陽能野心 + 天然氣 backup │
│ - 法國 / 北歐核電 + 綠電(歐洲唯一獨立資產) │
└─────────────────────────────────────────────────────────────────┘
為什麼要拆 4 環節,不當成 1 個產業:
| 環節 | Market structure | 誰有 bargaining |
|---|---|---|
| 1. 能源 | Regulated monopoly / 公用事業 | 國家 + 地方政府;對 AI 玩家「是 supplier,不是 partner」 |
| 2. 晶片 | Real oligopoly(2-3 家 dominate) | Nvidia 在 training / AMD 在 secondary;誰缺 GPU 誰被宰 |
| 3. 機房 | Capital-intensive oligopoly + state-driven over-build | 私人 hyperscaler 集中 + 國家 8-10 樞紐;誰有 capex 誰能 lock-in 客戶 |
| 4. 應用 | Platform race / frontier lab tier | OpenAI / Anthropic / DeepSeek / Qwen / Mistral 5 家 + 開源生態;誰有 distribution 誰贏 |
關鍵 insight: 同一個國家在不同環節的 bargaining power 不一樣:
– 美國在 2 / 3 / 4 三環節 dominate,但在 1 是瓶頸
– 中國在 1 / 4 有優勢(電力 + 開源 / frontier parity),但在 2 / 3 受壓
– 中東在 1 dominate,但在 2 / 3 / 4 都要買
所以「美中 AI 競爭」不是「哪國贏」,是「哪國在 4 環節的乘積最大,且 multiplier 不可替換」。下面分環節拆。
二、環節 1:能源 / 電力 — regulated monopoly,bottleneck 在 2027 顯現
2.1 Market structure
- 不是市場,是公用事業 + 國家安全基礎建設
- 美國: 私人電網 investor-owned utility(Dominion Energy / ERCOT / PJM),聯邦監管 + 州 PUC 雙軌
- 中國: 國家電網 + 南方電網 + 五大發電集團(國電 / 華能 / 華電 / 大唐 / 國電投),中央國資委主導
- 中東: 國家能源部 + 沙特電力公司(SEC)+ 阿聯酋 EWEC + ENEC,國有主導
- 歐洲: 法國 EDF 國有 100%,德意西多元(Enel / Iberdrola / E.ON / RWE)
2.2 真正的 supply chain bottleneck — 不是產能,是「發電 + 傳輸 + 用戶審批」三個 timeline 不同步
| 子環節 | 時間軸 | 誰有 bargaining |
|---|---|---|
| 發電(機組新建) | 燃氣 3-5 年 / 核電 7-10 年 / 太陽能 1-2 年 | 國家 + 地方政府 |
| 傳輸(變電站 + 高壓線) | 變電站排隊 3-5 年 / 高壓線 5-8 年 | 區域電網 |
| 用戶審批(generator interconnection) | 美國 PJM / ERCOT 排隊 5-7 年,AI 機房申請 waitlist 200+ | 連接壟斷 → IOU 議價 |
真實痛點不是「沒電」,是 「AI 機房申請 5-7 年排隊,但 AI workload 6-12 月就要 ramp up」 — timescale mismatch。
2.3 環節 1 的 dominance + 風險分布
| 區域 | 電力優勢 | 電力風險 | 短期 capex 解方 |
|---|---|---|---|
| 🇺🇸 美國 | 天然氣便宜 + 多區域分散 | 電網老化 + 變電站排隊 3-5 年 | 北達科他 / 懷俄明 secondary cluster;核電 SMR(2027-2028 ramp) |
| 🇨🇳 中國 | 唯一能大規模建電 + 三峽 | 利用率偏低(20-30%)+ 沿海 cap | 反內卷整合 633→8-10 樞紐 |
| 🇸🇦 中東 | 廉價天然氣 + 太陽能野心 + 海水冷卻 | 缺水 + backup 必須 | 太陽能 + 燃氣 backup + desalination |
| 🇪🇺 歐洲 | 法國核電 + 北歐水電 + cold climate | 容量有限 + 政策性綠能轉型拖慢 | 北歐 hyperscaler region |
| 🇮🇳 印度 | 煤電 70% 便宜 | reliability 差 + Bangalore 2024 停電 | 太陽能擴張,但短期 reliability 不解 |
2.4 環節 1 的 bargaining 含義
- 對 AI 玩家:電是「supplier 議價」,不是「partner 議價」 — AI 公司不能 push 電廠做事,只能被電廠 queue 進 waitlist
- 對 capex 國家:電網升級是 capex 中最長 timeline 環節,這就是為什麼美國 Stargate $500B 鎖 5-7 年 — 不是主觀願望,是客觀物理上限
- 對中國:反內卷 + 國產 IC + 整合 633→8-10 樞紐 = 國家主動校正,但 8-10 樞紐中樞紐節點單點故障風險上升
- 對中東:能源 + 海冷是核心優勢,但代表需要自己買晶片 + 建 capex,不能只賣電 — 從能源供應商升級為 AI hub
2.5 紅隊 — 我可能看錯的地方
- SMR(小型模組化核能反應爐)2027-2028 開始 ramp up,可能讓美國電力瓶頸比 2027 H1 預期更早緩解 → 但 2030 前 SMR 全球裝置量<5 GW,對 AI load 不構成主要貢獻
