今天真正发生的，不是单纯的模型竞争

如果今天还把 AI 行业理解成“谁的模型参数更多、榜单分数更高”，那已经落后于产业现实了。过去两年最醒目的当然是模型能力跃迁，但真正重写商业格局的，是芯片厂商、云厂商、数据平台、模型公司和咨询渠道之间的重新结盟。

这轮变化之所以重要，是因为企业客户真正采购的，从来都不是一个孤立模型。企业买的是一整套可交付、可治理、可扩展、可复用的能力。它必须同时回答几件事：算力从哪里来，数据如何接入，模型怎么部署，安全边界怎么设，业务流程谁来重构，最后结果如何进入利润表。谁能把这几层组织成一个稳定系统，谁就更接近控制点。

从投资角度看，控制点是比“技术亮点”更重要的概念。技术亮点带来的是短期关注，控制点带来的是长期收入、生态粘性和议价权。一个厂商如果站在企业 AI 工作流中不可替代的位置上，那么后续的硬件升级、模型替换、应用扩展，都会继续向它集中价值。

这也是为什么今天最值得研究的，不只是模型公司，而是联盟结构。NVIDIA 与 IBM、Oracle、OpenAI 的合作值得研究，AMD 与 Oracle、OpenAI 的合作值得研究，OpenAI 与 Snowflake、Accenture 的合作值得研究，国内华为、阿里、百度的路径同样值得研究。它们表面上都在讲 AI，实质上是在争夺企业 AI 体系里不同层次的控制面。

为什么“控制点”比“模型能力”更值得追踪

把今天的 AI 产业链拆开，大致可以看到五层结构。

  • 第一层是算力供给层，卖 GPU、AI 加速器、服务器、网络互连和集群系统。
  • 第二层是云与基础设施分发层，把算力做成可租赁、可扩展、可全球交付的服务。
  • 第三层是企业数据与控制平面，包括数据库、数据湖仓、向量检索、搜索、安全治理和工作流底座。
  • 第四层是模型与开发平台层，面向开发者和企业交付模型、推理、Agent 与应用构建能力。
  • 第五层是咨询与行业实施层，负责把前面几层真正接进企业流程。

过去市场最容易高估的是第四层，因为模型最显眼，也最容易形成舆论焦点。但从收入确定性看，第一层和第二层已经证明了自己的爆发力，第三层正在快速变厚，第五层则在吸收企业数字化改造预算。第四层当然仍然关键，但它已经不再是唯一的价值承载者。

换句话说，今天最值得观察的问题，不是“谁单点最强”，而是“谁能把三层以上的能力打包成一套方案，并持续卖给企业客户”。谁能做到这一点，谁就会比单纯拥有一项领先技术更有护城河。

海外：四种已经成形的联盟结构

NVIDIA：从 GPU 供应商走向 AI 基础设施枢纽

NVIDIA 仍然是海外市场最强的基线案例。它的优势早已不只是 GPU 性能领先，而是把自己从芯片供应商升级成了 AI 基础设施标准、软件栈和生态协调者。

最关键的变化，是 NVIDIA 不再只卖算力，而是在深度介入企业数据平面和工作负载优化。IBM 在 2025 年 3 月 18 日宣布围绕 NVIDIA AI Data Platform 参考设计推进合作，到 2026 年 3 月 16 日，IBM 又披露 watsonx.data 的 Presto SQL 引擎可以由 NVIDIA cuDF 加速，并给出生产环境案例：Nestle 原本在 CPU 上需要约 15 分钟完成的一次刷新，被压缩到 3 分钟，同时对应 83% 的成本节省和 30 倍的 price-performance 改善。

这类案例的意义非常大。它说明 NVIDIA 的价值已经不只落在训练大模型，而是开始深入企业真正愿意持续付费的地方，也就是分析引擎、数据平面和生产系统。只要 AI 从实验进入企业日常流程，NVIDIA 就有机会从“模型训练供应商”继续上移成“企业 AI 生产底座的一部分”。

财务数据也强化了这一点。NVIDIA 在 2026 年 2 月 25 日披露，2026 财年收入达到 2159 亿美元，同比增长 65%；其中 Data Center 收入达到 1937 亿美元，同比增长 68%。如果只看增速曲线，会觉得高基数下同比已经不可能像早期那样继续飙升；但如果看绝对收入增量，它仍然处在极强的扩张区间。对资本市场来说，这意味着 NVIDIA 的定价已经不能只按传统半导体公司理解，而需要部分按平台型基础设施公司理解。

Oracle：最值得重视的云端承接者

如果说 NVIDIA 定义了 AI 基础设施的上游控制点，那么 Oracle 证明了云厂商也可以在这轮周期里拿到非常厚的价值层。Oracle 的角色并不是替代 NVIDIA，而是承接、放大和分发这轮算力需求。

