主权AI不是模型问题，而是供应链问题

AI投资往往让人联想到一组特定的公司：英伟达、AMD、SK海力士、三星电子和ASML。这些公司无疑是AI基础设施的核心。然而，这次我们需要从稍微不同的角度审视。AI市场近期发生了一个重大变化：前沿AI模型不再仅仅被视为软件产品，而是开始被看作类似半导体的战略资产。随着模型访问权限可以被控制并限制特定国家或用户的认知增强，政府和公司自然开始问一个问题：“我们使用的AI明天还能继续运行吗？”这个问题将围绕主权AI的讨论提升到了新的水平。

到目前为止，主权AI在很大程度上类似于一个口号：“我们必须开发自己的基础模型。”然而，它很可能在未来演变成一个更实际的问题。主权AI的本质不在于开发专有模型，而在于训练、运行、验证和保护这些模型所需的供应链有多少能在本国或盟国内获得。从这个角度看，主权AI不仅仅是AI软件主题，而是一个从GPU、HBM、代工、封装、设备、材料、电力、冷却、光通信到下一代存储器的全球供应链重组主题。

学习需求并未结束，其上限正在重新上升 近期市场上流行一种非常简单的关于AI需求的逻辑：学习用GPU，推理用CPU。当然，现实复杂得多。GPU也用于推理，学习需要CPU、内存和网络。然而，投资者对市场的理解通常遵循这一框架。某种程度上，这确实正确。前沿模型训练已被美国和中国少数公司主导。OpenAI、Google、Anthropic、Meta、xAI以及一些中国科技巨头和模型公司处于学习竞赛的中心。因此，市场自然开始思考：“学习已达到一定阶段，接下来推理需求将是关键，对吗？”我原则上同意这个方向。随着AI扩展到实际服务，推理需求自然会增长。随着代理、搜索、编程、机器人、设备端AI和企业AI工作流的增加，推理基础设施的日常运行变得至关重要。

然而，主权AI再次改变了这一动态。以前，只有美国和中国专注于创建前沿基础模型。但如果G20国家各自决定“我们必须拥有至少最低限度的AI基础设施”呢？并非每个国家都能直接构建GPT级别的模型，但基于本地语言和本地数据训练和调整模型，用于国家政府、国防、金融、法律、医疗和公共系统的需求可能会增加。关键不在于他们能否构建最好的模型，而在于避免完全依赖外国模型的趋势。这将成为重新点燃GPU市场的燃料。

主权AI不是关于专有模型，而是关于专有供应链 这是核心观点。主权AI始于模型主权，但最终通向供应链主权。要直接构建AI模型，需要GPU；要使用GPU，需要HBM；要制造HBM，需要先进封装和测试设备；要制造芯片，需要代工厂和光刻设备；要运行代工厂，需要晶圆、光刻胶、特种气体和化学材料；要运营数据中心，需要电力、冷却、光通信、变压器和电力控制系统。最终，主权AI不会止步于“让我们创建自己国家的模型”，而是引出问题：“我们所依赖的AI供应链，谁掌握着停止开关？”

从这个角度，仅关注美国和韩国股票视野太窄。我们还必须考虑日本、台湾、中国和欧洲。日本尤其可能拥有较少的领先AI软件公司，但在半导体设备和材料供应链中不可或缺。台湾则拥有台积电等关键代工厂。主权AI推动的供应链重组将惠及整个生态链上的企业。