- 中國西部太陽能擴張比預期快 → 但 utilization rate 上不去,capex 收回時間表延長,可能 2026 H2 進入「中央集權太陽能整合」
三、環節 2:晶片 / 半導體 — real oligopoly,3 個獨立 monopoly 疊加
3.1 Market structure — 台積電 + Nvidia + ASML 三層 monopoly
設計(2 家 dominate)
┌─────────────────┐
│ Nvidia(~90%) │ → 訓練晶片 H100 / H200 / B100 / B200 / GB300
│ AMD(~8%) │ → secondary MI300 / MI325
│ 華為 Ascend(~2%)│ → 中國 domestic(不可在海外用,但中國境內可用)
└─────────────────┘
↓ 設計 tape-out
代工(1 個 dominate)
┌─────────────────┐
│ TSMC(~90%) │ → CoWoS 封裝產能瓶頸
│ Samsung(~8%) │ → secondary,2nm 還沒成熟
│ SMIC(~2%) │ → 7nm,中國 domestic
└─────────────────┘
↓ wafer 出貨
HBM / 封裝(2-3 家)
┌─────────────────┐
│ SK Hynix(~50%) │ → HBM3 / HBM3e / HBM4
│ Samsung(~40%) │ → secondary
│ Micron(~10%) │ → tertiary
└─────────────────┘
↓ HBM 整合
上游設備(1 個 dominate)
┌─────────────────┐
│ ASML(~100% EUV) │ → 全球唯一
└─────────────────┘
4 個獨立 monopoly 疊加,每個都是 real oligopoly,不是競爭市場。
3.2 每個 monopoly 的 bargaining power
| 環節 | Dominant player | 主導產品 | 中國替代方案 | 时间軸 |
|---|---|---|---|---|
| 設計 | Nvidia (90%) | H100/H200/B100/B200 | 華為 Ascend 910B/C(SMIC 7nm) | 中國 6-12 個月落差 |
| 代工 | TSMC (90%) | N3/N2 + CoWoS | SMIC 7nm(N+1) | 中國 2-3 年落差 |
| HBM | SK Hynix (50%) + Samsung (40%) | HBM3e/HBM4 | 中國長鑫存儲 + 長江存儲(尚未量產 HBM) | 中國 3-5 年落差 |
| 光刻機 | ASML (100% EUV) | NXE:3800E / EXE:5000 | 上海微電子(90nm,28nm 量產) | 中國 10+ 年落差 |
3.3 環節 2 的真實風險 — 不是「中國追不上」,是「全球 4 個瓶頸不會同步放鬆」
| 風險 | 描述 | 時間軸 |
|---|---|---|
| CoWoS 封裝瓶頸 | TSMC CoWoS 是 H100/B200/B300 量產的關鍵產線,2024-2026 持續排隊 | 2026-2027 才會 partial 緩解 |
| HBM 短缺 | SK Hynix HBM3e / HBM4 排隊到 2026 H2,Nvidia 客戶端 100% preempt | 持續 |
| EUV 出口管制升級 | 2024 HBM + ASML 對中已部分卡,2026 H2 可能升級到「maintenance service」也卡 | 2026 H2 – 2027 |
| TSMC Arizona ramp 失敗 | TSMC Arizona N3 ramp 從 2024 推遲到 2025 / 2026 / 2027 / 2028 多次,真實風險是「永遠 ramp 不到 N3」 | 持續 |
| Samsung 2nm 量產延遲 | Samsung 2nm 良率 + 客戶切換緩慢,secondary 角色被實際弱化 | 2026-2027 |
3.4 環節 2 的 bargaining 含義
- Nvidia 是 supply chain 王者,因為它設計 + ecosystem (CUDA) 雙 lock-in,客戶 lock-in 比客戶換供應商成本高 5-10x。
- 中國 hard-tech 缺口不是設計,是 HBM 跟 EUV — 這兩個中國 5-10 年追不上,所以即使 Smic 解決代工、華為解決設計,HBM 仍會卡。
- 美國最大 supply chain 風險不是「中國追上」,是「TSMC + SK Hynix + Samsung 三家 任一國家出事」,這代表 美國 AI 不是 self-sufficient,仍是全球 oligopoly 的一員。
- MoE 路線 + 中國 國產 IC 整合 是中國 partial 解方 — MoE 把 training compute 需求降 5-10x(從 Qwen3 / DeepSeek V3 / Kimi K3 已經看到效果),但仍需要 frontier-grade HBM 才能 cap frontier training。
3.5 紅隊 — 我可能看錯的地方
- 「TSMC Arizona ramp 失敗」可能過度悲觀,可能 2027 H2 真 ramp 到 N3 量產
- 「HBM 短缺」Samsung 2nm + HBM4 緩慢但部分解方,SK Hynix 也在擴產
- 中國透過 Cambricon + 中科院 + 高校突襲 HBM 可能性低但非零 — 5 年內看到 partial 突破不會意外
- ASML 對中國 EUV 出口升級到「maintenance service 也卡」會逼中國客戶換其他設備廠商,會減弱 ASML 議價反而加固中國自製決心