Oracle 最值得重视的地方在于，它同时拥有三项能力：一是愿意拥抱多家芯片路线，二是自身有数据库与企业软件根基，三是对大规模 AI 集群产品化的动作非常快。它不是单纯的机房出租者，而是在成为企业客户和芯片生态之间的桥梁。

这一点已经体现在财务数字里。Oracle 在 2025 年 12 月 10 日披露 2026 财年 Q2 业绩，OCI 收入达到 41 亿美元，同比增长 68%，云总收入达到 80 亿美元，同比增长 34%，RPO 达到 5230 亿美元，同比暴增 438%。这组数字最重要的地方不是“当季增长很快”，而是说明 AI 需求已经转成了极大规模的可见订单池。

从产业逻辑看，Oracle 正在吃三重收益。第一重是 AI 算力租赁本身，第二重是数据库与企业软件的附着收入，第三重是大客户长期锁定带来的后续扩容。它吃不到 NVIDIA 那种最硬的芯片利润，但它能吃到一整层云分发和企业软件协同的价值。

AMD：最像样的第二路径，但仍处于追赶期

市场上真正有机会对 NVIDIA 形成结构性挑战的，目前仍是 AMD。原因不只是 AMD 有可替代 GPU，而是它已经开始形成“芯片 + 云 + 战略客户”的联盟框架。

Oracle 与 AMD 的合作就是一个典型例子。Oracle 在 2025 年 10 月 14 日宣布，OCI 将成为首个提供 AMD Instinct MI450 大规模公开集群的云服务商，首批部署计划是 50,000 颗 GPU，并从 2026 年 Q3开始落地。这种合作已经不是简单地“某家云厂商上线某款芯片”，而是在共同对外出售下一代 AI 基础设施能力。

AMD 自己的财务数据也显示，它已经实质性受益于这轮周期。AMD 在 2026 年 2 月 3 日披露，2025 财年总收入达到 346 亿美元，同比增长 34%；其中 Data Center 收入达到 166 亿美元，同比增长 32%。这并不足以说明 AMD 已经接近 NVIDIA，但足以说明第二供应商不再只是概念。

不过，AMD 的投资逻辑与 NVIDIA 并不相同。NVIDIA 的核心是确定性和控制力，AMD 的核心则是弹性和追赶空间。它的赔率来自份额提升的可能，风险则在于软件生态、客户迁移成本和大规模交付能力能否持续跟上。只要这几项不完全跑顺，市场就会反复把它重新估值为“备选方案”，而不是“标准平台”。

OpenAI：不是基础设施供应商，却在改写价值分配

OpenAI 与 NVIDIA、Oracle 并不处在同一层，但它在重新改写价值分配。它的重点不是卖算力，而是试图占据企业 AI 的入口、调用层和应用层。

OpenAI 最近一年最值得注意的，不是某个新模型，而是它的合作结构开始明显两线并进。一条线是继续向企业控制面贴近。2026 年 2 月 2 日，OpenAI 与 Snowflake 达成多年期合作，把 OpenAI 模型嵌入 Snowflake Cortex AI 与 Snowflake Intelligence。这意味着 OpenAI 在主动进入企业已有的数据控制面，而不是只把自己留在独立聊天产品或 API 层。

另一条线则是加深企业分发渠道。2026 年 2 月 23 日，OpenAI 正式推出 Frontier Alliances，把 BCG、McKinsey、Accenture 和 Capgemini 纳入统一框架；更早的 2025 年 12 月 1 日，OpenAI 与 Accenture 已经宣布深化合作。这说明 OpenAI 对企业市场的理解正在变化，它知道要规模化进入组织流程，仅靠模型 API 远远不够，还需要全球咨询与集成渠道。

这条路径和芯片-云联盟有一个本质区别。OpenAI 联合咨询公司的合作，本质更像“企业 AI 普及网络”；NVIDIA、Oracle、AMD 这些合作，则更像“AI 工业供给网络”。前者主要带来软件订阅、工作流改造和服务收入，后者主要带来芯片、云资源和基础设施扩容收入。两者都重要，但经济结构完全不同。

为什么 OpenAI 联合咨询公司，不等于 NVIDIA 式合作

这是今天很容易被混淆的一点。因为从新闻热度看，它们都很热；但从收入结构看，它们其实不在同一个池子里。

OpenAI 与咨询公司的合作，卖的是三件事：模型能力、企业试点落地和组织流程改造。咨询公司帮助客户理解场景、梳理需求、改造流程、完成交付，OpenAI 则提供模型与平台能力。这条链条的价值在于加速企业采用率，也有助于形成长期软件订阅，但它本质上仍偏向 opex 驱动。

