AI概念股有哪些？一文讀懂AI產業鏈的五大環節
目錄
「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——從賣芯片的英偉達（NVDA），到賣雲服務的微軟（MSFT），再到做大模型應用的百度（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，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，風險截然不同。
這篇文章的目的，是協助你建立一個更清晰的產業鏈框架：AI浪潮裏到底有哪些不同環節，港美股裏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（芯片、設備）
- 基礎設施層：搭建技術運行的物理環境（數據中心、網絡）
- 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、周期屬性各不相同。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：算力芯片
AI大模型的訓練和推理需要消耗大量並行計算能力，推動了對GPU（圖形處理器）和專用AI加速芯片需求的快速增長。
英偉達（NVDA） 目前是GPU市場的主要供應商，其H系列和B系列芯片被廣泛用於數據中心AI訓練和推理。AMD（AMD） 亦在推進自身的GPU產品線，爭奪這一市場。博通（AVGO） 則走了另一條路：為超大規模雲廠商（如谷歌、Meta）定制設計AI專用加速芯片（ASIC），同時提供AI數據中心所需的高速網絡芯片。
AI訓練還需要大量高帶寬內存（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：芯片製造與設備
芯片設計完成後，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，英偉達、AMD等公司的芯片幾乎都由台積電製造。ASML（ASML） 壟斷了生產先進芯片必需的極紫外（EUV）光刻機，是整個芯片產業鏈的關鍵瓶頸之一。應用材料（AMAT） 和 泛林（LRCX） 則在芯片製造設備領域佔有重要地位。
港股方面，中芯國際（0981.HK） 和 華虹半導體（1347.HK） 是中國內地主要的晶圓代工企業，被市場劃入本土半導體產業鏈概念，惟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能力最終需要通過雲計算平台對外提供服務。全球幾家超大規模雲廠商正以前所未有的規模擴張AI基礎設施，包括自建數據中心、自研AI芯片、採購外部GPU。
微軟（MSFT） 通過Azure雲及與OpenAI的深度合作提供AI服務；谷歌/Alphabet（GOOGL） 擁有Google Cloud和自研TPU芯片；亞馬遜（AMZN） 依托AWS提供大規模AI算力，並自研Trainium/Inferentia芯片；Meta（META） 大量使用GPU訓練自身開源大模型，是全球最大GPU採購方之一；甲骨文（ORCL） 在AI算力租賃市場增長較快，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：網絡與互連
超大規模AI數據中心內部，成千上萬塊GPU需要用極高帶寬的網絡連接起來，令數據中心網絡設備成為AI基礎設施中不可或缺的一環。
Arista（ANET） 以高性能以太網交換機見長，被廣泛部署在超大規模數據中心；博通（AVGO） 同時在網絡芯片和交換機方向有深度布局；Marvell（MRVL） 提供數據中心所需的多種定制網絡芯片。
此外，光互連技術（矽光子/CPO）正成為下一代數據中心網絡的重要方向，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）
中國互聯網和科技公司亦在積極布局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服務；阿里巴巴（9988.HK / BABA） 通過阿里雲提供大模型和AI平台服務；百度（9888.HK / BIDU） 是國內最早大規模推進大模型商業化的互聯網公司，旗下有文心一言等產品；商湯科技（0020.HK） 主要提供計算機視覺和大模型相關技術，被市場歸類為AI應用與基礎設施概念。
股票代碼與上市信息以最新為準。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：芯片、設備、雲端、網絡、應用，五個環節的商業驅動邏輯、周期位置、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增長。
「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，便將其歸入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相關收入佔比極小。識別這種差異，需要閱讀公司最新的財報、分業務段營收拆分，以及管理層對AI業務進展的具體表述，而不能僅憑市場分類標籤作判斷。
產業鏈上游不等於下游：賣鏟子的（芯片/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開支擴張，但亦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、相關業務佔營收多少，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，購買前需了解其持倉結構和費率。ETF同樣會跟隨整個板塊波動。具體產品信息可參考《半導體ETF》專題文章。
英偉達是否等於AI概念？ 英偉達是AI算力芯片的重要供應商，但AI產業鏈涵蓋的公司遠不止英偉達。把「AI概念」等同於某一家公司，會低估產業鏈的多樣性，亦會忽略其他環節的進展。
中國AI股和美國AI股有什麼本質分別？ 主要體現在：監管環境（數據合規、AI備案等）、技術生態（與國際開源社區的接入程度）、市場結構（以國內市場為主 vs 全球化）、以及股票的上市地和外匯因素。這些差異令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「分業務段營收」部分，看AI或相關描述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數據中心網絡架構；《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》文章討論了如何通過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。
本文僅供參考，不構成投資建議。