本 文 结 构
01先把"底层"是哪一层说清楚
02影响：三条链子在往下传
03危机：四件正在发生的事
04机会：五个还开着的窗口
05结论：如果你在这个行业里，该怎么重新定位
2026 年 8 月，有个人从阿里离职了。
他在阿里干了 11 年，做到了技术岗的最高一档，管的是"帮别的公司训练 AI"的那整套系统——你可以理解成一个公共的大工具箱，别的公司不用自己从零搭，直接拿来用。
他要创业做什么？不是做 AI 产品，不是做聊天机器人。
是做"更便宜、更省事地训练 AI"的那套底层工具。
同一个月，腾讯管芯片和算力的负责人也走了。
再往前几个月，华为、阿里、腾讯、字节，一批负责 AI 核心业务的人陆续离开。
国外也一样：在谷歌待了 27 年的杰夫·迪恩，AI 圈最有名的工程师之一，带着三个老搭档自己开公司，谷歌母公司还投了钱。
这些人的共同点很简单：不是往上做产品，是往下沉。
打个比方。开饭馆，前几年大家都抢着开临街的店，因为离客人近、来钱快。现在这批最会做菜的人，回头去建中央厨房、去包菜地、去修冷库了。
为什么要往回走？这就是这篇要讲的事。
不然后面全看不懂。AI 这个行业，简单分三层：
·最上面一层：你手机里用的那些 AI——聊天、画图、写文案。这是产品。
·中间一层：用 AI 做出来的各种行业方案，比如帮医院看片子、帮工厂排产。
·最下面一层：芯片、机器、机器之间的连线、降温、供电，还有让这一大堆东西协同干活的软件。
最下面这层，就叫"AI 底层"。 它不直接卖给普通人，但没有它，上面两层一个都跑不起来。
这一轮和 2023 年那次，不是一回事
2023 年那波，大家全挤在"做一个什么都能干的通用 AI"上，比谁模型大、比谁考试分数高，个个都想当"中国版 OpenAI"。
2026 年这一轮，几乎没人再碰那个了。
今年一季度，中国 AI 领域有近 600 笔融资，总额超过 1100 亿元，比去年同期涨了 185%。钱很多，但去处变了：
· 一部分人去做有身体的 AI，也就是机器人；
· 一部分人去做用 AI 搞科研，比如制药、材料；
· 还有一部分人，直接钻到最底下那层——芯片、机器、训练平台。
往下沉的，其实是两拨人
第一拨，从大厂出来的技术负责人。
他们带走的不是一个人，是一整个班子。原来一起干活的、一起踩过坑的，整组一起走。这一点后面还会说，很关键。
第二拨，国家队。
比如粤港澳大湾区大数据中心，它建的是一个公共底座：一个数据流通平台、一个专门负责"统一分配算力"的调度平台，再挂上一堆应用。
公开资料说，它接入的算力有 8350P。P 是算力的计量单位，1P 大概是每秒一千万亿次运算——8350P，你可以理解成一座很大的算力工厂。
这拨人不下场做 AI 产品，他们做的是"路"和"规矩"：算力怎么分、数据怎么合法地用、谁能用、多少钱一度。
那"下沉"到底改变了什么
一句话：它不是在底层多添了几个竞争对手，它把"什么算本事"重新定义了一遍。
以前，本事是"你能训出一个模型"。
现在，本事是"你能把一千块芯片连起来当一台电脑用、还不死机"、"你能让同一件事的成本只有别人的六成"。
还拿饭馆打比方：以前比谁会做菜。现在比谁能把一百口灶同时点着、不出一次火警、菜还按时端上桌。
大佬往下沉，沉的从来不是你的岗位，是价目表。
钱在往"确定"上砸
今年二季度，腾讯买设备建机房花了 528 亿元，接近去年同期的三倍；阿里 676 亿元；百度 114 亿元，涨了两倍多；字节把全年的预算上调到 2000 亿元左右。四家加起来，一年涨了八成以上。
关键不是数字大小，是钱怎么花。
这里得先插一句，不然看不懂后面的：AI 有两个动作。
训练，是"教它"，一次要很多机器一起算很久。
推理，是"用它"，用户每问一句话，它就得算一次。
训练像上学，推理像上班。
字节干了一件事：把"上学用的芯片"和"上班用的芯片"两条供应链完全拆开。
上学那一头，用国产高端卡；上班那一头，另找一家谈专用的，规模至少 5 万颗。
同时，用超过 400 亿元的单子，把某款国产卡近一半的产能先包下来。
这意味着什么？
大厂不是在"买算力"，是在"包场"。
订单一包就包到 2027 年。小公司去现货市场买，只剩两头：要么买最贵的新货，要么买最便宜的旧货。中间那段最好用的，被长约吃掉了。
传到做底层的团队身上，竞争就从"谁技术好"变成了"谁能拿到货"。
你方案再好，客户要的机器排到明年下半年，他就走了。
