芯片高毛利不等於高利潤

把 AI 產業鏈拆開看，上游最吸睛的是芯片，尤其是 GPU 與加速器。其價值捕獲的底層邏輯很簡單：算力仍是稀缺品，且軟硬件生態、開發工具與客戶遷移成本把「一代領先」放大成「多代領先」。這也是為什麼 GPU 設計龍頭能拿到近似平台型的毛利水準：NVIDIA 在財報新聞稿中披露，FY2025 期末指引的 GAAP 毛利率約 70.6%（非GAAP 約 71%）。這個數字意味著，從價值鏈角度，上游芯片商在「單位產品」上的利潤空間極厚，且在供需緊張時更具議價能力。

但芯片環節的「高毛利」並不必然等同「最大利潤池」。原因在於它受制於兩個天花板：其一是供應鏈瓶頸（先進封裝、HBM 供給、產能配置），其二是客戶議價反撲（雲廠自研加速器、採購多元化）。因此，上游更像是以高毛利捕獲「稀缺租金」，利潤波動相對跟著景氣與供需走。對投資人而言，芯片的核心指標是「能不能守住 ASP 與毛利」，以及產能/封裝約束是否讓增量需求無法完全轉化為收入。

高效率的代工、高槓桿的雲端

從芯片設計往下走到製造與系統整合，價值捕獲邏輯開始分叉：一邊是「重資本、靠良率與規模」的先進製造，另一邊是「重工程、靠資源調度」的伺服器與資料中心系統。以晶圓代工為例，市場常以毛利/營業利益率衡量其效率與議價：台積電 2024 年年報披露毛利率 56.1%、營業利益率 45.7%。這在製造業中極為罕見，反映先進製程的技術門檻與客戶黏性，讓代工不只賺加工費，而是在先進節點上擁有一定程度的定價權。從「利潤池」角度，代工雖然單位毛利低於芯片設計，但它的資本支出巨大、營收盤子大，利潤池可觀；同時其風險也更像長周期資本開支賭局：一旦需求斜率放緩或競爭加劇，折舊與利用率會把盈利彈性放大到下行端。

更值得注意的是「系統層」正在把傳統硬件利潤重新洗牌。AI 訓練/推理不是買一顆 GPU 就結束，而是整套機櫃、網路、散熱、電力與軟體堆疊。這一層的價值捕獲呈現兩種結果：對一般 OEM/ODM 而言，更多是量大、毛利薄；但對擁有軟體平台與客戶入口的雲廠而言，系統層會變成把資本轉成長期現金流的「槓桿點」。也因此，你會看到雲端巨頭在資本開支上極度激進——例如《金融時報》近期報道 Amazon 計劃以大規模資本投入推進 AWS 的 AI 佈局，就是在提前鎖定下一輪「雲端算力供給」的定價權。

誰握住客戶與計費?

真正決定 AI 產業鏈利潤最後流向哪裡的，往往是下游的「計費點」：誰能把算力變成可持續的訂閱、用量計費或嵌入式增值服務，誰就能捕獲更穩定的利潤池。雲端是最直接的例子：Amazon 最新業績公告披露，AWS 2025 年（對應公告口徑）分部經營利潤 456億美元，而 2024年為 398億美元。同時，Amazon 在 2024 年第四季業績公告中披露 AWS 2024 年分部銷售額 1076億美元。把兩者對照，可以推得 AWS 的分部經營利潤率大約落在三成以上（約 37% 左右）——這種「高營業槓桿」正是雲端價值捕獲的本質：硬件折舊很重，但一旦利用率爬升、服務疊加，增量收入能更快轉成利潤。

模型層則是另一種「利潤池競爭」。大模型本身未必天然高毛利，因為推理成本與價格戰會拉扯毛利；但一旦模型與工作流、資料、企業軟體深度綁定，它就可能變成「分配權」：你不只是賣模型 API，而是把 AI 變成 CRM、Office、客服、開發工具等既有訂閱的加價包，於是利潤被重新分配到握有客戶關係的一方。這也是為什麼 Microsoft 在 2024 財年強調收入與營業利益增長，並指出 Azure 的規模化帶動毛利提升（即便毛利率因 AI 基礎設施投入而受結構影響）。

(芯片與算力系列之32)

$英偉達 (NVDA.US)$ $台積電 (TSM.US)$ $美國超微公司 (AMD.US)$ $沐曦股份-U (688802.SH)$

瀏覽 4.8萬