Sovereign AI 不是模型问题,而是供应链问题 (20分钟阅读)
摘要
本文重新定义了Sovereign AI,将其视为供应链重新调整的挑战,而非模型开发竞赛,认为各国需要确保国内或盟友的基础设施用于AI的训练、推理和运行,这将推动对GPU、内存及其他硬件的新一轮需求。
Sovereign AI关乎的是,训练、运行、验证和保护基础模型所需的供应链,在多大程度上能够在本国或盟国范围内得到保障。
查看缓存全文
缓存时间: 2026/06/17 00:53
# 👑 主权AI不是模型,而是供应链问题
来源:https://www.bullbear.ninja/board/12
AI投资往往会让人联想到特定的几家公司:$NVDA(https://www.bullbear.ninja/symbol/NVDA)英伟达,$AMD(https://www.bullbear.ninja/symbol/AMD),$K000660(https://www.bullbear.ninja/symbol/000660)SK海力士,$K005930(https://www.bullbear.ninja/symbol/005930)三星电子,以及$E:ASML(https://www.bullbear.ninja/symbol/E:ASML)。这些公司无疑处于AI基础设施的核心。然而,这一次,我们需要从一个略有不同的角度来审视。
AI市场最近发生了一个重大变化。前沿AI模型不再仅仅被视为软件产品,而是开始被看作类似于半导体的战略资产。随着人们对模型访问权可以被控制并限制于特定国家或用户的认识不断增强,政府和公司自然会开始提出一个问题:
> “我们使用的AI明天还能正常运行吗?”
我认为这个问题将围绕主权AI的讨论提升到了一个全新的层面。迄今为止,主权AI在很大程度上类似于一个口号:“我们必须开发自己的基础模型。” 然而,它极有可能在未来演变成一个更实际的问题。
**主权AI的本质不在于开发专有模型,而在于训练、运行、验证和保护这些模型所需的供应链中有多少能够在本国或盟国内部获得保障。**
从这个角度看,主权AI不仅仅是一个AI软件主题。它是一个全球供应链重组主题,范围从GPU、HBM、晶圆代工、封装、设备、材料、电力、冷却、光通信延伸到下一代存储器。
## **1. 学习需求尚未结束,其天花板正再次提高**
最近,市场上关于AI需求流行一种非常简单的逻辑:
学习用GPU,推理用CPU。
当然,现实要复杂得多。GPU也用于推理,学习也需要CPU、内存和网络。然而,投资者对市场的理解大致遵循了这一框架。在某种程度上,这也是事实。
前沿级别的模型训练已经由美国和中国的少数几家公司主导。OpenAI、谷歌、Anthropic、Meta、xAI,以及一些中国大型科技公司和模型公司处于学习竞赛的中心。自然而然地,市场开始认为:
“学习已经达到某个阶段,现在推理需求将成为关键,对吗?”
我原则上认同这个方向。随着AI扩展到实际服务中,推理需求自然会增长。随着agent、搜索、编码、机器人、设备端AI和企业AI工作流的增加,推理基础设施的日常运行变得至关重要。
然而,主权AI再次颠覆了这一动态。
以前,只有美国和中国专注于创建前沿级别的基础模型。但如果G20国家都开始决定:“我们必须至少拥有最低限度的AI基础设施”呢?
并非每个国家都能直接构建GPT级别的模型。然而,基于本地语言和本地数据训练和调优模型,用于国家政府、国防、金融、法律、医疗和公共系统的需求可能会增加。关键不在于他们能否构建最好的模型,而在于避免完全依赖外国模型的运动。
这是将重燃GPU市场的燃料。
**类别****所需基础设施****投资切入点**
专有训练GPU集群、HBM、网络学习需求天花板复苏
专有推理CPU、GPU、内存、存储基于国内数据的AI使用增加
专有运营数据中心、电力、冷却、安全AI基础设施的国家级扩展
专有供应链晶圆代工、设备、材料、封装以盟国为中心的供应链重组
在这种趋势下,只看$NVDA(https://www.bullbear.ninja/symbol/NVDA)英伟达和$AMD(https://www.bullbear.ninja/symbol/AMD)是不够的。虽然GPU是核心,但主权AI超越了简单购买GPU,扩展到“整个AI系统从哪里采购,在哪里运营,以及能对其行使多大程度的控制权”的问题。
## **2. 主权AI不在于专有模型,而在于专有供应链**
这是我眼中最核心的观点。
**主权AI始于模型主权,但最终通向供应链主权。**
要直接构建AI模型,需要GPU。要用GPU,需要HBM。要制造HBM,需要先进封装和测试设备。要制造芯片,需要晶圆代工和光刻设备。要运行晶圆代工厂,需要晶圆、光刻胶、特种气体和化学材料。要运营数据中心,需要电力、冷却、光通信、变压器和电源控制系统。
最终,主权AI并非止于“让我们创建自己国家的模型”。
它引出了这个问题:“我们依赖的AI供应链的‘关闭开关’掌握在谁手中?”
