首页/ 产业地图

你处在 AI 产业的哪一层？

AI 不是一个市场，是一座九层的塔。从最底层的硅与电，到最顶层的你与你的客户。每一层的价值捕获、进入门槛、机会窗口都不一样——选错层，再努力也无效。这张图帮你定位。

L1 NVIDIA 市值

$3T+

全球最大公司之一

L4 单次训练成本

$100M+

前沿模型门槛

L6/L7 indie 项目

最大机会

个人 / 小团队主战场

L9 用户

~100%

所有人最终的位置

九层堆栈

从下往上读：每一层都建立在下一层之上，每一层也在上一层那里捕获价值。

9
USERS
用户与场景Users & Use Cases
最终价值流向的地方。个人、团队、企业、社会——所有 AI 的努力，最终要在这里产生效用。
价值捕获
最终归宿
进入门槛
0
竞争密度
不竞争 · 用
个人机会
最大
代表角色学生知识工作者教师研究者设计师高管中小企业主公务员社会大众
关键挑战学习曲线、习惯改造、识别真假信息、隐私担忧、对工作替代的焦虑。
你在这里？你是 AI 的"普通用户"，不写代码也不做产品，但你的每次使用、每次反馈、每次抵触，都在塑造这个行业的方向。
→ 学生 / 新手方案· 高管方案
8
APPS
应用产品Vertical Apps
把 AI 能力打包成具体场景的产品。这是普通用户能直接看到的"AI"——也是创业者最拥挤的战场。
价值捕获
高但分化
进入门槛
中
竞争密度
极高
个人机会
大
代表玩家（按场景）PerplexityCursorGitHub CopilotReplit Agentv0 (Vercel)HarveyGleanSierraDevinEleven LabsRunwayMidjourneyJasperAbridgeKhanmigoKimi (Chat)智谱清言文心一言豆包
关键挑战找到"AI-first 真需求"避免被嘲讽为"wrapper"；客户教育成本；面对基础模型公司的下沉竞争（OpenAI 不断自营产品）；产品差异化。
你在这里？你是 AI 产品的创业者 / 产品经理 / 设计师，把模型能力包装成普通用户能用的形态。
→ 创业者方案· 产品经理方案
7
DEV TOOLS
开发工具与 Agent 引擎Developer Tools & Agent Runtimes
面向开发者的工具：编码 Agent、IDE 集成、Agent SDK、Skill / Hook 生态。这一层定义了"AI 工程师怎么干活"。
价值捕获
高且增长快
进入门槛
中高
竞争密度
高
个人机会
极大
代表玩家Claude CodeGitHub CopilotCursorWindsurfpi-coding-agentopencodecodexAiderSweepDevinReplit AgentOpenAI Agents SDKLangGraphCrewAIAutoGen
关键挑战基础模型公司下沉风险（OpenAI Operator、Anthropic 自营 Skills）；开发者反复在不同工具间迁移；与编辑器 / 平台的绑定。
你在这里？你做 Agent 工具、SDK、扩展、Skill 生态。aicourse 也在这一层——课程产品是教别人用好这层。
→ 工程师方案· 创业者方案· 看看 aicourse 现有的 Agent 项目分析
6
MIDDLEWARE
中间件与编排Middleware & Orchestration
连接模型与应用的"管道"——框架、向量数据库、可观测性、工作流引擎、MCP 服务器。粘合的活，不光鲜但必要。
价值捕获
中（分散）
进入门槛
中
竞争密度
高
个人机会
极适合小团队
代表玩家LangChainLlamaIndexPineconeWeaviateQdrantChromaLangSmithHeliconeLangfuseTemporalInngestMCP serversMem0Anthropic Skills
关键挑战"被两面挤压"——上面应用层在内化（自建 RAG）、下面模型层在做平台（Anthropic Skills / OpenAI Assistants）。"Dumb pipes" 风险。但碎片化也意味着小团队还有空间。
你在这里？你做框架、向量库、可观测工具、Agent runtime 组件。这层最适合独立开发者，因为不需要 GPU 也不需要垄断市场。
→ 工程师方案· 创业者方案
5
INFERENCE
推理服务Model Serving & Routing
把模型权重变成可调用的 API。模型方自营 + 第三方推理服务 + 聚合 / 边缘部署，三类玩家挤在同一层。
