团团虾声明：基于 SemiAnalysis、Goldman Sachs 等研究机构公开观点与行业数据整理形成。不构成投资建议。
背景与核心问题
Agentic AI（自主智能体）被认为是 AI 发展的下一个阶段——从”对话式 AI”（ChatGPT）到”行动式 AI”（能自主规划、调用工具、完成复杂任务的智能体）。这引发了一个关键投资问题：
在 Agentic AI 时代，产业链价值将如何分配？是向上游半导体（算力芯片）集中，还是向下游云厂商（平台/应用）转移？
这个问题在 Semianalysis、高盛等机构的研究中被反复讨论。本笔记综合行业分析框架，梳理两方论点。
一、Semianalysis 视角：AI Token 工厂经济学
核心框架：AI Token Factory Economics Stack
Semianalysis 提出”AI Token 工厂经济学栈”来分析产业链价值分配：
| 层级 | 代表公司 | 当前利润率 | 价值捕获能力 |
|---|---|---|---|
| 芯片层 | NVIDIA | 75% GPM | ★★★★★ |
| IaaS 层 | CoreWeave, Oracle, Neoclouds | 20-35% | ★★★☆☆ |
| PaaS 层 | AWS Bedrock, Azure Foundry | 40-60% | ★★★★☆ |
| 模型层 | OpenAI, Anthropic, Google | 60%+ | ★★★★☆ |
| 应用层 | Microsoft Copilot, Cursor | 待验证 | ★★★☆☆ |
Semianalysis 的关键论点
1. 当前最大利润池在芯片层
- NVIDIA 75% 毛利率是产业链最高
- 芯片是”卖铲子”生意，无论谁挖到金子都要买铲子
- 云厂商 capex 的 40-50% 最终流向 NVIDIA
2. 云厂商的困境：高 capex，低/不确定回报
- Microsoft “Big Pause” 案例：2024 年暂停数据中心建设，导致 OpenAI 转向 Oracle
- Azure 在 AI 裸金属租赁市场落后 CoreWeave/Nebius
- 云厂商被迫从 Neocloud 租 GPU 再转售，利润率被压缩
- 折旧政策争议：Michael Burry 质疑 hyperscalers 延长资产寿命 artificially boost earnings
3. Agentic AI 对算力需求的影响
- Agentic 任务时间 horizon 更长（从秒级到分钟级甚至小时级）
- 推理计算量可能指数级增长（多步骤规划、工具调用、自我修正）
- latency 敏感度下降：Agentic 任务不需要毫秒级响应，数据中心可以建在”天涯海角”
- 这意味着云厂商的”全球低延迟网络”优势被削弱
4. Semianalysis 的偏向：半导体短期更确定
- 芯片层利润率最高、最确定
- 云厂商面临 capex 回报率不确定、竞争加剧（Neoclouds 崛起）
- 但长期看，应用层若出现 killer app，价值可能向上转移
二、高盛视角：基础设施→平台→应用的轮动
高盛的典型分析框架
高盛在多篇研报中提出 AI 投资的三个阶段轮动：
| 阶段 | 时间 | 主题 | 受益标的 |
|---|---|---|---|
| Phase 1 | 2023-2024 | Infrastructure | NVIDIA, AMD, 服务器厂商 |
| Phase 2 | 2024-2025 | Platform | 云厂商 (MSFT, GOOGL, AMZN) |
| Phase 3 | 2025+ | Applications | 软件/SaaS, 垂直行业 AI |
高盛的关键论点
1. 从 Phase 1 到 Phase 2 的轮动
- 2023-2024 年 NVIDIA 暴涨反映了基础设施投资高峰
- 2024-2025 年云厂商 capex 加速，但市场开始质疑 ROI
- 高盛认为云厂商的 AI 收入将在 2025-2026 年显现
2. 云厂商的长期优势
- 规模效应：自建数据中心的长期 TCO 低于租赁
- 垂直整合：从芯片到应用的全栈控制（如 Google TPU + Gemini + Workspace）
- 客户锁定：企业客户一旦上云，迁移成本高
- 数据飞轮：更多客户→更多数据→更好的模型→更多客户
3. Agentic AI 的价值向上转移
- Agentic AI 需要编排层 (Orchestration Layer)：任务规划、工具调用、记忆管理
- 这正是云厂商 PaaS 层（Azure AI Foundry, AWS Bedrock, GCP Vertex AI）的价值所在
- 芯片层虽然重要，但面临 commoditization 风险（AMD MI300、自研芯片、TPU）
