人工智能产业链的利润分配呈现明显的“上游吃肉、中游承压”格局：掌握稀缺硬件与核心算力的上游厂商议价能力最强，而中游大模型与AI应用公司虽然收入增长，却普遍面临亏损，定价权相对薄弱。 从芯片到CPO（光模块）再到算法模型，稀缺性决定了产业链上的话语权归属，而下游政企客户的采购模式进一步压缩了中游的利润空间。
上游硬件：稀缺性构筑强议价力
在人工智能产业链中，上游的AI芯片和CPO（共封装光学）环节因技术壁垒高、供给集中，形成了典型的卖方市场。前两课内容指出，AI芯片供不应求的状态赋予了上游厂商极强的定价权——当需求远大于供给时，下游客户为了获取算力资源，往往需要接受上游的定价条件，甚至提前锁定产能。
这种稀缺性带来的议价能力，与中游形成鲜明反差。上游硬件厂商不需要担心客户压价，因为“拿不到货”才是客户真正的问题。 而CPO作为解决算力瓶颈的关键技术，同样处于需求爆发的早期阶段，掌握核心技术的厂商在产业链中占据主动地位。
中游大模型：收入增长与亏损并存
中游的大模型与AI应用公司，处境则要复杂得多。从行业格局看，国内人工智能企业数量众多，但多数仍以小模型和垂直行业解决方案为主，这一商业模式已相对成熟。然而，大模型领域的竞争格局截然不同——技术储备丰富、进展靠前的主要是百度文心一言、腾讯混元、华为盘古等头部厂商。
值得注意的是，中游AI公司普遍面临“增收不增利”的困境。从行业数据来看，多家AI公司的营收保持增长，但盈利状况并不乐观。以商汤、云从科技等为代表的企业，虽然智慧城市、智慧商业等业务收入逐年提升，但整体仍处于亏损状态。究其原因，中游厂商面临着双重挤压：向上要支付高昂的算力成本采购芯片与服务，向下又难以将成本完全转嫁给客户。
下游政企客户：预算约束制约价格传导
下游需求方，尤其是智慧城市、智慧治理等领域的政企客户，其采购模式进一步制约了AI公司的价格传导能力。政府项目通常采用招投标制，预算约束严格，且对价格高度敏感。这意味着AI公司面对下游客户时议价空间有限，难以通过提价来覆盖上游成本上涨的压力。
这种“上游定价、下游限价”的结构，使得中游AI公司即便收入增长，利润空间依然被持续挤压。从商业模式看，To B和To G业务虽然贡献了主要收入，但项目制、定制化的特点也决定了其规模效应难以像互联网To C业务那样快速释放。
常见问题
AI产业链的定价权未来会转移吗？
短期看，上游硬件短缺的格局难以根本改变，因此上游的议价优势仍将持续。长期而言，如果大模型技术实现突破、同质化竞争缓解，中游的议价能力有望逐步改善，但这需要以技术迭代和行业洗牌为前提。
中游AI公司如何应对成本压力？
从行业实践看，头部厂商正通过自研芯片、优化算法效率等方式降低对单一上游的依赖。此外，聚焦垂直行业做深做透，以行业know-how构筑差异化壁垒，也是中游企业提升议价能力的可行路径。
下游政企客户的价格敏感是否会影响AI落地？
政企客户对价格敏感是客观现实，但AI在智慧城市、智慧治理等场景的降本增效价值已获认可。随着应用成熟度提升和部署成本下降，政企采购有望从“项目导向”逐步转向“效果导向”，届时中游厂商的议价空间或将有所改善。