四、環節 3:機房 / 算力 capex — capital-intensive oligopoly 加上 state-driven over-build
4.1 Market structure
| 子集 | 結構 | 代表 |
|---|---|---|
| Hyperscaler 自建 | Private oligopoly(4 家 dominate) | MS / AWS / Google / Meta + Oracle |
| Colocation | 公開市場寡佔 | Equinix / Digital Realty / Iron Mountain |
| 中國國家樞紐 | 國家主導整合 | Liaoning / 內蒙 / 貴州 / 寧夏 + 8-10 個東數西算樞紐 |
| 中東主權雲 | 國家戰略 + 主權基金 | HUMAIN / G42 / KAEC / NEOM |
| Government / Military | 國家安全機密 | 美國 NRO + 政府 cloud / 中國國安 / 沙特內政部 |
4.2 每個子集的 capex 強度
| 子集 | 2026 capex | 收回時間軸 | 主要 LP / 出資者 |
|---|---|---|---|
| Hyperscaler 自建(美) | MS / AWS / Google / Meta 各 $80-100B | 5-7 年 | 自身 revenue + 債券 |
| Stargate UAE / Saudi 階段 | $100-200B(2025-2028) | 10+ 年 | PIF / MGX / SoftBank |
| 中國 8-10 國家樞紐 | 不公開,200+ 機房 capex 估 $200-400B 累積 | 10+ 年(low utilization) | 國家 IC 大基金 + 地方政府 + 國有銀行 |
| 中東主權雲 | $50-100B(2024-2030) | 10+ 年 | PIF / MGX / Mubadala / ADQ |
| Colocation + edge | $50-80B | 5-7 年 | Equinix / Digital Realty 公開市場 |
4.3 環節 3 的真實風險 — 不是「誰沒蓋好」,是「誰蓋太多沒裝滿」
| 風險 | 描述 |
|---|---|
| 中國 20-30% 利用率(Reuters / ASPI / BBC 跨來源) | 633 個 hyperscale/large 已建運營,利用率 20-30%,官方目標 60%;2025-11 起對國產 IC 機房提供電費 50% 補貼校正利用率 |
| 中東主權雲 capex 收回時間 | HUMAIN / G42 是國家戰略項目,不追求 hyperscaler-grade utilization;真實收回時間表 10+ 年;主權基金耐心資本假設要 2030+ 才驗證 |
| 美國 8-10 secondary cluster 撞牆 | 北達科他 / 懷俄明 / Wyoming / Ohio 已有 capex 排隊,但實際上線時間比預期晚 |
| Colocation 公開市場泡沫 | Equinix / Digital Realty P/E 在 AI hype 下膨脹,但 capex 收回要看 enterprise AI 落地 |
4.4 環節 3 的 bargaining 含義
- Hyperscaler 的 bargaining 是「demand aggregator」:他們跟晶片廠談能拿到 GPU allocation、跟電廠談能拿到 power allocation、跟州政府談能拿到 tax break。小客戶要排隊 3-5 年,大客戶 hyperscaler 可以加速。
- 中東主權雲的 bargaining 是「land + power + capital」三合一,但缺 demand:它可以建得最快,但需要「AI workload 從哪來」的 anchor — 這個 anchor 是各國主權 AI 应用(政府 + 國企 + 主權 use case)+ 跨境 hyperscaler region 兩條路。
- 中國國家樞紐的 bargaining 是「國家意志」,但利用率偏低顯示 demand 端是 KPI 性建設,不是市場性建設 → 反內卷整合是國家主動校正。
- Government / Military 機房是 paid-premium customer,但量級小,對整個 market structure 影響有限。
4.5 紅隊 — 我可能看錯的地方
- 「Colocation 公開市場泡沫」可能 2027 H1 之前就不破,在 AI demand 真實落地時被吸納
- 中東主權雲 capex 收回時間表需要真實 utilization data 才能驗證,我現在 cast 是基於中國模式推估
- 中國 8-10 國家樞紐整合如果成功,可能 2028 H2 之後真正變成 self-sufficient demand aggregator,反向 anchor WAICO 圈帶內 capex
五、環節 4:用途 / 應用 — platform race,「有 distribution 的人贏」
5.1 Market structure — 5 家 frontier + 長尾開源
| 類別 | 代表 | 商業模式 | Distribution 優勢 |
|---|---|---|---|
| Frontier closed proprietary | OpenAI / Anthropic / Google | API + ChatGPT / Claude / Gemini app | Consumer + enterprise lock-in |
| Frontier open-weight | Meta Llama / Mistral / DeepSeek / Qwen / Kimi / Z.ai | API + enterprise license + private deployment | Open ecosystem + 國家補貼 |