从这个角度看,只看美国股票和韩国股票会让视野过于狭窄。我们还必须考虑日本、台湾、中国和欧洲。日本尤其如此,虽然领先的AI软件公司可能较少,但在半导体设备和材料供应链中不可或缺。台湾是晶圆代工、服务器ODM和封装基板的中心。欧洲在光刻设备和电力/自动化基础设施方面实力雄厚。中国既是制裁的受害者,也是推动自身供应链最积极的国家。
**瓶颈****关键地区****关键股票****考虑理由**
GPU/加速器美国/中国$NVDA(https://www.bullbear.ninja/symbol/NVDA),$AMD(https://www.bullbear.ninja/symbol/AMD),$S688981(https://www.bullbear.ninja/symbol/S688981)中芯国际,$H00981(https://www.bullbear.ninja/symbol/H00981)中芯国际学习/推理基础设施的核心计算资源
HBM/内存韩国/美国/台湾$K000660(https://www.bullbear.ninja/symbol/000660)SK海力士,$K005930(https://www.bullbear.ninja/symbol/005930)三星电子,$MU(https://www.bullbear.ninja/symbol/MU),$TW2408(https://www.bullbear.ninja/symbol/TW2408)南亚,$TW2344(https://www.bullbear.ninja/symbol/TW2344)华邦电子每颗GPU的内存容量/带宽瓶颈
晶圆代工台湾/中国/美国/欧洲$TW2330(https://www.bullbear.ninja/symbol/TW2330)台积电,$TW2303(https://www.bullbear.ninja/symbol/TW2303)联电,$H00981(https://www.bullbear.ninja/symbol/H00981)中芯国际,$GFS(https://www.bullbear.ninja/symbol/GFS),$E:STM(https://www.bullbear.ninja/symbol/E:STM)专有芯片生产的核心基础
半导体设备欧洲/日本$E:ASML(https://www.bullbear.ninja/symbol/E:ASML),$J8035(https://www.bullbear.ninja/symbol/J8035)东京电子,$J6857(https://www.bullbear.ninja/symbol/J6857)爱德万测试,$J7735(https://www.bullbear.ninja/symbol/J7735)SCREEN光刻、刻蚀、清洗、检测、测试瓶颈
材料/晶圆日本/欧洲/中国$J4063(https://www.bullbear.ninja/symbol/J4063)信越化学,$J3436(https://www.bullbear.ninja/symbol/J3436)SUMCO,$J4185(https://www.bullbear.ninja/symbol/J4185)JSR,$E:BAS(https://www.bullbear.ninja/symbol/E:BAS),$S600309(https://www.bullbear.ninja/symbol/S600309)万华化学晶圆、光刻胶、化学材料
封装/基板台湾/韩国/中国$TW3037(https://www.bullbear.ninja/symbol/TW3037)欣兴电子,$TW3189(https://www.bullbear.ninja/symbol/TW3189)景硕,$K042700(https://www.bullbear.ninja/symbol/042700)韩美半导体,$S600584(https://www.bullbear.ninja/symbol/S600584)长电科技HBM、小芯片、先进封装瓶颈
电力/冷却欧洲/日本/韩国$E:SU(https://www.bullbear.ninja/symbol/E:SU)施耐德电气,$E:SIE(https://www.bullbear.ninja/symbol/E:SIE)西门子,$J6367(https://www.bullbear.ninja/symbol/J6367)大金,$K267260(https://www.bullbear.ninja/symbol/267260)HD现代电气AI数据中心运营瓶颈