芯片厂商与云厂商、数据平台的合作则不同。它们一旦成单，往往伴随更大的资本开支、更长的合同周期和更强的扩容惯性。客户不是只采购一个功能，而是在扩建计算能力、数据基础设施和企业 AI 运行环境。这种收入的粘性、金额和扩容潜力，通常都更强。

Accenture 自己披露的数据就能说明这一差异。根据其 2025 财年业绩，Accenture 生成式 AI 相关新签订单达到 59 亿美元，相关收入达到 27 亿美元，并较上一财年约增长三倍。这已经是非常强的增长，但和 NVIDIA、Oracle 在基础设施层动辄几十亿甚至上百亿美元的年度扩张相比，量级和利润结构仍然不同。

所以，OpenAI 与咨询公司的合作并不弱，但不能把它误读为芯片-云联盟的简单复制。它更接近“把 AI 接进企业组织”的渠道层红利，而不是“建设 AI 工业底座”的资本层红利。

国内：不是复制美国，而是形成自己的三条路线

中国市场的 AI 商业化，不会完全照着美国路径重演。原因并不神秘，而是约束条件不同。美国市场的主轴是超大规模算力投入、全球云分发和跨国企业采购；中国市场更强调国产替代、行业交付、私有化或混合部署，以及政企客户的长期治理需求。

因此，国内真正有代表性的，不一定是“谁最像 OpenAI”，而是“谁最有能力把算力、平台、行业场景和交付体系整合成可卖的方案”。在这个意义上，华为、阿里、百度分别代表了三条不同路径。

华为：最接近“国产全栈联盟”的玩家

华为的特殊性，在于它不是单点厂商，而是少数能同时覆盖芯片、云、网络、数据中心、行业方案和伙伴生态的公司。它的 AI 商业模式天然更像全栈方案，而不是单一产品售卖。

公开材料显示，华为在生态建设上的动作非常密集。华为官方长期页面披露，截至 2024 年底，其整体伙伴生态已超过 48,700 家；到 2025 年 9 月，华为云又披露全球伙伴数量达到 50,000。2025 年 3 月 5 日，华为云还宣布与全球伙伴联合推出二十多个行业解决方案。这些数字未必直接对应 AI 收入，但足以说明华为在用生态和行业合作拓展其 AI 商业边界。

华为的竞争力并不主要体现在“做一个最受欢迎的聊天应用”，而在于它能把 昇腾、云、网络、数据中心和行业集成能力放进同一张方案里。对于强调自主可控、本地部署和行业治理的客户来说，这是一条天然更适配的路径。华为占据的是后端系统控制面，而不是大众消费入口。

阿里：云、模型和开放生态的一体化打法

阿里的优势在于，它不只是一家云厂商，也不只是一家模型公司。它同时拥有云、开源模型生态、企业服务入口和大规模业务场景，因此它的 AI 路线天然更容易做成“云 + 模型 + 平台 + 应用”的组合。

财务数据已经清楚说明，AI 正在重写阿里云的增长曲线。阿里在 2025 年 8 月 29 日披露，截至 2025 年 6 月的季度里，阿里云收入同比增长 26%，AI 相关产品收入连续 8 个季度三位数增长；到 2025 年 11 月 20 日，阿里又披露阿里云收入同比进一步提升到 34%，AI 相关产品收入连续 9 个季度三位数增长。这个趋势的意义并不只是“云恢复增长”，而是 AI 已经开始成为云业务的新发动机。

阿里的合作结构也很值得注意。与 SAP 的合作，代表它在企业软件生态上发力；与 BMW、Bosch 这类合作，则说明它在汽车和制造场景推进 AI 平台化。换句话说，阿里不只是想卖模型，也不只是想卖云，而是在争取成为中国企业使用 AI 时的默认平台之一。

从投资角度看，阿里最值得追踪的，不是某次模型发布是否抢到舆论第一，而是 Qwen 生态影响力能否持续转成云收入、企业平台收入和行业客户黏性。如果这条链条逐步闭环，阿里的 AI 估值逻辑会比今天更清晰。

百度：更像 AI 云操作系统和行业智能体工厂

百度的路径与阿里和华为都不一样。它更像是在打造一套“异构算力调度 + 企业 AI 平台 + 行业应用落地”的组合。这条路的核心不在消费入口，而在企业和行业级系统能力。

百度最关键的公开信号来自两部分。一部分是财务，百度在 2025 年 5 月 21 日披露 AI Cloud 收入同比增长 42%，而此前 2024 年第四季度对应增速为 26%，说明这块业务在明显加速。另一部分是平台能力，百度官方材料披露，百舸 AI 异构计算平台 4.0 已具备成熟的 10 万卡集群部署和管理能力，并兼容多种芯片路线。