被搬走的不是人，是一整个班子
字节有个 AI 研究团队，一年走了近 70 个技术骨干，其中近 30 个去了腾讯。
华为那边更彻底：到今年 7 月，至少 15 位前高管出去做机器人公司，其中 9 位是华为招的顶尖应届生，12 个人自己开了公司。
这里有个容易忽略的点：走的不是一个人，是一个磨合好的组合。
一支 AI 团队真正的家底，不是简历，是那群人一起踩过的坑：
某个参数为什么慢了 30%、某种误差为什么跑到第七天才崩、上次机器集体罢工是怎么查出来的。
这些人一起走，等于把三年的经验打包带走了。
留下来的人要面对两件事：一是空出来的活，二是更狠的考核——因为老板刚花了两倍的钱去包产能。
估值不再看技术，看名字
最扎眼的一个例子。
阿里原来负责通义千问的技术负责人，今年 3 月离职，8 月宣布创业。
第一轮机构投资就是 2.2 亿美元，投完公司估值 20 亿美元。
公司没有产品，没有收入，工商注册刚满三个月。从第一次见面到签下投资协议，28 天。
同一批人里，华为盘古负责人的新公司，成立两周估值破 1 亿美元；腾讯一位科学家的新公司，第一轮拿到约 4 亿美元估值。
这套定价跟"技术先不先进"关系不大，它买的是确定：
这个人做过从零到千万用户的全流程，所以他做的事，失败的概率被认为更低。
问题就来了：如果你没有那个名字呢？
融资的门槛换了一套评分标准
以前技术团队还能靠"我们的东西比开源的快 40%"拿到第一笔钱。
现在投资人的算法变了。他们更愿意为一个"已经验证过的人"多付钱，因为底层技术验证太慢，他们看不清。
结果是一道很现实的坎：没有名字的团队，不是难度涨了两成，是换了考卷。
你原来准备的那套材料，现在没人看得懂，也没人有耐心看。
最难受的是中间那层
这批人流动里，最不好受的不是顶尖的，也不是刚入行的。
顶尖的人被整组挖走，还带着团队。
新人便宜、能熬、可塑。
中间这层——能独立扛一个模块，但还不到能定一条路线的人——处境是：不够贵到被挖，不够便宜到被留。
像三明治中间那层，上下都有东西压着。
更麻烦的是，他们的本事跟原来那台机器、那个团队绑得太紧。离开那个环境，很多经验会突然不好使。
技术路线被别人写进了进货单
看两个数。
今年上半年，中国数据中心里"非 GPU 加速器"的出货量涨了近 80%，第一次超过 GPU。
GPU 是英伟达那类通用加速卡；非 GPU，就是国产专用芯片这一类。
同期，华为昇腾在国内 AI 芯片拿到约 28% 的份额，跟英伟达的差距缩到 6 个百分点。
这不是口号，这是进货单变了。
进货单一变，技术路线就被重写了：上学用高密度整柜，上班用专用卡，中间靠软件把不同品牌的卡统一调度。
连带的东西全被抬起来了：
·液冷——用水直接给机器降温，因为风扇吹不动了。它的普及率从 2021 年不到 3%，到 2026 年预计 37%。
· 一台整柜的"内部连线速度"和"散热能力"，开始跟里面装什么芯片一样重要。
· 连变压器都成了瓶颈，广东、江苏的厂满产，数据中心订单排到 2027 年。
对做底层的团队来说，这是最隐蔽的危机：
你的技术如果不在别人的进货单上，你就没有客户。
不是产品不好，是没人会为了你单独开一条采购流程。
重资产正在变成重负债
过去三年最好卖的故事是"我手里有卡"。现在这个故事反过来了。
· 全国"智算中心"——名字听着唬人，其实就是专门算 AI 的机房——平均只有约三成的时间在干活；
· 三四线城市新建的国产算力集群，只有 10% 到 22% 在干活；
· 有的国产芯片集群，七八成时间都是闲着的；
· 高端卡（H100）的租金，从 2024 年初每小时 7 美元以上，跌到今年年中约 3.4 美元；
· 有数据中心的低端机柜，月租从 3 万元掉到不足 6000 元。
更麻烦的是时间对不上：
高端卡大约一年换一代，一座这样的机房，投的钱要 5 到 8 年才收得回来。等成本该收回的时候，手里的卡已经落后两代了。
而且这生意比囤芯片难熬。芯片能压仓库等涨价，机房不行。
机器闲一天，设备贬值的钱照算、电费照付，那一天就是彻底作废的一天。
监管也在收紧：今年前 9 个月，沪深交易所针对"算力"这件事发了 42 份以上的问询函——就是发函问一句：你这笔生意靠谱吗，钱从哪来，客户是谁。已经有公司因为 36.9 亿元的算力大单信息披露违规被立案。
算力不是资产，是会过期的东西。 它像生鲜，不像黄金。
做"换芯片也换不掉"的工程
