2026年AI产业发展趋势预测

元旦三天，气温骤降，没怎么出门，在家看了不少今年AI领域的发展趋势研报。

这些研报大多是基于技术发展趋势+落地应用场景角度来阐述的，主要观点集中于“超级AI应用”和AI Infra建设，以及安全审查和用户隐私保护方面。内容很聚焦，但对大部分人来说，很难直接受益。

今天这篇文章，我想聊点不一样的，关于AI产业上下游的发展趋势，以及与之对应的可能受益的板块。

在此特别声明，这些内容仅是个人分析和预测的结果，仅供参考，不构成建议。

过去的一年，即2025年，市场的核心是围绕AI产业上下游运转的。

由于2025年初DeepSeek的横空出世，大模型的技术方向从闭源转向了开源，原有的订阅收费模式被解构，基于开源大模型研发自己的大模型成为了趋势。

自研大模型意味着需要投入更多的算力和数据，至少在当前阶段，力大砖飞的大规模算力集群，是AI领域最核心也是最重要的投入。有了算力，才能不断训练和优化大模型，以及在此基础上推出AI服务(无论是API模式、ChatBot模式，还是云算力中心)。

大规模算力集群，意味着天量的服务器资源。其中英伟达的GPU固然是天之骄子，但GOAT也不能单核一打五拿下总冠军，总需要一些帮手。在这些帮手中，PCB、CPO和液冷，就是妥妥的冠军首发。

PCB、CPO和液冷，它们三个构成了算力基建的“三巨头”，分别解决大规模算力集群中的支撑(结构/连接)、互联(通信/传输)和散热(能效/功耗)问题，是大AI模型和高性能计算的核心刚需硬件。

这也是为什么，2025年的“易中天”如此火热的原因。当然，这些都被统称为“达链”。

前段时间，Google搞出了自家的TPU，加上Gimini 3的强大能力，自此市场上多了一个“谷歌链”。

但无论是“达链”还是“谷歌链”，只要你还想继续训练和提供基于大模型的AI服务，都离不开算力基建“三巨头”。在AI未被证伪之前，力大砖飞的大规模算力集群仍是AI发展的刚需。

市场刚需，订单和业绩看涨，2026年的“易中天”，依然称得上一句：未来可期。

19世纪中后期，北美、澳大利亚等地爆发了“淘金热”，这段历史不仅推动了当地城市(如旧金山、墨尔本)的飞速崛起，也极大加速了西部拓荒、铁路运输等基础设施的发展。

当然，这是过去已经发生的历史，也是历史大事件的发展脉络。在此之外，在淘金收益真正被挖掘出来之前，卖铲子的人是第一波吃到“淘金热”的人群。

2026年，AI领域同样可以套用这个逻辑。无论是大规模算力集群的大脑(GPU/TPU)，还是算力基建三巨头(PCB/CPO/液冷)，同样需要“铲子”把他们挖出来，这个铲子就是半导体设备。

台湾有台积电负责芯片的流片制造，兔子同样有“陆积电”。芯片的结构设计、封装需要有人做，因此2025年“寒王”上位超越茅台，成为了一个标志性事件。

在可见的未来几年，AI领域对高性能计算芯片的需求，有巨大的想象力。

因此，“卖铲子”的半导体设备供应商，会是先吃饱的一批人。

大模型无论是前期训练，还是后期对外提供服务，都需要消耗海量的算力。

提供算力的芯片，支撑大规模算力集群的“三巨头”，以及制造“三巨头”的半导体设备，上面都分析过了。这些东西都是电子硬件，或者称之为企业端消费电子，它们的运转都离不开能源。

换句话说，它们对能源(电力)的需求是巨大的。谁能提供持续稳定的电力，谁就是他们的亲密合作伙伴。

除此之外，从技术的角度来说，只靠单一的发电厂配送电力是不够的，因为如果发电厂或电力传输体系出问题，还是会对算力中心造成影响。要解决这个问题，就需要新的“冗余措施”，这个冗余措施，就是储能。

目前来说，储能最直接的体现，就是电池。特别是高能量密度且稳定安全的电池。

储能电池除了作为算力中心的备用电力来源，还有一个重要使用场景，就是新能源汽车。

很荣幸的是，全球只有兔子能提供天量稳定的电力供应，且最先进的储能电池，以及三电技术都在兔子手里。

其他国家但凡想继续发展AI，甚至梭哈ALL IN，短期内无法建设持续稳定的电力供应设施，怎么解决？答案只有一个：找兔子买设备，花钱让兔子提供技术支持，甚至在本地建设合资的发电厂。