| Vertical SaaS | 法律 / 醫療 / 教育 / 製造 / 客服 | Per-seat subscription + integration service | Domain expertise + workflow lock-in |
| Distribution native | Meta AI(WhatsApp/IG/FB 4B)/ Google Gemini(Android/Search)/ Apple Intelligence | Bundle + ad | Already-existing distribution reach |
| 國家主權 AI | UAE G42 / Saudi HUMAIN / Singapore AI Verify / 印度 IndiaAI | 政府契約 + 主權 ID | 國家採購 + 主權義務 |
5.2 環節 4 的真正主導邏輯 —「有 distribution 的人贏」
7-20 那篇 cast「AI = 4 個連帶資源的乘積」,但 distribution 是第 5 個獨立變數,而且是最被低估的:
– OpenAI 沒有 H100 護城河,但有 ChatGPT distribution,讓它從 GPT-3.5 一路領先到 2026
– Meta 沒有 frontier model,但有 4B 用戶 distribution,讓 Llama 透過 Meta AI 內嵌從落後變生態 lock-in
– Google 沒有最強 model,但有 Android + Search distribution,讓 Gemini 在 enterprise + consumer 兩端都快速 reach
真實 frontier 商業邏輯: model quality 是 commodity,但 distribution 是 lock-in。
– OpenAI 的護城河是 ChatGPT 的 200M+ 用戶 + enterprise contract lock-in
– Anthropic 的護城河是 Claude Code / Cursor / 垂直 enterprise(法律 / 醫療 / 金融)+ coding subscription
– Meta Llama 的護城河是 Meta AI 內嵌 + 開源 ecosystem
– Google 的護城河是 Workspace + Cloud + Android + Search bundle
5.3 Frontier lab 真實 P&L 與 capex lock-in
| Lab | 真實 distribution | 真實 P&L | 護城河 |
|---|---|---|---|
| OpenAI | ChatGPT 200M+ 用戶 + enterprise API | ARR $13B+(2026 估)+ Stargate capex 鎖定 Anthropic / Nvidia / Oracle | Distribution + capex lock-in |
| Anthropic | Claude Code / Cursor + Fortune 500 enterprise | ARR $5B+ | Coding workflow + Mythos kill switch 國家信任 |
| Mistral | EU sovereign enterprise + DGFiP + 法國 MoD | ARR $400M(2026-01)→ $1B(2026 EOY) | 歐洲主權 positioning + API format compatibility |
| Alibaba Qwen | Alibaba Cloud + Qwen3 + MaaS 15x growth | MaaS $22B cloud 部分,不能拆出來 | Cloud cross-sell |
| Moonshot Kimi | Kimi Chat consumer subscription + Kimi K3 enterprise API | $240M revenue 2025,ARR $200M | Agent SaaS + 國家補貼 |
| DeepSeek | High-Flyer hedge fund 內部使用 + 政府契約 + 開源 standard | 不 monetize,創辦人 Liang Wenfeng 自打 $2.8B | 國家 chip sovereignty 戰略 |
| Meta Llama | Meta AI 4B 用戶內嵌 | 0 直接 revenue | Distribution + ecosystem |
| Google Gemini | Workspace + Cloud + Android + Search bundle | 難拆,bundle 內部轉移 | Distribution + ecosystem |
5.4 環節 4 的真實風險
| 風險 | 描述 |
|---|---|
| 「Frontier pricing 上行封頂」 | Kimi K3 漲到 parity pricing 後,comp set 多了一家,中國 frontier pricing power 站得住但上行封頂 |
| 「Consumer subscription burn rate」 | ChatGPT / Claude / Kimi consumer subscription 燒錢速度遠超 revenue,長期依賴 enterprise 套現 |
| 「Open-weight 解構 frontier」 | 開源生態把 frontier 商業價值從 model 層擠壓到 distribution 層,OpenAI / Anthropic 必須用 distribution lock-in 維持商業 |
