全球人工智能市场规模正以超过25%的年增速持续扩张，但产业链各环节的成本结构与盈利模式差异显著：上游AI芯片与光模块投入大、毛利率高，中游大模型训练成本高昂但边际成本递减，下游应用盈利模式分化，行业利润目前集中于硬件环节。以中国AI软件市场规模占比仅约10%的数据可见，利润更多沉淀在算力基础设施而非软件应用端。

产业链三环：成本与利润的分布逻辑

人工智能产业链可分为上游基础层、中游算法层和下游应用层。上游包括云计算、AI芯片、光模块等环节，中游以大模型为核心，下游则是各类落地应用场景。从成本结构看，上游是资本密集型环节，AI芯片为行业提供算力支撑，光模块中的CPO技术是实现高速率、大带宽网络的必经之路，两者都需要持续高额投入，但也因此享有较高的毛利率。

中游大模型的训练成本极为高昂，需要大规模算力和海量数据支撑。不过，大模型具备泛化能力和涌现能力——当模型规模达到某个阈值时，处理性能会呈现快速增长。这意味着前期训练投入巨大，但模型训练完成后，基于大模型进行微调即可完成多个场景任务，边际成本显著递减，这正是大模型商业化的核心经济逻辑。

盈利模式分化：硬件吃肉，软件喝汤

从市场规模结构来看，全球人工智能市场规模从约1.9万亿元增长至超5万亿元，年增速保持在25%以上。但值得注意的是，中国人工智能软件市场规模占整个人工智能市场的比重仅约10%左右，而计算机视觉软件占比较低，说明行业利润和产值目前更多集中在芯片、光模块等硬件基础设施环节。

下游应用层的盈利模式则呈现明显分化：有优质应用场景的C端企业，以及有数据积累的B端企业，有望通过AI技术的赋能实现降本增效，率先受益。但应用层的盈利兑现节奏取决于场景成熟度和付费意愿，不同赛道差异较大。

常见问题

AI芯片和光模块为什么利润高？

AI芯片为人工智能提供算力基础，光模块中的CPO技术是构建高速率、大带宽网络的必经之路，两者都属于技术壁垒高、资本投入大的基础层环节，因此毛利率相对较高，是当前AI产业链中盈利确定性较强的部分。

大模型训练成本那么高，如何实现盈利？

大模型虽然前期训练成本高昂，但具备泛化能力和涌现能力，训练完成后通过微调即可适配多个应用场景，边际成本递减。同时，大模型作为中游算法层的核心，是当下人工智能发展的主流趋势，其商业价值更多体现在赋能下游应用、带动整个产业链的增值上。

中国AI产业链在全球处于什么位置？

国内人工智能大模型与海外的差距约为1-3年，在超千亿参数大模型中，中国企业贡献了约三分之一。从市场规模看，中国人工智能市场占全球比重呈持续提升态势，预计将从约13%提升至约20%以上，增速持续高于全球平均水平。