国产芯片单颗的性能还有差距，这个短期补不上。但它能用"整体工程"补回来：
把很多卡装进一整柜、把卡和卡之间的连线做到最快、用水降温、管好供电、写好调度软件。
这些东西有个共同点：光换芯片解决不了，必须有人动手做工程。
液冷从 3% 涨到 37% 这条线，就是这个窗口的形状。
卖"把机器用满"的能力
行业里有个算法：实际能用的算力 ＝ 标称算力 × 效率 × 装满率。
现实是效率大概 0.6，装满率大概 0.5。一乘，标称 100% 的算力，真正用上的只剩 30%。
效率为什么低？卡和卡之间连线不顺。丢 0.1% 的数据包，算力就能掉一半。
装满率为什么低？客户的任务不够多，机器空在那儿。
那 70% 的浪费，就是产品。
当一个行业平均只用三成的时候，"帮你从三成做到五成"，比"再建一个新机房"值钱得多。
吃国产链条"还在爬坡"的红利
昇腾只有 28% 的份额，说明它的生态还没成熟。
爬坡期最缺的不是芯片，是配套的工程活：不同品牌的芯片怎么混着用、模型怎么从一个品牌搬到另一个品牌、两边算出来的数不一致怎么调平、机器半夜罢工怎么自己恢复、几千上万块卡怎么保证不掉线。
这些活不好看，但是刚需，而且只有真正管过大机器的人才干得了。
大厂能把产能包走，包不走这些经验。
被整体收编
这轮下沉有个副产品：想买团队的人变多了。
国家队和平台方要交东西，缺能落地的团队；大厂补短板，缺能直接上手的团队。
一个配合过三年、踩过坑、有交付记录的底层团队，是最容易被整包买走的。
被收编不是失败。在一个每年投入涨八成、产能被长约包死的市场里，有人愿意为你的"确定"付钱，本身就是一种退出方式。
跟着需求，往"用"的那一端走
结构已经反过来了。
今年二季度，租算力做"推理"——也就是让 AI 干活——的收入占 58.2%，第一次超过"训练"的 41.8%。到 6 月，全国在用的智能算力总量比去年涨了 177%，而"用"这一侧涨得比"教"快一倍多。
"用"的玩法和"教"完全不同：不比谁的峰值高，比每说一个字要花多少钱、多久回一句话、同时能服务多少人、会不会掉线。
这是更贴近生意的一层，也是底层能力最好变现的地方——因为客户算得很清楚：每百万字省下来的钱，都是净利润。
再往下还有一层：面向小微创业者的便宜算力和数据服务正在铺开。
这部分单笔小，但人多，而且极缺"帮我把这套跑起来"的人。
三句话说完
第一，大佬下沉不是来抢你的活，是来重新划"什么算本事"。
"你能不能训出模型"已经不是本事了；"你能不能让一千块卡稳定地当一台机器用、成本只有别人的六成"，才是。
第二，比的不再是"更强"，是"更满、更稳、更省"。
前三年比谁跑分高，接下来比谁的单位成本低、谁的机器不宕机、谁能把国产卡接得跟原厂一样顺。
第三，别人的进货单，就是你的技术路线图。
上学用整柜、上班用专用卡、配套靠水冷和连线——你不在那张单上，技术再好也没有采购入口。
给个人的三个动作
·把"我调过什么模型"改成"我交付过什么系统"。
写清楚：多大集群、稳定性多少、成本降了多少、搬家用了多久。这些能被打分，模型名字不能。
·补三块工程短板：不同芯片混着调、两边算的数得调成一致、机器出故障能自己定位和恢复。
这三块是国产链爬坡期最贵的能力，也最难被新人快速补上。
·把自己挂到一个"有真实客户"的底座上。
不管是国家队平台、行业机房，还是专门做"用"这一侧的优化，先有客户，再谈理想。
没有客户的技术，这轮里没有价格。
一句收束
这一轮最贵的不是卡，也不是模型，是——当所有人都在往下沉的时候，你手上有没有一块别人搬不走的东西。
资料与口径说明
· 高管离职与创业信息：综合 36 氪／投资界及行业公开报道整理，涉及阿里、腾讯、华为、字节、Google 等公开披露或媒体报道事项；具体估值与融资额以官方与投资方披露为准。
· 算力利用率、租金、回收期、监管问询数据：引自钛媒体／虎嗅相关报道及其中所引 IDC（一家市场研究机构）报告、《每日经济新闻》、上市公司公告。
· 大厂买设备建机房的投入、以及国产芯片数据：引自公开财报汇总及新华财经等媒体报道。
· 大湾区大数据中心相关：引自粤港澳大湾区门户网、南方+、中国经济新闻网及公开资料。
·本文为行业观察，不构成投资建议；政策与数据具时效性，发布前请再核一次原文。
〔作者署名 · 杨巍 华南跨境电子商务研究院〕
如果这篇对你有用，点个「关注、收藏、转发」
让更多做出海的人看到