假设这个分析结论成立，那么电力设备和储能电池，会成为2026年甚至未来几年的市场强需求板块。

基于电力设备和储能电池的分析结论，我们继续沿着这一结论向上游推导。

电力传输体系需要投入大量资源，储能电池也需要投入大量资源，这些资源统称为工业金属。比如铜铝是电力传输设备里的最核心消耗品，比如锂是储能电池的核心原材料。

换言之，2026年以及未来几年，铜、铝、锂等工业金属的市场需求是巨大的，但工业金属从勘探、开采到运输加工，整个链路很长，这就会带来一个新的问题：短期市场供应量跟不上市场需求。

再加上最近这段时间，国际上几家工业金属矿厂和加工制造企业出各种幺蛾子，短期的市场供需错配，必然后引起中下游企业的危机感。为了生存和发展，中下游企业一方面需要谈判新的供货协议，另一方面则需要备货，或者寻找替代品。

前段时间国内几家空调厂商宣布“铝代铜”，你可以理解为就是短期市场供需错配下的一种应对措施。

基于上述分析，可以得到这样一个结论：有色金属板块，以及工业金属供应商，会成为接下来备受市场关注的标的。

上述无论是算力中心、半导体设备，还是电力设备、储能电池和工业金属，本质上都是AI的基建部分。

AI是新一轮技术革命，AI技术作为新时代生产力和生产资料(算力)，只有大规模应用才能创造价值。谈到应用，目前我们能想象到的AI落地应用场景，主要可以分为两大类：AI应用(软件)和AI设备(软硬件结合)。

AI应用从功能特性角度，可以细分为工具(技术研发工具，“脚手架”)和系统(Web/APP)；从应用领域角度，可以划分为B端(企业端，比如ChatGPT Enterprise)和C端(消费端，比如ChatGPT Plus)。

AI设备可以理解为搭载了AI能力的硬件设备，比如Google即将于今年发布的AI眼镜，比如字节于去年12月联合努比亚手机发布的豆包AI手机助手，再比如市场一度炒作的具身智能机器人。

基于上述分析，我们可以得到下面两个结论：

1、AI应用侧：AI技术相关的工具/框架(“脚手架”，如skill)和AI应用场景，谁能率先提供可靠稳定的工具和具备通用准则的适用于具体场景的解决方案，谁就能先分到一块蛋糕。

简单来说，提供AI开发工具的服务商，是“卖铲子”；提供适用于具体场景解决方案的服务商，是“卖产品”。

对比来说，产品的想象空间更大，铲子则相对小一些。但卖铲子的优势在于先发，卖产品则要找到具备标准规则的场景且将产品落地推广。

从落地场景的角度评估，金融、财务等垂直领域更适合B端产品落地，创作设计等专业性要求较高的场景则适合C端产品(比如可灵AI、Canva)落地。产品落地后，通过订阅付费等机制卖AI服务，形成AIaaS(AI即服务)模式。

换言之，AI产品、AI服务供应商，很可能会成为下一轮业绩增长的核心驱动力。

这个时候，谁提供了这些产品服务，谁就能拿到新时代的船票，而资本会为船票买单。

2、AI设备侧：设备侧要想搭载AI能力，要具备两个核心能力：足够小的本地模型、长链路复杂问题解决能力。

前几年，大模型动辄几百上千亿参数量，要驱动如此规模的大模型，对硬件配置的要求很高。长链路复杂任务执行能力，则很考验模型的上下文长度，以及长记忆能力。

长记忆能力，对AI设备的本地存储空间提出了更高要求，比如：更大的内存，更高的通信效率。

这里的存储，并非移动互联网时代的DDR4等存储产品，而是内存更大，通信效率更高的内存产品。

当然，也有可能是本地模型通过MoE做主要计算，其他计算通过云端服务辅助完成，但这样对无线通信技术又有了新的要求，这里暂且不表。

AI设备作会成为未来主流的消费电子产品，想象空间巨大。但要想实现，硬件制造环节势必要进行一次全方位的升级。

这个升级过程中，作为核心的存储部分，即“卖铲子”的设备制造商，就会成为第一个吃得很饱的人。

总结一下，围绕AI产品的上下游，未来几年有巨大市场需求和想象空间的板块，主要有算力(通信)、芯片(制造)、电力(能源)、电池(储能)、工业金属(铜铝锂)、存储设备(制造)、AI产品服务(AIaaS)。

如果喜欢我文章，点赞、关注、在看三连走起。

如果想阅读更多的文章，可以关注我的公众号。

精彩内容推荐

我对AI的几点思考

近期对AI的几点思考

我对AI的几点观察和思考

红杉闭门峰会：下一轮AI创富机会

英伟达黄仁勋：我对AI发展趋势的看法

2025年度复盘：明年的AI将去向何方？

2025年度复盘：过去三年AI的演进趋势

2025年度复盘：过去三年AI的技术逻辑