更重要的是，百度没有把这套平台停留在技术表述上。其公开案例已经覆盖央国企、能源、制造、金融等行业，且百度披露已有 65% 的央企与百度智能云展开深度合作。对中国市场来说，这类信号比单一模型榜单更重要，因为真正的大预算往往来自行业系统改造，而不是一款面向大众的 AI 产品。

百度的启发在于，它说明中国 AI 商业化真正的护城河，不一定是“唯一芯片”或“唯一模型”，而可能是“异构算力统一管理 + 企业平台 + 行业交付”。谁能把这三件事接到一起，谁就有机会在中国市场形成更厚的控制面。

收入与增长：哪些已经进入加速区，哪些仍在讲未来

从财务兑现看，这轮合作并不是全都停留在叙事层。最明确已经进入加速区的，是基础设施层。

NVIDIA 的财报已经不需要更多解释，它几乎就是这轮 AI 基础设施繁荣的最大证明。Oracle 则说明云厂商同样可以借 AI 获得更高增长与更大订单池。AMD 证明了第二供应商也能显著受益，只是仍未形成与 NVIDIA 对等的控制力。

第二个正在变厚的层，是企业数据和控制平面。IBM 的生成式 AI book of business 在 2026 年 1 月已超过 125 亿美元；OpenAI 与 Snowflake 的合作，则表明模型公司也在主动往企业数据层靠。未来很大一部分 AI 预算，不会只花在模型本身，而会花在怎么把模型安全、稳定、可审计地接进数据系统和工作流。

第三个增长很快但更分散的层，是咨询与集成。Accenture 的数据表明，这块收入确实在加速，且企业愿意为 AI 转型支付高额服务费。但这层的商业上限，更依赖交付组织、顾问能力和行业关系，它很难像算力和云基础设施那样形成近乎无限扩容的收入曲线。

国内市场也已出现类似加速，但兑现方式不同。阿里云从低个位数增长修复到 26% 再到 34%，百度 AI Cloud 从 26% 加速到 42%，都说明中国企业客户正在从试点转向更实质的采购。华为虽然没有像上市公司那样把 AI 云收入拆得足够细，但其生态扩张、行业方案和伙伴增长，也说明相关业务在加速升温。

不过，投资上必须把已经进入利润表的增长，与仍然停留在路线图上的规划区分开。像大规模 GPU 部署计划、多年合作协议、超大功率算力项目，都会强化市场信心，但它们不能简单等同于当期收入。真正严谨的跟踪方式，仍然是看季度收入、订单、RPO、bookings 和客户扩容节奏。

对中国企业的真正启发，不是“也做一个大模型”

对于中国企业来说，这轮产业演进带来的最大启发，不是再做一个聊天机器人，而是重新理解未来几年真正的竞争对象是什么。

第一，不要把 AI 理解成单点产品。未来真正能形成长期收入的，往往不是某一款孤立应用，而是“算力 + 数据 + 模型 + 工作流 + 行业交付”组合成的企业系统。

第二，企业侧真正要争夺的是控制面。谁能接住企业私有数据、权限体系、Agent 编排和业务流程，谁就更可能成为长期平台方。单纯在模型层打榜，远远不够。

第三，ROI 证据链会越来越重要。国外最有效的合作案例，往往不是抽象地说模型更强，而是明确给出时间节省、成本下降、准确率提升和人效改善。国内企业如果不能尽快形成这样的可量化样板，很多 AI 项目都会停在 PoC。

第四，纯模型公司必须尽快绑定渠道和场景。未来单卖模型的难度会越来越高，必须绑定云、数据库、办公平台、行业软件、集成商和交付网络。模型能力会持续重要，但它越来越像进入更大商业系统的门票，而不是终局。

最后的判断：未来两三年，看联盟位置比看单点能力更重要

把海外和国内放在一起看，结论其实很清楚。海外市场已经进入 AI 基础设施工业化阶段，NVIDIA 是当前最强的枢纽型公司，Oracle 是最值得重视的承接者之一，AMD 是最有弹性的挑战者，OpenAI 则在往企业入口和多边平台方向扩张。国内市场则正在进入全栈方案竞争阶段，华为、阿里、百度虽然走法不同，但都在争同一件事，也就是企业 AI 的控制点。

下一阶段最关键的问题，不会只是“谁的模型更聪明一些”，而是“谁能稳定占住企业 AI 的默认位置”。谁占住这个位置，谁就更容易拿到持续增长的收入、更多的生态伙伴和更高的资本市场溢价。

真正的赢家，不一定是发布会上最热闹的公司，而是那些能把 AI 嵌进企业真实系统、真实预算和真实工作流中的公司。