4. 高盛的偏向：长期看云厂商/平台层
- 短期半导体确定性强，但估值已反映大部分乐观预期
- 云厂商当前估值折价（P/E 低于历史平均），若 AI 收入兑现有重估空间
- Agentic AI 的编排/平台价值目前被市场低估
三、两方观点对比
| 维度 | Semianalysis | Goldman Sachs |
|---|---|---|
| 时间 horizon | 短期（1-2 年） | 中长期（3-5 年） |
| 利润池位置 | 芯片层（最确定） | 平台/应用层（潜力大） |
| 云厂商评价 | 谨慎（capex 黑洞、ROI 不确定） | 乐观（规模效应、垂直整合） |
| Agentic AI 影响 | 推理需求↑，但 latency↓削弱云厂商网络优势 | 编排层价值↑，平台层受益 |
| 核心风险 | 芯片：竞争加剧；云：ROI 不达预期 | 芯片：commoditization；云：capex 拖累 |
| 推荐标的倾向 | NVIDIA > 云厂商 | 云厂商/平台 > NVIDIA（当前估值） |
四、综合判断：AI 产业链仍是”最猛”的支点
为什么”AI 产业链”整体可能比”选边站”更优？
1. 产业链各环节并非零和
- Agentic AI 时代，总算力需求是指数级增长
- 芯片层和云厂商层可以同时受益，只是节奏不同
- 2023-2024：芯片层领涨（NVIDIA 10x）
- 2024-2025：云厂商 capex 加速，收入待验证
- 2025-2026：若 Agentic AI 爆发，应用层可能接力
2. 产业链 ETF/组合策略
- 不需要在”半导体 vs 云厂商”之间二选一
- 可以配置”AI 产业链全栈”：
- 芯片层：NVIDIA (NVDA), AMD, Broadcom (AVGO), Marvell (MRVL)
- 设备层：ASML, Lam Research (LRCX), Applied Materials (AMAT)
- 云厂商层：Microsoft (MSFT), Google (GOOGL), Amazon (AMZN)
- 模型/平台层：OpenAI (私有), Anthropic (私有)
- 应用层：Salesforce (CRM), ServiceNow (NOW), Adobe (ADBE)
3. 关键判断：Agentic AI 的”价值捕获漏斗”
Agentic AI 价值捕获漏斗
┌─────────────────────────────────────┐
│ 应用层 (SaaS/垂直行业) │ ← 最终价值最大，但最分散
│ 利润率：20-40% │
├─────────────────────────────────────┤
│ 平台/编排层 (Cloud PaaS) │ ← 当前被低估的环节
│ 利润率：40-60% │
├─────────────────────────────────────┤
│ 模型层 (LLM API) │ ← 高毛利但竞争激烈
│ 利润率：60%+ │
├─────────────────────────────────────┤
│ 基础设施层 (IaaS/Neocloud) │ ← 重资产，利润率承压
│ 利润率：20-35% │
├─────────────────────────────────────┤
│ 芯片层 (GPU/ASIC/互联) │ ← 当前最确定，但估值高
│ 利润率：50-75% │
└─────────────────────────────────────┘核心洞察：Agentic AI 时代，“编排层”（Orchestration Layer）可能成为新的价值高地——这是介于模型层和应用层之间的平台能力，目前主要由云厂商提供。
五、投资论点：Agentic AI 产业链
核心逻辑
Agentic AI 将推动 AI 从”对话”走向”行动”，计算需求指数级增长，产业链各环节（芯片→设备→云→平台→应用）将依次受益。当前阶段，芯片层最确定；中长期，平台/应用层潜力最大。
关键催化剂
| 催化剂 | 时间 | 影响 |
|---|---|---|
| Agentic AI 产品发布（OpenAI Operator, Claude Computer Use 等） | 2025 H2 | 验证市场需求 |
| 云厂商 AI 收入首次单独披露 | 2025-2026 | 估值重估 |
| NVIDIA 下一代架构（Rubin/Blackwell Ultra） | 2025-2026 | 芯片层继续领跑 |
| 企业级 Agent 部署案例规模化 | 2026+ | 应用层爆发 |
| 自研芯片（TPU v6, AWS Trainium3）量产 | 2025-2026 | 芯片层竞争加剧 |
风险因素
