AI概念股有哪些？一文讀懂AI產業鏈的五大環節

「AI概念股」這個詞每天都能看到，但它其實是一個極度寬泛的標籤——從賣晶片的輝達（NVDA），到賣雲端服務的微軟（MSFT），再到做大型語言模型應用的百度（9888.HK），都可以被市場貼上這張標籤。把這些公司放進同一個籃子，就好比把煉油廠、加油站和汽車廠統稱為「汽車相關股」——它們受不同因素驅動，風險完全不同。

這篇文章的目的，是幫你建立一個更清晰的產業鏈框架：AI浪潮裡到底有哪些不同環節，港美股裡有哪些公司被市場劃入這些環節。

為何AI概念股需要按產業鏈來理解

當一項技術進入大規模商業化階段，圍繞它形成的產業鏈通常會分成幾個截然不同的層：

基礎材料層：提供最底層的技術組件（晶片、設備）
基礎設施層：搭建技術運行的實體環境（資料中心、網路）
平台/雲端層：匯聚算力並以服務形式對外輸出
應用層：在平台上構建面向用戶的產品和服務

這四層的商業模式、資本密集度、景氣循環屬性各不相同。簡單地說「AI概念股都一樣」，會忽略掉這些關鍵差異。

產業鏈環節一：算力晶片

AI大型語言模型的訓練和推論需要消耗大量平行計算能力，推動了對GPU（圖形處理器）和專用AI加速晶片需求的快速增長。

輝達（NVDA） 目前是GPU市場的主要供應商，其H系列和B系列晶片被廣泛用於資料中心AI訓練和推論。AMD（AMD） 也在推進自身的GPU產品線，爭奪這一市場。博通（AVGO） 則走了另一條路：為超大規模雲端廠商（如Google、Meta）客製設計AI專用加速晶片（ASIC），同時提供AI資料中心所需的高速網路晶片。

AI訓練還需要大量高頻寬記憶體（HBM），美光（MU） 是HBM的主要供應商之一。

以上公司名單僅供了解產業格局，非推薦、非窮舉。

產業鏈環節二：晶片製造與設備

晶片設計完成後，需要先進的製造工藝才能生產，背後還依賴一條精密的設備與材料供應鏈。

台積電（TSM，美股ADR；2330，台股） 是全球最主要的先進製程晶圓代工廠，輝達、AMD等公司的晶片幾乎都由台積電製造。ASML（ASML） 壟斷了生產先進晶片必需的極紫外光（EUV）微影機，是整個晶片產業鏈的關鍵瓶頸之一。應用材料（AMAT） 和 泛林（LRCX） 在晶片製造設備領域也佔有重要地位。

港股方面，中芯國際（0981.HK） 和 華虹半導體（1347.HK） 是中國大陸主要的晶圓代工企業，被市場劃入本土半導體產業鏈概念，但所處製程節點和市場定位與台積電存在差異。

以上公司名單僅供了解產業格局，非推薦、非窮舉。

產業鏈環節三：雲端與算力基礎設施

AI能力最終需要透過雲端運算平台對外提供服務。全球幾家超大規模雲端廠商正以前所未有的規模擴張AI基礎設施，包括自建資料中心、自研AI晶片、採購外部GPU。

微軟（MSFT） 透過Azure雲端及與OpenAI的深度合作提供AI服務；Google/Alphabet（GOOGL） 擁有Google Cloud和自研TPU晶片；亞馬遜（AMZN） 依托AWS提供大規模AI算力，並自研Trainium/Inferentia晶片；Meta（META） 大量使用GPU訓練自身開源大型語言模型，是全球最大GPU採購方之一；甲骨文（ORCL） 在AI算力租賃市場成長較快，主要面向企業客戶。

以上公司名單僅供了解產業格局，非推薦、非窮舉。

產業鏈環節四：網路與互連

超大規模AI資料中心內部，成千上萬塊GPU需要用極高頻寬的網路連接起來，使資料中心網路設備成為AI基礎設施中不可或缺的一環。

Arista（ANET） 以高效能乙太網路交換機見長，被廣泛部署在超大規模資料中心；博通（AVGO） 同時在網路晶片和交換機方向有深度佈局；Marvell（MRVL） 提供資料中心所需的多種客製化網路晶片。