| 「Distribution native 反撲」 | Meta / Google / Apple / Amazon 透過既有 user 內嵌 AI,可能 2027 H2 反過來擠壓 frontier lab 訂閱 |
5.5 環節 4 的 bargaining 含義
- Frontier lab 真正贏家是 OpenAI + Meta + Google(三者 distribution + frontier)
- Anthropic 的狀態是「coding workflow + 國家信任」特殊 niche,不是通用 frontier 贏家
- 中國 frontier(Qwen / DeepSeek / Kimi / Z.ai)的商業變現靠「國家戰略 funding + Alibaba Cloud cross-sell」兩條,純 frontier P&L 不健康
- 中東 AI frontier 商業變現 = 0,HUMAIN / G42 都是 capex 工具,不是 product company
- EU Mistral 是「open-weight + 主權」特殊 niche,可達 $1B ARR 但不能 dominate Europe AI service market
5.6 紅隊 — 我可能看錯的地方
- OpenAI distribution 200M+ 用戶有「ChatGPT fatigue」風險,如果新增 user 開始減速,套現斜率會被壓
- Anthropic 透過 coding + Mythos 國家信任可能 dominate 一個全球 niche,而非通用 — 我可能低估 vertical SaaS 的護城河
- 開源解構 frontier 是真實但時點不定 — 可能 2026 H2 開源達到 Claude Sonnet 等級,套現壓力直接落到 frontier lab
- Meta / Google / Apple 內嵌 AI 可能 2027 H2 才看到 real user retention data,現在 cast 太早
5.7 2026-07 新增 evidence:Distribution 規模差決定 token 售價能不能 cover capex(更新 7-22 cast)
Kimi K3 2026-07-16 launch, 48 小時後宣布「算力緊缺,暫停新用戶訂閱」 — 這是中國 frontier lab 第一個公開撞 capex 上限 的案例,跟 7-21 / 7-22 cast 互補,補上這個 section 缺失的環節:
| 對比維度 | 美國(OpenAI + Anthropic) | 中國(Moonshot Kimi K3) | 差距 |
|---|---|---|---|
| Hyperscaler capex(2026) | $7,250 億 / 4 家 | $2,000 億 RMB ~$280 億 (字節單一最高) | ~26x 美中比 |
| 單 lab 對應 hyperscaler 服務規模 | ChatGPT 週活 ~9 億 | Kimi launch 前月活 ~900 萬 | ~100x 對比 |
| 單 lab capex 對應 service revenue | capex $50B+ / revenue $13B ARR → 4:1 cover | Kimi K3 capex < 10 億 RMB / revenue ~$200M ARR → 接近 1:1 cover | 美國 1 美元 capex 配 0.25 revenue, 中國 1 RMB capex 配 1+ revenue |
| 單 token 售價底層 | 從 $60/M(2020)→ $0.06/M(2026),靠 Nvidia 世代推進壓成本 | 華為 910C = Nvidia H100 60% 效能,但 CloudMatrix 384 顆 vs NVL72 72 顆 = 1.7x 算力,3x 售價,4x 功耗 | 中國「單晶片不夠力,得用數量 / 電力 / 機房去堆」 |
| HBM 卡點 | SK Hynix + Samsung 二線可用 | 長鑫 + 長江尚未量產 HBM | 中國 3-5 年追不上 |
| CUDA / 軟硬體生態 | CUDA 20 年生態 + Nvidia 研發投入 | 不可替換,DeeSeek 工程師公開認證「長週期訓練穩定性是最大難關」 | 中國 10+ 年追不上 |
真實 insight(補強篇 5.5):
Distribution 不只是 lock-in;distribution 規模才是 capex 收回的底層。OpenAI 用 ChatGPT 200M+ 用戶 + enterprise contract 撐起 $50B+ capex;Kimi K3 用 900 萬月活 + 國家補貼 + creator 梁文鋒自己打 $2.8B,撐不起 2.8 兆參數的 2.8 兆 MoE model 運算需求。token 要用實體算力生產,distribution 規模不夠 → 售價再低都 cover 不了底層 capex → 必然撞牆。
中國「低價撐不住 → 漲價 / 暫停 / 收費轉向」不是單一案例,是集體行為:
– Kimi K3 → 48 小時暫停
– 智譜 API 三度漲價仍供不應求
– 豆包開始收費
– 騰訊雲混元主力模型 input / output 漲 5x+, 結束兩年降價競爭補貼(算力券 / 模型券)億元 RMB 級,vs 對面 $725B 美國 hyperscaler 建置,補貼對抗的是一條越拉越開的曲線,無法壓制 capex 上限。
對 7-21 cast 的補充:「國家補貼不退」 part 1 對(國家戰略底線),但 part 2 應該加 — 國家補貼的對象,從「補企業商業化」轉向「補 capex 缺口」(2025-11 國產 IC 電費 50% 補貼 + 地方政府算力中心整併 = 補貼「cover capex 缺口」,不再 cover 商業低價)。這個轉向確認 7-21 cast:不退,但會被「整合」取代「擴張」。
六、4 環節乘積 — 美中 + 中東 + EU 哪個 ROI 最大?