- 芯片层：估值过高、竞争加剧（AMD、自研芯片）、地缘政治（出口管制）
- 云厂商层：capex ROI 不达预期、Neoclouds 持续抢占份额
- 应用层：Agentic AI 产品体验不达预期、企业采纳缓慢
- 全层：宏观经济衰退压缩 IT 支出、AI 泡沫破裂
六、标的配置建议
核心持仓（产业链龙头）
| 标的 | 代码 | 定位 | 权重 |
|---|---|---|---|
| NVIDIA | NVDA | 芯片层绝对龙头 | 15-20% |
| Microsoft | MSFT | 云+平台+应用全栈 | 15-20% |
| Google/Alphabet | GOOGL | 云+模型+芯片（TPU） | 10-15% |
| Amazon | AMZN | 云+实体智能 | 10-15% |
卫星持仓（产业链细分）
| 标的 | 代码 | 定位 | 权重 |
|---|---|---|---|
| AMD | AMD | 芯片层挑战者 | 5-10% |
| Broadcom | AVGO | 芯片定制/互联 | 5% |
| ASML | ASML | 光刻设备垄断 | 5% |
| TSMC | TSM | 晶圆代工 | 5-10% |
| Salesforce | CRM | 应用层（Agentforce） | 5% |
| ServiceNow | NOW | 应用层（IT 工作流 Agent） | 5% |
七、跟踪指标
| 指标 | 来源 | 频率 | 意义 |
|---|---|---|---|
| NVIDIA 数据中心收入增速 | 财报 | 季度 | 芯片层景气度 |
| 云厂商 AI 收入/ capex 比例 | 财报 | 季度 | 云厂商 ROI |
| Agentic AI 产品 MAU/付费转化 | 第三方调研 | 季度 | 应用层成熟度 |
| AI 模型 API 调用量增速 | 第三方估算 | 季度 | 推理需求增长 |
| 企业级 Agent 部署案例数 | 新闻/调研 | 半年 | B2B 采纳度 |
| GPU 云租赁价格指数 | SemiAnalysis | 月度 | 算力供需平衡 |
八、待补充：原始研报追踪
Semianalysis 研报
- 目标文章：“The Investment Implications of Agentic AI” 或类似标题
- 状态：Semianalysis 为付费订阅制（Institutional/Newsletter），部分内容需登录
- 替代获取方式：
- 关注 SemiAnalysis Newsletter（newsletter.semianalysis.com）的免费摘要
- 通过 X/Twitter (@SemiAnalysis) 获取观点摘要
- 搜索二手引用（其他分析师/媒体对 SemiAnalysis 观点的引用）
Goldman Sachs 研报
- 目标文章：“AI: From Infrastructure to Applications” 或 “Agentic AI: The Next Phase”
- 状态：高盛研报通常仅向机构客户开放
- 替代获取方式：
- 高盛官方博客/研究摘要（Goldman Sachs Insights）
- 媒体引用（Bloomberg, CNBC 对高盛研报的引用）
- 高盛 CEO/CIO 公开演讲中的观点
九、与本笔记其他支点的关联
| 支点 | 关联逻辑 |
|---|---|
| 亚马逊实体智能 | Agentic AI 的物理世界执行端；Amazon Robotics + Alexa LLM = 实体 Agent |
| 苹果 Intelligence | 端侧 Agentic AI（Apple Intelligence 的跨应用操作能力） |
| Intel 代工 | Agentic AI 算力需求推动先进制程产能扩张 |
| 谷歌 | Agentic AI 的平台层核心（Gemini + Cloud + TPU） |
十、结论
Agentic AI 时代，“AI 产业链”整体是最猛的支点。 半导体和云厂商不是零和博弈，而是产业链上下游的协同增长。短期（1-2 年）芯片层更确定；中期（3-5 年）平台/云厂商层潜力更大；长期（5 年+）应用层可能诞生最大赢家。
投资策略：以”产业链 ETF”思维配置，而非押注单一环节。核心持仓覆盖芯片（NVIDIA）、云（MSFT/GOOGL/AMZN）、平台（Salesforce/ServiceNow），根据催化剂节奏动态调整权重。
标签: #agentic-ai #ai-infrastructure #semiconductor #cloud #nvidia #microsoft #google #amazon #investment-thesis #ai-supply-chain