价值捕获
中（被压缩）
进入门槛
中高
竞争密度
高
个人机会
中（专门化）
代表玩家OpenAI APIAnthropic APIGoogle VertexAzure OpenAIAmazon BedrockGroqCerebrasFireworksTogether AIOpenRouterVercel AI GatewayCloudflare Workers AIDeepInfra阿里 PAI硅基流动
关键挑战差异化困难——大家跑同一批开源 / 闭源模型；利润率被价格战压低；可靠性、延迟、地理覆盖是真壁垒。
你在这里？你是推理优化工程师、平台工程师、SRE，让模型 7×24 跑得稳跑得快。
→ 工程师方案
4
MODELS
基础模型Foundation Models
从数据里训出来的"大脑"。整个 AI 行业里最贵、最集中、最赢家通吃的一层。
价值捕获
极高但收敛
进入门槛
$100M+
竞争密度
15-20 家
个人机会
几乎为零（自研）
代表玩家OpenAIAnthropicGoogle DeepMindMeta (Llama)xAI (Grok)MistralCohereRekaDeepSeekQwen (阿里)Moonshot (Kimi)智谱 (GLM)MiniMax百川阶跃
关键挑战资本回报压力（巨额训练成本能不能赚回来）；差异化越来越难；能耗与碳排；监管。开源 vs 闭源之争决定下游生态。
你在这里？你是 ML 研究员、训练工程师、对齐研究者。自研基础模型基本只属于少数巨头；但微调 / 蒸馏 / 评测对中型公司与研究者仍然可行。
→ 研究者方案
3
DATA
数据与训练管线Data & Training Pipeline
模型的"食物"。预训练用的网络数据、对齐用的人类反馈、评估用的高质量基准——数据是真正的护城河。
价值捕获
中高
进入门槛
中
竞争密度
中
个人机会
垂直高质量数据
代表玩家Common CrawlScale AISurge HQSnorkel AIHugging Face DatasetsLabelboxArgillaReddit (data deals)X / TwitterGetty ImagesShutterstock
关键挑战版权与诉讼（NYT vs OpenAI 等）；隐私合规；标注劳动伦理；长尾 / 多语种 / 高质量数据稀缺。AI 生成数据污染。
你在这里？你是数据工程师、标注负责人、数据科学家、AI 合规法务。或者你拥有垂直领域独家数据（医疗、金融、法律、本地化）——这是少数能跟基础模型方议价的位置。
→ 研究者方案· 工程师方案
2
COMPUTE
算力与云Compute & Cloud Platforms
把硬件变成可租用的 GPU 小时。AI 时代的"自来水公司"——所有上层都向它付租金。
价值捕获
高
进入门槛
数十亿美元
竞争密度
3+ 巨头 + 长尾
个人机会
极低（套利除外）
代表玩家AWSMicrosoft AzureGoogle CloudOracle CloudCoreWeaveLambdaCrusoeRunPodVast.aiModalReplicate阿里云华为云腾讯云
关键挑战GPU 供应短缺与价格波动；利用率提升（GPU 闲置 = 烧钱）；电力 / 散热 / 选址；地缘政治对芯片流通的影响。
你在这里？你是云架构师、SRE、DevOps、数据中心运维。机会窗口：GPU 调度优化工具、跨云 GPU 价差套利、专门服务某个垂直的小云。
→ 工程师方案
1
PHYSICAL
物理层 · 芯片 · 能源Silicon · Power · Foundry
所有 AI 的物理基础。芯片设计、晶圆代工、HBM 内存、网络互连、数据中心电力——AI 的"宇宙物理常数"。
价值捕获
极高（NVIDIA $3T）
进入门槛
国家级
竞争密度
寡头（< 10 家）
个人机会
仅就业岗位
代表玩家NVIDIAAMDIntelBroadcomTSMC (代工)Samsung FoundrySK Hynix (HBM)MicronCerebrasGroqSambanovaTenstorrentEtchedASML (光刻)海光寒武纪华为昇腾摩尔线程中芯国际
关键挑战制造工艺天花板（3nm/2nm 越往下越难）；HBM 内存供应；电力总量（一个 AI 数据中心耗电 = 一座城市）；地缘政治与出口管制；NVIDIA 一家独大下的反垄断压力。
你在这里？你是芯片设计工程师、EDA 工程师、半导体物理学家、电力系统专家。这一层个人创业几乎不可能，但就业机会丰厚且长期稳定。
→ 研究者方案