把 4 環節擺在一起,每個國家 / 區域的「乘積」是 4 個環節的綜合 strength:
| 區域 | E(能源) | C(晶片) | D(機房) | A(應用) | 乘積 | 真實 2027 H1 位置 |
|---|---|---|---|---|---|---|
| 🇺🇸 美國 | 弱(瓶頸) | 強(Nvidia + TSMC + ASML + HBM) | 強(Stargate $500B + 8-10 cluster) | 超強(OpenAI + Anthropic + Meta + Google + Apple) | 強(瓶頸在 E) | dominate frontier,但 capex locked |
| 🇨🇳 中國 | 強(但 utilization 20-30%) | 弱(華為 Ascend 60% H100 + SMIC 7nm;HBM + CUDA 3-5 年追不上) | 中(633 機房 + 反內卷整合中) | 弱(DeepSeek / Qwen / Kimi 達 frontier,但 2026-07-19 Kimi K3 48 小時撞 capex;騰訊 / 智譜 / 豆包集體漲價 / 收費轉向) | 中弱(瓶頸在 C+A) | 國家不退,但 capex cover 不起低價商業模式 |
| 🇸🇦 中東 | 超強(廉價天然氣 + 太陽能野心 + 海冷) | 無(買晶片) | 中(HUMAIN / G42 / NEOM / KAEC) | 無(0 frontier) | 中弱(瓶頸在 A) | 等 anchor demand 進入 |
| 🇪🇺 歐洲 | 中(法國核電 + 北歐綠電) | 弱(ASML 是 upstream,不是設計) | 弱(80% 是 US hyperscaler region) | 中弱(Mistral + 主權 niche) | 弱(瓶頸在 D+A) | US circle 延伸,被推著選邊 |
| 🇮🇳 印度 | 弱(70% 煤電 reliability) | 弱(無 IC ecosystem) | 中弱(IndiaAI Mission $1.25B) | 弱(人才多但 lab 弱) | 弱(瓶頸在 C+E) | Quad + SCO 雙 hedge,但 4 環都缺 |
6.1 真實 insight — 美中兩國在不同環節 dominate,「乘積」接近
| 環節 | 美國 | 中國 | 美中差距 |
|---|---|---|---|
| E 能源 | 弱 | 強 | 中贏(E 是中國目前最大優勢) |
| C 晶片 | 強 | 弱 | 美贏(real oligopoly 護城河) |
| D 機房 | 強 | 中 | 美贏(capex 收回時間短) |
| A 應用 | 超強 | 中 | 美贏(distribution 主導) |
| 乘積綜合 | 強 | 中 | 美贏,但中國不退 |
所以「美中 AI 競爭」不是「一國壓倒另一國」,是「兩國在不同環節 dominate,乘積綜合美國領先但中國不退」。
6.2 中東的真實 ROI — 卡在「capex 蓋太多,demand 沒進來」
- 中東 4 環節乘積看起來中等,真實卡在 A 應用層 0 frontier
- WAICO / Pax Silica 內部 anchor demand(政府 + 國企 + 主權 use case)可以補,但商業 demand 不能補
- 中東 ROI 收回時間表 10+ 年是大概率,主權基金耐心資本假設 2030+ 才會被驗證
6.3 EU / 印度的真實位置 — 兩者都不是獨立對抗者
- EU 卡在 D(80% US hyperscaler region)+ A(只有 Mistral)
- 印度卡在 C(無 IC ecosystem)+ E(reliability)+ A(lab 弱)
- EU / 印度真正位置是「美國圈帶 anchor + 中國圈帶部分 hedge」,不是獨立對抗
七、Six 預測(2026-2028 supply chain cast)
- 2026 H2 美國 GPU + CoWoS 排隊緩解(從 SK Hynix HBM4 + TSMC CoWoS 擴產 + Samsung 2nm secondary 重新納入) — 但不會緩解 HBM 短缺,因為 SK Hynix 仍 cap HBM4 排隊
- 2027 H1 美國電力瓶頸在 Virginia 顯現 — Dominion Energy / PJM 拒絕新 AI 機房申請;Virginia 是第一個 region,但 Texas 已在 2026 H2 觀察到 waitlist 壓力
- 2026 H2 – 2027 H1 中國「中央集權 8-10 樞紐」政策正式出爐 — 633 機房整合,部分省級 copy cat 機房關閉;利用率從 20-30% 升至目標 50%,還不到位 60%
- 2027 H2 美對中 BIS 升級到 model layer(weights / API access / inference optimization)— 跟 7-20 預測一致,但具體形式可能是「對 frontier weights remote access 也算 export」
- 2028 H2 frontier lab P&L 真正壓力點 — OpenAI / Anthropic / Moonshot 必須在 capex 收回時間 5-7 年內達 ARR 成長 ≥ 80% YoY,否則 frontier lab 估值要重估
- 2028 H2 中東主權雲 capex 真實 utilization 落定 — 假設 30-40% utilization,主權基金耐心資本假設破裂 → PIF / MGX 重新評估 AI 戰略,可能收掉部分 capex 或轉給 hyperscaler
- 2026 H2 中國 AI「集體漲價 / 收費轉向」 cast 確認 — Kimi K3 48 小時暫停 + 騰訊混元 5x 漲價 + 智譜三度漲價 + 豆包收費,跟 7-21 cast「國家補貼不會退、會被整合取代」對齊。真正 low price 不可持續的中國 frontier collective event 是 2026 H2;不會等到 2028。