此外，光互連技術（矽光子/CPO）正成為下一代資料中心網路的重要方向，相關產業鏈可參考《矽光子概念股》和《CPO概念股》專題文章。

以上公司名單僅供了解產業格局，非推薦、非窮舉。

產業鏈環節五：中國AI（港股及ADR）

中國網路和科技公司也在積極佈局AI能力，部分公司在港股上市或以ADR形式在美股交易。

騰訊（0700.HK） 將AI能力整合進微信生態及企業雲端服務；阿里巴巴（9988.HK / BABA） 透過阿里雲提供大型語言模型和AI平台服務；百度（9888.HK / BIDU） 是中國最早大規模推進大型語言模型商業化的網路公司；商湯科技（0020.HK） 主要提供電腦視覺和大型語言模型相關技術，被市場歸類為AI應用與基礎設施概念。

股票代碼與上市資訊以最新為準。以上公司名單僅供了解產業格局，非推薦、非窮舉。

看「AI概念股」需要注意什麼

AI概念極度寬泛：晶片、設備、雲端、網路、應用，五個環節的商業驅動邏輯、景氣循環位置、競爭格局完全不同。一家公司被貼上「AI概念」標籤，不代表它能從AI浪潮中獲得同等程度的收入成長。

「概念」和「實際營收」之間有很大距離：市場有時會因為一家公司在業務上稍微沾邊AI，就將其歸入AI概念板塊。但這家公司的主營業務可能仍然是其他領域，AI相關收入占比極小。辨別這種差異，需要閱讀公司最新的財報、分業務部門營收拆分，以及管理層對AI業務進展的具體說明，而不能僅憑市場分類標籤判斷。

產業鏈上游不等於下游：賣鏟子的（晶片/設備）和用鏟子挖礦的（AI應用）是兩種截然不同的生意。上游通常先於下游受益於資本支出擴張，但也可能先受到需求放緩的衝擊。

估值波動與概念炒作：AI相關板塊歷史上經歷過多輪高預期驅動的估值擴張與收縮，市場情緒對股價影響顯著，並不總是與公司基本面同步。

被劃入某個概念 ≠ 該業務就是這家公司的主要營收來源；某家公司是否真正涉及、相關業務占營收多少，需要你自己查閱其最新財報與公開資料。

常見問題

AI概念股是否買ETF更穩妥？ ETF可以分散單一公司的風險，但不同AI主題ETF的成分股和比重差異很大，購買前需了解其持股結構和費用率。ETF同樣會跟隨整個板塊波動。具體產品資訊可參考《半導體ETF》專題文章。

輝達是否等於AI概念？ 輝達是AI算力晶片的重要供應商，但AI產業鏈涵蓋的公司遠不止輝達。把「AI概念」等同於某一家公司，會低估產業鏈的多元性，也會忽略其他環節的進展。

中國AI股和美國AI股有什麼本質差異？ 主要體現在：監管環境（資料合規、AI備案等）、技術生態（與國際開源社群的接入程度）、市場結構（以國內市場為主 vs 全球化），以及股票的上市地和匯率因素。這些差異使兩邊的風險來源並不相同。

AI產業鏈哪個環節最「確定」？ 沒有任何環節是確定的，所謂「確定性」在市場上通常已被定價。各環節的營收兌現節奏、競爭格局、技術路線切換風險都需要獨立評估，不應直接套用他人結論。

如何判斷一家公司是否「真正」涉及AI？ 最直接的方法是閱讀其最新年報（Annual Report / 10-K）或季報，找「分業務部門營收」部分，看AI或相關業務實際貢獻了多少收入，以及管理層對未來的具體展望，而不是僅靠新聞標題或板塊標籤判斷。

延伸閱讀

如果你想深入了解AI算力基礎設施中的特定技術方向，可以進一步閱讀《矽光子概念股》，了解光互連技術如何改變資料中心網路架構；《CPO概念股》專題則聚焦共封裝光學在AI交換機上的具體應用。《半導體ETF》文章討論了如何透過ETF方式接觸半導體產業鏈的整體表現。

本文僅供了解產業結構，不構成任何個股的推薦或投資建議。

AI概念股有哪些？一文讀懂AI產業鏈的五大環節

相關閱讀