交叉对照 · 层 × 受众

每一层对应哪些受众？反过来，每类受众应该关注哪几层？

层	核心活动	最相关受众	aicourse 推荐方案
L9 · 用户	用 AI、识别风险、影响他人用	学生 · 高管 · PM · 任何人	学生/ 高管
L8 · 应用	把 AI 包装成场景产品	创业者 · PM · 设计师	创业者/ 产品经理
L7 · 开发工具 ⭐	做 Agent / IDE / SDK / Skills	工程师 · 创业者 · DevX 专家	工程师/ 创业者
L6 · 中间件 ⭐	做框架 / 向量库 / 可观测性	工程师 · 独立开发者	工程师
L5 · 推理服务	跑 API、调度、优化延迟	平台工程师 · SRE	工程师
L4 · 基础模型	预训练 · 微调 · 对齐 · 评测	研究者 · ML 工程师	研究者
L3 · 数据	采集 · 清洗 · 标注 · 评测集	数据工程师 · 研究者 · 法务	研究者/ 工程师
L2 · 算力	GPU 调度 · 云架构 · 数据中心	SRE · 云架构师	工程师
L1 · 物理	芯片设计 · 制造 · 电力	半导体 / 硬件工程师	研究者

⭐ 标记的两层是个人与小团队最有机会的位置——无需海量资本，又能直接服务上层巨大需求。

9 个关键洞察

读完整张图，这几件事值得记住。

INSIGHT · 01

越底层越赚钱，但越没你的位置

L1-L4 (硬件、云、数据、模型) 捕获了行业 80% 的利润，但需要数十亿到数千亿美元资本。普通人和小团队几乎没有创业入场券。

INSIGHT · 02

中间层（L6-L7）是真正的 indie 战场

中间件与开发工具不需要 GPU，不需要垄断市场，可以靠开源 / 订阅 / 增值服务做小而美。pi-coding-agent、opencode、aicourse 都在这层。

INSIGHT · 03

应用层（L8）拥挤但仍有 niche

通用赛道（搜索、写作、编码）已被巨头占据。机会在垂直行业（法律、医疗、教育、特殊场景）+ 本地化（中文、东南亚、欧洲）。

INSIGHT · 04

基础模型方在"下沉吃掉中间层"

OpenAI 推 Assistants / Operator，Anthropic 推 Skills / Claude Code，Google 推 Vertex Agent。中间件与开发工具长期会被压缩，但短期是黄金期。

INSIGHT · 05

L9（用户）才是终局价值

所有 L1-L8 的努力，最终要在 L9 产生效用。学不会用 AI 的人，与其他层的人差距会以可怕的速度拉开。

INSIGHT · 06

开源是中间层与下游的"护身符"

Llama / DeepSeek / Qwen 等开源模型让 L5-L8 的玩家不至于完全受制于 OpenAI/Anthropic。关注开源动态 = 关注自己的可选项。

INSIGHT · 07

数据是少数能跟巨头议价的资产

L3 的垂直独家数据（医疗病历、法律文档、企业专有日志）让中型公司有机会反向授权给 L4。这是少数"小可以撬动大"的位置。

INSIGHT · 08

中国玩家在每一层都有重要存在

L1 海光/华为昇腾、L2 阿里/华为云、L4 DeepSeek/Qwen/Kimi、L8 豆包/文心一言。但顶端硬件仍受出口管制影响，长期影响全栈。

INSIGHT · 09

你不必只在一层

最佳定位是主在一层 + 关心相邻两层。比如做 L7 工具，但理解 L6 中间件和 L8 应用场景；做 L9 用户，但理解 L7/L8 在做什么。这就是 aicourse 设计课程的逻辑。

现在，你在哪一层？

看完九层堆栈，找到你最像的那个位置——再回头看 6 类受众方案，匹配最适合你的课程 + 方法 + 配套软件组合。

查看 6 类受众方案 →浏览课程与方法