Tesla 跨層案例
Tesla 不是不在圖裡；它主要落在應用層的自駕、Robotaxi 與 Optimus，同時往模型、AI 基礎設施與自研 AI 晶片延伸。這種公司比較適合標成「跨層垂直整合者」，不適合只放一個市佔率。
Tesla AI & RoboticsAI 五層價值鏈地圖
依黃仁勳「Energy → Chips → Infrastructure → Models → Applications」架構整理價值轉換與公開市場數據
AI Value Chain Explorer
從五層蛋糕切到產業鏈、產品類別、公司與產品，先建立可展開的產業鏈全景；市場數字與來源再逐項補齊。
產業鏈
產品類別
細節
五層架構
這不是單純分類表，而是能源一路轉成智慧與經濟價值的過程。百分比是該層可找到的代表市場指標，不代表整層總市佔。
價值轉換邏輯
黃仁勳的五層蛋糕更像一條生產線：不是「誰在哪一格」而已，而是看一家公司能把哪一層的投入，轉成上一層的能力與收入。
Energy
電力、散熱與土地，決定可生產多少智慧。
Chips
晶片把電力轉成高密度平行運算。
Infrastructure
資料中心與系統把晶片組成 AI Factory。
Models
模型把算力與資料轉成可調用的能力。
Applications
應用把模型能力轉成收入、效率與新產品。
SpaceX 跨層案例
SpaceX 可放在物理世界 AI 應用與基礎設施交界：火箭、衛星製造、發射與 Starlink 網路本身不是 NVIDIA 原圖裡的單一市場，但它們能承載自主系統、連網基礎設施與未來太空運算想像。
SpaceX UpdatesNVIDIA 金流追溯
從 NVIDIA 官方財報出發，看營收、毛利與成本池，再往下游追到客戶/需求來源，往上游追到晶圓、HBM、封裝與整機供應鏈。未揭露的單一公司金額不硬估。
載入 NVIDIA 金流資料中
NVIDIA Data Center / AI Factory 深挖
把「晶片」再拆成設計、晶圓、HBM、先進封裝、整機組裝；再往下游接到雲端、模型公司與應用。公開資料不會揭露完整 BOM 與合約價，所以這裡把「官方確認」、「市場估計」與「策略推論」分開標示。
Data Center 單季收入；其中 compute US$60.4B、networking US$14.8B。
NVIDIA 財報2026 Q1 GAAP gross margin，代表平台控制者能捕捉高毛利，但不等於每個供應商毛利。
CFO Commentary單一 rack 整合 72 顆 Blackwell Ultra GPU、36 顆 Grace CPU、37TB fast memory。
GB300 規格Data Center 約半數來自 hyperscale，另一半來自 AI cloud、industrial、enterprise、sovereign。
客戶分類一個 GB300 NVL72 rack 裡面大概有什麼
這是「資料中心裡的一個 AI Factory 模組」，不是單顆 GPU。NVIDIA 的價值不是只賣晶片，而是把 GPU、CPU、NVLink、InfiniBand/Ethernet、DPU、管理軟體一起變成可部署系統。
18xCompute trays
9xNVLink switch trays
72Blackwell Ultra GPUs
36Grace CPUs
130TB/s NVLink bandwidth
800GConnectX-8 / Quantum-X800
DPUBlueField-3 control / storage
8xPower shelves
LCLiquid cooling + facility power
- Compute：18 個 compute trays，組成 72 GPU / 36 CPU 的 rack-scale 系統。
- Scale-up fabric：NVLink + NVSwitch 讓一個 rack 內 72 顆 GPU 像單一巨大運算域。
- Scale-out fabric：Quantum-X800 InfiniBand 或 Spectrum-X Ethernet 連到多 rack / 多資料中心。
- Control plane：BlueField DPU、BMC、Mission Control、Run:ai 讓 GPU 變成可租、可排程、可維運的產能。
- Power / Cooling：高密度 rack 把瓶頸推到電力、液冷、配電與資料中心工程。
錢與毛利怎麼流
最簡化的理解：上游拿材料與製造毛利，中游拿系統整合與交付毛利，NVIDIA 拿平台與軟硬整合溢價，下游雲端把 CAPEX 轉成租用收入，模型/應用再把 token 轉成業務價值。
