2026 年被行业定义为物理 AI 商业化元年，人形机器人、自动驾驶、工业具身智能全面进入万台级量产周期。市场目光扎堆终端本体与云端大算力芯片，却忽略产业链中间层蕴藏的结构性红利。回顾数字 AI 发展历程，美光凭借 HBM 高带宽存储卡位算力与应用的中间枢纽，从周期存储厂商成长为万亿市值核心硬件龙头，验证了 “产业链中间基础设施” 的估值爆发逻辑。IDC 将物理 AI 产业链划分为上层应用、中间层软硬件底座、底层算力执行三层，其中中间层包含物理仿真平台、存算一体中间芯片、感知数据缓存、物理模型调度系统四大核心板块，是打通数字大模型与现实物理世界的唯一通道。当前行业普遍存在物理仿真成本高、虚实数据传输瓶颈、冯诺依曼架构算力损耗等痛点，中间层专用硬件与平台可系统性解决行业卡点。机构测算，2028 年物理 AI 中间层市场规模将突破 1200 亿美元，增速远超终端机器人整机；兼具专用存储、物理缓存、仿真调度一体化能力的厂商，将复刻美光依托 AI 存储崛起的产业路径，成为下一个全球硬件核心龙头。
一、复盘美光崛起：产业链中间枢纽是 AI 时代市值增长核心密码
美光科技 1978 年从小型 DRAM 厂商起步，长期受制于存储行业周期波动，直至数字 AI 浪潮重构算力基础设施需求，凭借卡位 GPU 与大模型之间的 HBM 存储中间环节完成估值跃迁。在 AI 训练集群架构中，HBM 作为连接计算核心与海量权重数据的中间载体，解决传统内存带宽不足、数据搬运能耗过高的行业痛点，成为所有 AI 加速器的标配硬件。
2026 财年美光交出业绩里程碑：单季度营收 414.6 亿美元，同比增幅 346%，毛利率逼近 85%，市值突破 1 万亿美元，彻底摆脱传统周期股估值框架，转型为 AI 算力基础设施核心资产。产业规律清晰印证：不直接面向终端客户、承担数据中转、算力适配、系统调度功能的产业链中间层硬件，最容易形成技术壁垒、锁定全行业客户、持续兑现高毛利。
当前全球数字 AI 赛道价值分配已定型：英伟达占据云端算力顶端，美光、SK 海力士、三星瓜分存储中间红利，终端大模型企业利润被上游硬件挤压；而全新爆发的物理 AI 赛道，价值分配格局尚未固化，中间层蓝海市场等待龙头诞生。
二、物理 AI 三层产业链拆解：中间层才是规模化落地的关键瓶颈
IDC 最新产业报告明确划分物理 AI 完整产业链三层结构，价值密度呈现 “中间层＞底层算力＞上层终端” 的特殊分布：
- 上层应用层：人形机器人、自动驾驶、工业机械臂、服务具身智能等终端整机厂商，市场空间广阔，但同质化竞争激烈，硬件集成环节毛利率持续走低；
- 底层基础设施层：通用 GPU、传感器、伺服电机、动力电池等标准化元器件，玩家众多，价格战压缩盈利空间；
- 中间软硬件底座层：产业承上启下核心枢纽，包含四大核心赛道 —— 物理仿真训练平台、物理场景专用存算一体缓存芯片、虚实交互数据中转硬件、物理动力学模型调度系统。
物理 AI 与传统数字 AI 最大差异在于：模型需要持续对接力学、惯性、视觉、触觉等真实物理参数，云端数字模型无法直接适配实体设备。行业普遍面临两大致命痛点：其一，线下物理实体测试成本极高，企业难以搭建百万级样本仿真环境；其二，传统冯诺依曼架构芯片在虚实数据交互过程中，90% 能耗消耗于数据搬运，无法满足机器人低延迟实时控制需求。
而物理 AI 中间层产品恰好针对性解决上述卡点：专用中间缓存芯片承接云端模型权重与终端感知数据，仿真平台替代线下实体测试，调度系统统一适配不同硬件执行单元，是所有物理 AI 厂商无法绕开的刚需基础设施。
三、中间层赛道空间测算：2028 年规模破千亿，国产厂商迎来替代窗口
多家头部机构联合测算，2025 年全球物理 AI 中间层市场规模约 320 亿美元，伴随人形机器人、智能工厂规模化落地，2026-2028 年复合增速超 45%，2028 年整体市场规模将突破 1200 亿美元，细分硬件芯片赛道增速达 60% 以上，成长弹性远超成熟的云端 HBM 存储市场。
赛道竞争格局目前处于早期阶段：海外仅有 Mythic、Rain AI 等初创企业布局存算一体中间芯片，工业仿真平台由少数海外工业软件巨头垄断；国内厂商在 DRAM 缓存、边缘存算芯片、轻量化物理仿真工具层面已实现技术突破，不存在海外绝对垄断格局，是国产半导体实现跨越式追赶的黄金赛道。
对比美光当年的成长机遇：数字 AI 存储赛道起步时，三星、SK 海力士已占据先发优势，美光属于追赶者；而物理 AI 中间层全球无绝对龙头，国产厂商可同步定义行业标准，复刻甚至超越美光的全球成长曲线。
四、谁能成为 “下一个美光”？中间层龙头的三大核心特质
结合美光依靠 HBM 崛起的发展经验，机构梳理出物理 AI 中间层潜在龙头的三大核心能力门槛：
- 跨层软硬件一体化能力：不能仅单一做芯片或仿真软件，需打通 “存储缓存 + 物理动力学调度 + 仿真工具” 全栈方案，如同美光同时布局 DRAM、NAND、HBM 全套存储产品，构建客户锁定壁垒；
- 适配全品类物理终端的通用化产品：产品兼容人形机器人、自动驾驶、工业机械臂多场景，避免单一应用周期波动，复刻美光服务全球 AI 服务器厂商的通用硬件逻辑；
- 持续迭代的底层硬件自研工艺：掌握存算一体、3D 堆叠缓存、模拟存储等核心工艺，自建或深度绑定先进封装产线，保障长期成本与性能优势，对应美光持续迭代 1γ DRAM、四代 HBM 产品的技术路线。
五、产业展望：资本加速布局中间层，硬件基础设施迎来价值重估
2026 年全球半导体一级市场资金流向出现明显转向：过去两年扎堆云端大算力 GPU 投资，今年超 60% 硬件融资集中于物理 AI 中间层存算芯片、仿真基础设施赛道。多家头部投资机构公开表示，物理 AI 终端整机竞争将快速内卷，而掌握中间层核心硬件的企业，将复制美光在数字 AI 时代的盈利与估值红利。
业内专家判断，未来 2-3 年内，物理 AI 中间层将诞生 1-2 家全球级硬件龙头企业，兼具国产自主替代、高增长赛道、刚需基础设施三重逻辑，有望成长为比肩美光的万亿市值半导体核心资产。
