AI 基础设施全栈图谱：95 个「卡脖子」节点分布解读

chokepoints.ai 上线了一份名为「chokepoints」的 AI 基础设施供应链交互式图谱，绘制了从原材料到终端应用的十大层级、580 个市场节点与 562 条依赖关系。其中 95 个节点被定义为「卡脖子（chokepoint）」——市场集中度足以令其所有者向下游单方面定价；另有 130 个节点处于「承压瓶颈（bottleneck）」状态。这一图谱把 AI 算力链条中真正稀缺的资源逐层揭开，也为投资者和从业者提供了审视行业风险的结构化坐标。

L0–L2：从稀土到晶圆制造的「最集中」地带

图谱将供应链自下而上划分为十层。最底层的 L0「原材料与开采」中，瓶颈并非矿藏本身，而是精炼环节：稀土分离、烧结钕铁硼磁体、镓、锗、石墨等高度集中于中国，并已面临出口管制；高纯石英则是整个半导体链的近单点依赖。

L1「半导体制造」是全图最集中的卡脖子集群：CoWoS 封装、EUV 光刻、晶圆检测、HBM 堆叠、ABF 基板与 EDA 工具均依赖全球一到两家供应商——ASML 独揽全部 EUV 光刻机，TSMC 承接绝大多数 5nm 以下先进制程。L2「计算硬件」中，虽然 NVIDIA 在加速器营收上占据 2026 年约 80–85% 的份额（2024 年峰值约 87%），但更紧的约束来自 HBM 内存、光通信激光器件以及机柜内正在向 48V/800V 演进的供电链路。

L3–L5：电力、电网与数据中心物理层

L3「发电」层的 2026 年急性约束是电力本身：燃气轮机交期长达多年，由三家整机厂寡头垄断；SMR 管线则卡在 HALEU 富集环节。L4「输电与电网」中，高压变压器与发电机升压变压器的交付周期以「年」计，受限于全球取向硅钢短缺，并网排队已成为决定数据中心落地的关键变量。

L5「数据中心物理」层面临的是 AI 改写规格的速度问题——为风冷机柜设计的设施如今必须全面改造为液冷，CDU、冷板、管汇及调试产能均供给不足，叠加审批周期，整个物理层的液冷供应链成为最紧的约束。

L6–L8：云、模型与应用层

L6「云与基础设施软件」是全图竞争最充分的一层：三大超大规模云厂商与一批 GPU 原生新云，加上开放算力经纪市场，阻止了任何持久的锁定；真正的供应约束并不来自云，而是来自其下方所有层级。L7「模型与基础实验室」中，闭源前沿实验室保持能力领先，开源权重模型正在缩小差距并拉低价格；可投资的边缘地带转向授权训练数据以及欧美监管强制要求的评估、红队与安全验证市场。L8「应用与推理」层直指行业核心疑问——2026 年逾 6900 亿美元的资本开支正先于终端收入落地，两者的缺口是上游所有投资人都必须回答的问题。

跨层执行能力：比资金更稀缺

图谱另设 LX「跨层赋能者与服务」，覆盖项目融资结构化、PPA 电力购买协议与并网专家等环节。结论是：资本并不匮乏，真正的速率限制器是能够把资本部署出去的执行能力——审批进度与熟练劳动力与资金同等稀缺。

整体来看，这份图谱的价值在于把 AI 行业讨论从「GPU 缺不缺」拉回到「整条链哪里最紧」：在算力之外，精炼能力、电网变压器、燃气轮机、液冷施工与并网许可等看似遥远的环节，正在共同决定 AI 基础设施的真实扩张速度。