NVIDIA Data Center 2026 財年全年
US$193.7B
年度 Data Center 收入；compute US$162.4B、networking US$31.4B。
2026 Q1 supply commitment
US$119.0B
NVIDIA 揭露已鎖定庫存與產能，表示上游瓶頸會先反映在預付款、長約與供應承諾。
OpenAI / NVIDIA LOI
10GW / up to US$100B
大型模型公司把未來算力需求反向變成 NVIDIA 系統與電力容量需求。
- 晶片設計：NVIDIA 控制 GPU、CPU、DPU、NVLink、CUDA 與系統參考設計，是毛利最高的控制點。
- 製造瓶頸：TSMC 先進製程/CoWoS、HBM 供應商與封測產能拿到稀缺性溢價。
- 系統交付：Foxconn、Wistron、Dell、Supermicro 等把零件變成可交付 rack；通常營收大、毛利較薄，靠規模與速度。
- 雲端轉售：AWS、Azure、Google、Oracle、CoreWeave 等把 GPU cluster 變成租賃、reserved capacity、API 與託管服務。
- 應用變現：OpenAI、Anthropic、企業軟體、自駕/機器人，把 token 或模型能力變成訂閱、廣告、效率與新產品。
NVIDIA Data Center 供應鏈關係圖
下面是從 NVIDIA 角度看的「由上游到下游」。同一家公司可能跨多欄，例如 Microsoft 同時是雲端買家、OpenAI 基礎設施承載者、也有自研 AI 晶片。
1. 設計 / 平台
GPU、Grace CPU、DPU、NVLink/NVSwitch、InfiniBand/Ethernet、CUDA、AI Enterprise。
官方確認
TrendForce 估 2025 AI chip 市佔約 70%，但 2026 ASIC 比重上升會稀釋 GPU 份額。
市場估計
不是 NVIDIA 供應商，但會影響雲端客戶議價與下一代架構。
策略推論
2. 晶圓 / HBM / 封裝
NVIDIA 10-K 指出使用 TSMC、Samsung 等 foundries；TrendForce 4Q25：TSMC 70.4%、Samsung 7.1%。
官方 + 市場估計
TrendForce 估 2025 HBM：SK hynix 52.3%、Samsung 28.7%、Micron 19%。
市場估計
NVIDIA 美國製造計畫公開列出 TSMC、Amkor、SPIL 作為晶片/封裝/測試夥伴。
官方確認
3. Board / Server / Rack
NVIDIA 10-K 列出部分組裝、測試、封裝與 final product 夥伴；美國製造計畫列 Foxconn Houston、Wistron Dallas。
官方確認
Foxconn 在 AI server / rack 整合是關鍵代工角色，公開報導與公司說法多以約 40% 作為量級。
市場估計
把 NVIDIA reference architecture 做成可交付方案；CoreWeave 首批 GB300 部署即由 Dell、Switch、Vertiv 共同建置。
公開案例
4. Cloud / AI Factory 買家
NVIDIA 10-K 把直接客戶列為 ODM/OEM/CSP/model makers/SI 等，間接客戶包含 neocloud、企業與公部門。
官方確認
Omdia Q4 2025 雲端基礎設施服務收入口徑；這是下游客戶集中度 proxy，不是 NVIDIA 出貨份額。
市場估計
Azure 宣布 4,600+ GB300 GPU production cluster 支援 OpenAI；CoreWeave 宣布首批 GB300 NVL72 雲端部署。
公開案例
5. 模型 / 應用變現
買算力或透過雲端租算力，把 GPU cluster 轉成模型能力與 API 收入。
策略推論
Menlo 2025 企業 LLM spend 口徑；它衡量模型商收入結構，不等於底層 GPU 用量。
市場估計
這些公司不一定只買雲端 GPU；它們把模型放回車、機器人、工廠、衛星網路與企業流程。
策略推論
五層各自的子產業鏈
所以原本五層不是五家公司，而是五個產業群。晶片層尤其不是只有 NVIDIA：設計、製造、HBM、封裝、基板、測試與整機都會分走價值。
Energy
- 電力：utility、PPA、gas turbine、backup generation