光通信美国/日本/中国$COHR(https://www.bullbear.ninja/symbol/COHR),$LITE(https://www.bullbear.ninja/symbol/LITE),$J5802(https://www.bullbear.ninja/symbol/J5802)住友电工,$S600487(https://www.bullbear.ninja/symbol/S600487)亨通光电AI集群和数据中心网络
下一代存储器美国/台湾/韩国$MRAM(https://www.bullbear.ninja/symbol/MRAM),$TW2330(https://www.bullbear.ninja/symbol/TW2330)台积电,$TW2303(https://www.bullbear.ninja/symbol/TW2303)联电,$K005930(https://www.bullbear.ninja/symbol/005930)三星电子边缘AI/低功耗推理选项
这样来看,主权AI不仅仅是关于美国科技巨头和韩国HBM的故事。相反,它提供了一个机会,来重新审视构成AI供应链的各区域瓶颈。
## **3. 日本应被视为供应链瓶颈而非AI软件领导者**
日本在AI模型竞赛中受到的关注相对较少。然而,从供应链的角度来看,情况则完全不同。
日本在半导体设备、材料、晶圆、检测、陶瓷和光通信领域实力雄厚。随着AI半导体变得越来越复杂,以及各国努力保障自己的供应链,日本公司的战略价值实际上可能会增加。
**日本股票****角色****考虑理由**
$J8035(https://www.bullbear.ninja/symbol/J8035)东京电子半导体设备刻蚀、沉积、清洗等关键工艺设备
$J7735(https://www.bullbear.ninja/symbol/J7735)SCREEN清洗设备先进制造中清洗工艺重要性日益增加
$J6857(https://www.bullbear.ninja/symbol/J6857)爱德万测试半导体测试AI芯片、HBM、高性能半导体测试需求
$J4063(https://www.bullbear.ninja/symbol/J4063)信越化学晶圆/材料硅晶圆和半导体材料的关键
$J3436(https://www.bullbear.ninja/symbol/J3436)SUMCO晶圆先进半导体晶圆供应链
$J4185(https://www.bullbear.ninja/symbol/J4185)JSR光刻胶光刻工艺核心材料
$J5802(https://www.bullbear.ninja/symbol/J5802)住友电工光通信/电缆AI数据中心光通信和电力网络
$J5801(https://www.bullbear.ninja/symbol/J5801)古河电工光纤/电缆数据中心网络和电力基础设施
$J6367(https://www.bullbear.ninja/symbol/J6367)大金冷却/空调AI数据中心热管理
这些公司之所以有趣,是因为它们不需要直接挑选AI模型竞赛的赢家。无论谁创建模型或设计GPU,随着先进半导体和数据中心的普及,设备、材料、检测和冷却的需求都会随之而来。
然而,许多日本公司在市场上已经被视为高质量的供应链参与者,估值已经很高。好公司和好价格是两回事。因此,与其将它们视为短期题材股,不如将它们视为供应链瓶颈股,在回调时放入候选池更为合适。
## **4. 台湾不仅是台积电,还有服务器和封装**
台湾是主权AI供应链中最重要的地区之一。原因很简单:AI芯片实际是在这里制造的。
大多数人只想到$TW2330(https://www.bullbear.ninja/symbol/TW2330)台积电,但从主权AI的角度看,其背后的生态系统也至关重要。我们需要关注AI服务器ODM、封装基板、后端工艺和通用存储器。
**台湾股票****角色****考虑理由**
$TW2330(https://www.bullbear.ninja/symbol/TW2330)台积电晶圆代工AI芯片制造的核心瓶颈
$TW2303(https://www.bullbear.ninja/symbol/TW2303)联电晶圆代工成熟工艺、特殊工艺、嵌入式存储器
$TW2382(https://www.bullbear.ninja/symbol/TW2382)广达AI服务器ODMAI服务器和机架级供应
$TW3231(https://www.bullbear.ninja/symbol/TW3231)纬创服务器ODMAI服务器组装和供应链
$TW6669(https://www.bullbear.ninja/symbol/TW6669)纬颖云服务器超大规模AI服务器需求
$TW3037(https://www.bullbear.ninja/symbol/TW3037)欣兴电子基板高性能封装基板
$TW3189(https://www.bullbear.ninja/symbol/TW3189)景硕基板AI芯片封装基板
