**黄仁勋所言的“AI的iPhone时刻”，指向的是大模型从技术演示走向规模化应用的那道分水岭，而产业链的价值并非平均沉淀，而是分布在基础层、模型层与应用层三个位置。**人工智能产业是信息技术与数字技术的集大成者，产业链同样可分为上中下游，但每一部分都包含多个环节：上游有云计算、AI芯片、数据供给方等，中游是大模型，下游是应用落地场景。综合来看，较值得关注的四个环节是上游的AI芯片和光模块、中游的大模型，以及下游的落地场景。价值分配的关键，在于谁掌握定价权、谁能把投入转化为可持续收入。

上中下游各自扮演什么角色

上游是基础层。芯片为人工智能行业提供算力支持，未来越来越多AI应用的落地都离不开庞大算力的支撑，因此也将推动算力产业链增长。光模块属于光通信系统的核心器件之一，同样是基础层；随着AI技术快速发展，对光通信的带宽容量和传输速率提出更高要求，而光模块中的CPO技术，是实现高速率、大带宽、低功耗网络的必经之路。

中游是算法层。大模型是当下的人工智能发展趋势，也是市场关注度较高的方向。大模型的训练需要大规模算力与数据，研发成本高、门槛高；但相比小模型，它泛化能力强，具备涌现能力——当模型规模达到某个阈值时，对某些问题的处理性能会突然呈现快速增长。也正因如此，才有了ChatGPT这类现象级应用的出现。

下游是应用层。基于大模型进行微调，也就是利用下游特定任务上的小规模标注数据做二次训练，或者不进行微调，就可以完成多个应用场景的任务。这有效降低了AI应用研发门槛，也能缓解应用场景数据量少、模型精度低的问题。通过AI技术赋能，下游能够大幅降本增效，其中有优质应用场景的C端企业，以及有数据积累的B端企业，有望率先受益。

价值更容易沉淀在哪一环

从商业模式看，上游卖的是算力与连接能力，中游卖的是模型能力，下游卖的是场景解决方案。上游环节受益于算力需求的持续扩张；中游需要持续承担高昂的训练投入，能否把技术优势转化为可持续收入，取决于模型能力与商业闭环的匹配程度；下游则因研发门槛被大模型拉低，更容易把AI能力嵌入具体业务，形成可计费的产品或服务。三者并非此消彼长，而是投入与回报在时间上错位：上游与中游先投入，下游后变现。

常见问题

“AI的iPhone时刻”具体指什么？

这一判断由英伟达CEO黄仁勋提出，背景是OpenAI发布基于GPT-3.5大模型的聊天机器人ChatGPT后，短短五天注册用户数量就超过100万，60日后月活直接破亿，成为史上增长最快的消费者应用。它指向的是AI从技术验证走向大规模应用普及的转折点。

大模型为什么被视为中游核心环节？

大模型在大规模无标注数据上训练，学习出特征和规则，泛化能力强，并具备涌现能力。它上接算力与数据，下接各类应用场景，是连接基础层与落地场景的枢纽，因此成为当下的人工智能发展趋势和较受关注的方向。

下游应用的门槛为什么反而更低？

因为下游企业不必从零训练模型。基于大模型进行微调，或直接调用而不做微调，就能完成多个应用场景的任务，这有效降低了AI应用研发门槛，也解决了部分场景数据量少、模型精度低的问题。