- 配電：substation、switchgear、UPS、PDU
- 散熱：liquid cooling、CDU、heat exchanger
- 代表公司：Schneider、Vertiv、Eaton、Caterpillar、Delta
Chips
- 設計：GPU、CPU、DPU、ASIC、EDA/IP
- 製造：foundry、advanced node、mask、yield
- 記憶體：HBM3e/HBM4、LPDDR、NAND/SSD
- 封裝：CoWoS、interposer、substrate、assembly/test
Infrastructure
- 整機：board、tray、rack、power shelf、liquid loop
- 網路：NVLink、InfiniBand、Ethernet、optics
- 雲端：hyperscaler、neocloud、colocation
- 營運：orchestration、observability、capacity resale
Models
- 訓練：data、pretraining、post-training、evals
- 推論：serving、routing、cache、distillation
- 供應商：OpenAI、Anthropic、Google、Meta、Mistral、Cohere
- 價值：token、API、enterprise license、model fine-tune
Applications
- Horizontal：chatbot、coding、search、office copilot
- Vertical：healthcare、finance、legal、manufacturing
- Physical AI：robotics、自駕、factory automation、space/network systems
- 價值：訂閱、廣告、成本節省、產能提升、新產品
資料可信度
用來確認 NVIDIA 賣什麼、誰是直接/間接客戶、GB300 rack 裡有哪些元件、收入與毛利。
可用來量化各子市場，但分母不同，不能把百分比直接相加。
這些多半未公開；圖中只用公開資料推估價值位置，不假裝知道每張訂單。
市佔率資料表
用公司名稱、層級、或市場口徑搜尋。每列都有獨立來源與時間口徑。
| 層級 | 公司 / 群組 | 市佔率 | 市場口徑 | 時間 | 備註 | 來源 |
|---|
讀圖重點
這張圖把 AI 產業鏈拆成五個價值轉換步驟：能源決定可擴張上限，晶片把能源轉成算力，基礎設施把晶片組成 AI Factory，模型把算力轉成能力，應用把能力變成收入與效率。
能源
晶片
基礎設施
模型
應用
資料限制
「市佔率」在不同層級不是同一個分母。GPU、晶圓代工、HBM、雲端服務、模型 API、chatbot 使用量都各自是一個市場，所以這頁採用「同層內比較」與「口徑標示」來避免誤讀。
公司財務與架構標籤
這張列表跟上方 AI Value Chain Explorer 連動：切換層級、產業鏈、產品類別或搜尋時，下面會改成目前視角裡的公司。市值與營收統一用 USD；沒有資料的公司保留並標示待補。
目前視角：載入中
營收口徑：USD billions
資料：全部 · 地區：全部
| 公司 / 母公司 | 市值 | 股價 / 多期報酬 | 指數相關性 | 選取期間營收 | 完整年度營收 | 最近季度營收 | 公司 AI 曝險 / 市佔 / 資本支出指標 | 架構標籤 | 上游 | 下游 |
|---|---|---|---|---|---|---|---|---|---|---|
| 載入公司資料中 | ||||||||||
財務欄位是可擴充資料層；營收統一以 USD 呈現。
櫻桃排行總表
NVIDIA 五層蛋糕 evidence-chain 排序；沒有 verified NVIDIA relationship 的公司不列入正式櫻桃。
載入中
櫻桃公式：AI exposure + 瓶頸 + 競爭地位
甜度 v2.1：市場落差 + 基本面追上 - 補漲 / 資本強度
| 公司 | 櫻桃純度 | 甜度指數 | AI 純度 / proxy | 資料信心 | 股價 | 市值 | 完整年度營收 | 最近季度營收 | AI-cycle | 產品線 / 證據 |
|---|---|---|---|---|---|---|---|---|---|---|
| 載入櫻桃排行中 | ||||||||||
正式櫻桃只包含 NVIDIA evidence-chain；其餘 AI universe 公司需另列研究清單。
選擇一家公司以查看公司頁