近期围绕伊朗局势的冲突，正在以一种出人意料的方式影响全球人工智能产业。对于长期将“AI热潮”视为统一增长叙事的市场而言，一个更加清晰的现实正在逐渐浮现：人工智能产业并非一个单一结构，而是由不同成本结构和商业模式构成的复杂体系。
随着地缘政治风险的上升，产业内部原本被增长掩盖的差异开始显现，这场冲突可能正在将AI产业划分为两条走势不同的发展路径——重资产基础设施与轻资产软件服务。
AI繁荣的关键判断：增长仍在，但结构正在分化
从产业结构角度来看，本轮人工智能浪潮实际上由两条主线共同推动。一条是以数据中心、云计算平台和半导体制造为核心的基础设施层，另一条则是以大模型研发与AI应用为代表的软件与服务层。过去几年，资本市场往往将这两个部分视为同一周期中的不同环节，但现实情况是，两者在成本结构、现金流模式以及对外部环境的敏感度方面存在显著差异。
在当前的地缘政治背景下，这种差异正在被放大。冲突并不会终结AI产业的增长趋势，但很可能加剧一种新的行业格局：基础设施企业承受更大的宏观与供应链压力，而AI软件与应用公司则展现出更强的韧性与持续增长能力。
基础设施层为何成为冲击的第一落点
首先受到影响的是人工智能基础设施投资背后的资金来源。过去几年，中东主权财富基金逐渐成为全球AI基础设施扩张的重要资金提供方。市场普遍预计，该地区在未来多年内对人工智能相关产业的投资规模可能达到数万亿美元级别。
然而，地区冲突升级使得这些投资面临新的不确定性。地缘政治风险上升不仅可能影响资金落地节奏，也可能使部分大型投资计划重新评估风险收益结构。对于高度依赖长期资本投入的数据中心建设、算力扩张以及芯片采购计划而言，这种变化具有直接影响。
除了资本因素之外，能源价格的变化也在迅速传导至AI产业核心环节。数据中心作为AI算力的核心基础设施，其运营成本对电力价格高度敏感。当前美国数据中心电力结构中，天然气占据较高比例，一旦冲突推高全球能源价格，算力运营成本便会随之上升。这不仅影响现有数据中心的盈利能力，也可能改变新一轮算力扩张的投资回报模型。从长期来看，这意味着AI算力的边际成本正在出现上升趋势。
像Amazon、Google、Microsoft、Meta 和Oracle这样的超大规模云厂商面临更大风险，因为它们价值上万亿美元的数据中心建设依赖廉价且稳定的能源，尤其是天然气。根据国际能源署的数据，天然气是美国数据中心的主要能源来源，占比约40%——而伊朗战争正在推高其价格，这就成了一个问题。
与此同时，半导体供应链的脆弱性也在此次事件中再次显现。当前全球先进AI芯片制造高度集中在少数地区，而制造过程又依赖稳定的能源与关键工业气体供应。例如， 台积电（TSMC）生产了几乎所有由英伟达设计的高端芯片，但台湾约三分之一的燃料依赖中东，而且其大部分氦气来自卡塔尔。氦气在半导体制造中至关重要，因为它能够冷却并保护硅晶圆。上周，卡塔尔能源公司位于拉斯拉凡工业城的氦气生产因伊朗无人机袭击而受阻，其更广泛的影响可能是芯片产量需要数月时间才能恢复。
在这一背景下，芯片厂商所面临的压力尤为集中。 这使得英伟达可能成为受影响最大的公司。作为全球市值超过4万亿美元的上市公司，它的大部分收入来自向超大规模云厂商出售芯片。任何减缓大型数据中心建设的因素，都会影响其订单。
与Alphabet和Amazon至少还有持续性的云订阅收入作为缓冲的云厂商不同，芯片公司的收入主要来自一次性销售，其业绩高度依赖数据中心建设周期。一旦大型云厂商放缓扩张，芯片需求便会直接受到影响。同时，如果制造环节出现供应问题，订单交付能力也可能受到限制。因此，芯片企业在当前环境中面临需求端与供给端的双重不确定性。
为什么AI软件与应用公司反而更具韧性
与基础设施层相比，AI应用与模型公司在当前环境下表现出更强的抗冲击能力，其原因首先来自商业模式的差异。AI软件企业的核心成本主要集中在模型推理而非持续的大规模训练。推理计算虽然规模庞大，但相对分散且具备一定弹性空间，不需要持续进行极端规模的算力投入，这使得企业能够在宏观环境变化时保持更高的运营灵活性。
其次，AI行业的收入结构正在发生重要变化。随着企业级应用的普及，越来越多收入来自订阅服务与API调用，客户群体覆盖金融、医疗、生命科学以及政府机构等领域。这些客户通常将AI视为提升效率和降低成本的工具，因此在经济不确定时期，反而更倾向于维持相关支出，而不是削减投入。这种需求结构增强了AI应用公司的收入稳定性。
此外，AI模型开发企业还拥有调整研发节奏的能力。训练新一代大模型需要极高的能源与算力投入，但企业可以根据市场环境调整训练周期，将资源优先用于现有产品的商业化与市场拓展。这种策略使企业能够在行业波动时期保持现金流稳定，同时保留未来技术升级的空间。
AI产业正在形成类似互联网早期的分层结构
如果从更宏观的产业演进角度观察，当前的变化可能正在加速AI产业的分层化发展。基础设施层具有典型的重资产特征，对能源、资本与供应链稳定性高度依赖，因此对外部冲击最为敏感。模型平台层则处于中间位置，既需要一定规模的技术投入，又具备较高的技术壁垒。而应用层则更加接近客户需求，商业模式轻量化程度更高，因此具备更强的周期穿越能力。
这一结构与互联网早期的发展路径具有一定相似性。在互联网产业形成过程中，带宽与数据中心等基础设施环节往往经历明显的周期波动，而平台与应用公司则逐渐成为长期价值的主要承载者。当前人工智能产业的发展，正在呈现出类似的结构演化趋势。从“统一增长故事”走向“结构性行业格局”，可能成为未来几年AI产业的重要特征。
对中国人工智能产业的几点启示
从中国市场的角度来看，这一变化具有一定的参考价值。首先，过去一段时间行业普遍强调算力规模的重要性，但当前环境表明，大规模算力投资并非没有风险。当能源、供应链或资本环境出现变化时，过度依赖算力扩张的模式可能面临更高的不确定性。因此，企业在制定长期战略时，需要更加平衡技术投入与商业化能力之间的关系。
其次，AI应用落地能力的重要性正在提升。在宏观环境不稳定的时期，能够直接产生现金流、提升企业效率的AI解决方案更容易获得持续投入。尤其是在企业服务领域，具备明确商业价值的产品将更具竞争优势。
最后，此次事件再次凸显了供应链安全的重要性。人工智能产业看似以软件为主，但其底层仍高度依赖全球化的能源、材料与制造体系。一旦某一关键环节出现波动，产业链整体都可能受到影响。因此，从长期来看，构建更加多元和稳定的供应体系，将成为各国科技产业的重要战略方向。
结语：AI不会降温，但行业逻辑正在重塑
总体而言，当前的地缘政治冲击并不会改变人工智能作为核心技术趋势的发展方向，但正在改变市场理解这一产业的方式。AI不再只是一个统一的增长概念，而是一条由多层结构组成、风险与机会分布不均的产业链。
参与评论 (0)