- 2026 H2 – 2027 H1 中國 HBM 缺口卡點仍實質存在 — 長鑫 + 長江 HBM 量產時點未確認;華為 Ascend 60% H100 效能 + CloudMatrix 1.7x 算力 3x 售價 4x 功耗仍是中國 frontier training 的底層成本。每過一個 Nvidia 世代差距拉開一次。
八、我現在的判斷 vs 我可能看錯的地方
證據強度表
| 命題 | 證據強度 |
|---|---|
| AI = 4 環節乘積,不是 1 個產業 | 強(7-20 + 7-21 + 7-22 三篇 integrate 證實) |
| 美國 dominate C/D/A 三環節,但 E 是瓶頸 | 強(Virginia 2024 起排隊,Stargate 鎖 5-7 年,OpenAI/Meta distribution) |
| 中國 E 強但 utilization 20-30% | 強(Reuters / ASPI / BBC 2025-2026 跨來源) |
| 中國 dominate frontier parity 但商業變現弱 | 強(7-19 cast 6 路徑 monetization 已 evidence) |
| 中東 capex 蓋太多,demand 沒進來 | 中(中國模式 cast,中東沒有獨立 evidence) |
| EU / 印度不是獨立對抗者 | 中(都是基於 4 環節缺項推算) |
| Pax Silica / WAICO 雙 anchor 2026 H1-H2 成形 | 強(Reuters 2026-07-17 + Pax Silica 推出 2026-05) |
| 中國國家補貼不會退,只會被「反內卷 + 國產 IC」整合 | 強(Xi 2025-07-14 直批 + 2025-11 國產 IC 電費補貼) |
| Frontier lab P&L 2028 H2 壓力點 | 低中(binary 風險,看 ARR 實際成長) |
| 中東 capex 收回時間 10+ 年,主權基金耐心資本假設 2030+ 驗證 | 中(中國模式 cast) |
我可能看錯的地方
- 「Distribution 是最被低估的鎖定變數」 — 可能高估 importance,真實 frontier 護城河可能是「capex + training compute lock-in」而非 distribution
- 「中東 capex 收回時間 10+ 年」 — 可能低估,真實需求 anchor(政府 + 國企 + 主權 use case)+ 跨境 hyperscaler region 已經在 2025-2026 anchor,可能 8 年就能收回
- 「OpenAI distribution 200M+ 用戶護城河」 — ChatGPT fatigue 可能讓這個優勢在 2027 H1 開始稀釋,Frontier 套現壓力會提早到來
- 「4 環節乘積」frame — 可能忽略第 5 個變數「國家主權 AI」(UAE / Saudi / Singapore / India),這不是 distribution 也不是 capex,而是「主權義務 + 主權 ID」這個獨立類別
- 「中東 ROI 卡在 A 應用層」 — 可能我低估了主權 AI demand 規模,G42 / HUMAIN 透過政府採購可能 2027 就能撐起 50%+ utilization
- 「MoE 路線降 compute 需求 5-10x」 — 這個 deepseek V3 / Qwen3 / Kimi K3 已 evidence,但 Frontier training 可能仍需要 H100/H200 full compute,所以 MoE 對 frontier 影響有限
- 「TSMC Arizona ramp 失敗」 — 可能過度悲觀,2027-2028 真 ramp 到 N3
- 「Samsung 2nm 量產延遲」 — 可能 2027 H2 改善,變成 secondary 但不是 tertiary
- 「CoWoS 排隊 2027 才會緩解」 — TSMC + SK Hynix 擴產速度可能 2026 H2 就開始看到緩解
- 「2026 H2 – 2027 H1 中國 8-10 樞紐整合」 — 中央政策表態 vs 地方落實有 gap,真實整合可能 2027 H2
九、給下一步的問題(不是結論,是 cast 起點)
- 美國 Virginia / Texas / Phoenix 三個 primary cluster,哪個 2027 H1 先撞牆? — 撞牆的順序決定 hyperscaler 海外分散優先序(中東 vs 北歐 vs 加拿大)
- 中東 HUMAIN / G42 / NEOM / KAEC capex 收回時間表真實數字? — 需要 2027 H2 actual utilization 才能驗證
- Nvidia Blackwell / Rubin 下一代 timing? — TSMC + SK Hynix + CoWoS 各方 ramp 速度決定 2027 frontier supply 充裕度
- 中國「中央集權 8-10 樞紐」具體政策時點? — 2027 H2 還是更早?
- OpenAI 套現斜率 vs Anthropic coding subscription? — 哪個真能 dominate 2027 frontier revenue?
- 國產 IC 電費 50% 補貼政策 budget 與覆蓋面? — 是真補貼還是 signal-only?
- WAICO 29 國 member list 真實 anchor vs 掛名? — 哪些是 4 環節齊全國家,哪些是僅 top-line 簽名?
- Pax Silica 推出時點跟 WAICO 差 2 個月,是因果還是巧合? — 美方對 WAICO 的即時反應,還是預先準備的時間軸?
- 「主權 AI」這個第 5 環節值不值得獨立 cast? — UAE / Saudi / Singapore / India 的主權義務 + 主權 ID demand 真實規模如何?