$TW8046(https://www.bullbear.ninja/symbol/TW8046)南电PCB/基板服务器和半导体基板
$TW2408(https://www.bullbear.ninja/symbol/TW2408)南亚DRAM通用存储器
$TW2344(https://www.bullbear.ninja/symbol/TW2344)华邦电子特种存储器嵌入式及工业存储器
应该从“谁实际制造AI芯片和服务器”而非“谁创造AI模型”的角度来看待台湾。随着主权AI的扩散,各国可能不仅要求美国科技巨头的模型,还要求拥有自己的云、数据中心和AI服务器基础设施。在这个过程中,台湾的ODM和基板公司很可能仍会留在供应链中。
然而,台湾供应链承担着显著的地缘政治风险。因此,随着主权AI的扩张,减少对台湾依赖的努力也可能增加。这对$TW2330(https://www.bullbear.ninja/symbol/TW2330)台积电来说既是机遇也是风险。将生产基地多元化至美国、日本和欧洲的趋势也应予以考虑。
## **5. 中国既是制裁的受害者,也是自身供应链的试验场**
在考虑主权AI供应链时,必须将中国分开来看。中国受美国半导体制裁的影响最大,但与此同时,它也是构建自身AI供应链最积极的国家。
中国在高性能GPU和尖端设备方面受到限制。然而,在晶圆代工、封装、通信设备、光通信、稀有金属和国内数据中心方面,中国不容忽视。
**中国股票****角色****考虑理由**
$H00981(https://www.bullbear.ninja/symbol/H00981)中芯国际/$S688981(https://www.bullbear.ninja/symbol/S688981)中芯国际晶圆代工中国自研AI芯片生产的核心
$S600584(https://www.bullbear.ninja/symbol/S600584)长电科技封装小芯片、后端、先进封装的本土化
$S002156(https://www.bullbear.ninja/symbol/S002156)通富微电封装全球客户基础(例如AMD)和中国封装
$S000063(https://www.bullbear.ninja/symbol/S000063)中兴通讯通信设备数据中心和网络基础设施
$S600487(https://www.bullbear.ninja/symbol/S600487)亨通光电光通信光纤和光通信基础设施
$S002428(https://www.bullbear.ninja/symbol/S002428)云南锗业材料化合物半导体和稀有金属
$S600206(https://www.bullbear.ninja/symbol/S600206)有研新材材料半导体材料和金属材料
$S600309(https://www.bullbear.ninja/symbol/S600309)万华化学化工材料先进材料及化学品供应链
中国的主权AI部分是关于“取代美国模型”,但更根本的是,这是一个“在没有美国设备和美国芯片的情况下,我们能走多远”的实验。因此,在看待中国股票时,不应仅仅关注性能差距。随着制裁持续存在,即使是性能较低的国产替代品,也更有可能在国内市场被采用。
当然,也存在显著风险。先进工艺差距、HBM短缺、设备限制、地缘政治风险以及会计透明度问题都存在。在考虑中国AI供应链时,区分好公司和坏公司很重要,但必须始终考虑制裁和政策的重大影响。
相似文章
主权AI并非政府术语的随机组合。它是人工智能成为关键基础设施时必然发生的事情。
本文认为,主权AI不仅仅是政府术语,而是当AI成为关键基础设施时的实际需求,旨在减少对少数供应商的依赖以获取战略掌控权。
一项美国指令一夜之间在全球关闭了两款前沿AI模型。这到底是在为"主权AI"提供论据,还是仅仅说明不该只依赖单一模型供应商?
美国一项出口管制指令迫使Anthropic切断其Fable 5和Mythos 5模型的外国访问权限,引发了对主权AI以及训练前沿模型高昂成本的讨论。本文认为,真正的教训是多个供应商的弹性,而非建立国家级的ChatGPT。
在自主系统时代确立AI和数据主权
随着生成式AI和代理系统成为业务运营的核心,企业正优先考虑AI和数据主权,以重新掌控专有数据和模型,减少对集中式云提供商的依赖。
AI 战争正从模型转向硬件,但我觉得讨论得远远不够
一篇评论文章认为,AI 竞争正从模型质量转向硬件部署与基础设施。文中指出,微软的 Project Solara、英伟达的 RTX Spark 以及字节跳动自研 CPU 等案例表明,智能体工作负载正推动着硅片与部署策略的革新。
AI价格暴跌:是软件的故事,而非硬件(14分钟阅读)
本文认为,AI推理成本的快速下降是由软件优化而非硬件改进驱动的,并且运行在消费级GPU上的开放权重模型正变得越来越能与前沿模型竞争。