十、Reference
Primary sources(本篇新加)
- 7-20 那篇:Kimi K3 pricing + Bessent Mike Rowe podcast + Xi 2026-07-17 WAIC 致詞
- 7-21 那篇:Petrodollar 2.0 + 中國國家補貼平行體系
- WAICO 2026-07-16 launch: https://www.aljazeera.com/news/2026/7/17/chinas-xi-jinping-launches-new-ai-alliance-what-is-it
- Reuters WAICO vs Pax Silica: https://www.reuters.com/world/asia-pacific/chinas-xi-promotes-chinas-commitment-ai-access-speech-shanghai-conference-2026-07-17/
- Xi 2025-07-14 中央城市工作會議直批「扎堆 AI」(BBC 中文): https://www.bbc.com/zhongwen/articles/c62824dx6pko/trad
- Reuters China data center utilization 2025-07-24
- ASPI Strategist 2026-05 China data center underuse
Supporting sources
- Trump AI Action Plan 2025-07-23
- 2026-06-12 BIS Export Control on Anthropic Fable/Mythos
- Carnegie China AI 4-era(Singer & Sheehan 2025-07)
- Stanford HAI Qwen 17.1% downloads 2025
- WSJ Josh Chin “AI 冷戰” 2025-11
- War on the Rocks China AI governance offensive 2026-05
- WSJ 阿拉伯聯合大公國助美對伊作戰得回報
- UDN 中東 AI 豪賭 / 商務部批准 3.5 萬顆 Nvidia Blackwell 給 G42 / HUMAIN
- Al Jazeera WAICO coverage 2026-07-17
- Kimi K3 2026-07-16 launch + 7-19 暫停 + 騰訊 / 智譜 / 豆包集體漲價 + 華為 CloudMatrix 384 顆 vs NVL72 對比(中文科技媒體報導 2026-07-19,fact_store 44 / 45 / 46 / 47)
Internal references
- Series part 1(7-20):
Knowledge/2026-07-20-AI-great-power-rivalry-china-us-frame-2026.md - Series part 1.5(7-21):
Knowledge/2026-07-21-AI產業底盤-Petrodollar-2-能源算力美元循環.md - Desktop draft(part 2):
~/Desktop/2026-07-22-ai-supply-chain-cast-energy-chips-data-centers-applications.md - (Dean Ball bio)/ 33(Trump AI Action Plan)/ 34(China AI 4-era)/ 35(Xi Politburo)/ 36(Chinese open-weight ecosystem scale)/ 38(WAICO launch)/ 39(Pax Silica)/ 40(China data center 20-30%)/ 41(Xi 反內卷 2025-07-14)/ 42(Frame correction ally-circle)/ 43(Petrodollar 2.0)/ 44(Kimi K3 48 小時暫停)/ 45(華為 Ascend 60% H100 + CloudMatrix 1.7x 算力 3x 價 4x 功耗)/ 46(hyperscaler capex 美中 26x + 週活 100x 對比)/ 47(騰訊 / 智譜 / 豆包集體漲價 + 補貼 capex 化)
十一、Annotation 索引(George’s marks)
| # | 段落 | Annotation 重點 |
|---|---|---|
| 1 | 一 | AI = 4 環節乘積(能源 / 晶片 / 機房 / 用途),不是 1 個產業 |
| 2 | 二 | E(能源)= regulated monopoly,bottleneck 在 2027 顯現;發電 / 傳輸 / 用戶審批 timescale 不同步 |
| 3 | 三 | C(晶片)= real oligopoly;4 個獨立 monopoly(Nvidia + TSMC + SK Hynix + ASML)疊加 |
| 4 | 四 | D(機房)= capital-intensive oligopoly + state-driven over-build;中國 20-30% utilization 是結構性 over-build |
| 5 | 五 | A(用途)= platform race;distribution 是第 5 個變數,最被低估 |
| 6 | 六 | 4 環節乘積:美 dominate C/D/A 但 E 弱;中 dominate E 但 C 弱;中東卡 A;EU/印度都不是獨立對抗 |
| 7 | 七 | Six 預測:CoWoS 緩解 / Virginia 瓶頸 / 中國 8-10 樞紐 / BIS model layer / Frontier P&L 2028 壓力 / 中東 capex 收回 |
| 8 | 十 | 「主權 AI」可能值得獨立 cast 成第 5 環節 — 下次 cast 起點 |
系列導航
上一篇系列:AI 大國對抗的產業底盤 — 從石油美元到能源—算力—美元新循環 (2026-07-21)
下一篇系列(將於 deploy 後補上): 中國 AI 政策內生邏輯 — 補貼 capex 化 + 其他戰略產業選擇 (2026-07-23)
系列索引:[7-20 地緣框架] → [7-21 產業底盤] → 7-22 4 環節 supply chain → [7-23 中國產業政策內生邏輯]
2026-07-22 | soundsofgeorge.com
Series: 7-20 (誰主導 AI 秩序) → 7-21 (資本—能源循環) → 7-22 (產業 supply chain)
v2 patch: 增加 Kirin 9030 evidence cast + 補 6 條新預測 + 補強 Section 5.7 distribution 規模決定 capex cover
AI 的四個產業環節 — 能源、晶片、機房、用途 — 誰壟斷誰有 bargaining？2026 H2 supply chain cast