101條目
六層模型：Closelook 如何繪製 AI 供應鏈地圖
Closelook 將整個 AI 基礎設施供應鏈劃分為六個功能層：矽層（光刻、晶圓製造、封裝）、記憶體層（HBM、DDR5、儲存）、網路層（互連、交換器、光學元件）、運算層（GPU、客製化 ASIC、CPU）、資料平台層（雲端基礎設施、資料庫、可觀測性），以及終端市場層（企業 AI、消費 AI、機器人）。每一層都有各自不同的競爭動態、瓶頸風險與投資特性。六層模型是 Functional Index 的結構骨架——每一個成分股都依其主要所屬層級分類。（註：在 2026-06-30 的重新調整中，Rubin 指數擴展為八層供應鏈框架，新增了 AI Factory 層與 Physical AI 層；本六層模型仍是有用的概念性入門介紹，後續的結構性研究可能會取代它。）
由英文原文自動翻譯。 閱讀英文原文 →
為何層級對投資者重要
多數投資者將「AI 股票」視為單一類別。但 AI 供應鏈是一個層次分明、結構深厚的體系，每一層都有不同的週期動態、利潤率結構與瓶頸風險。矽層（第一層）資本密集且交貨週期長。記憶體層（第二層）高度週期性，定價權波動劇烈。運算層（第四層）是 NVIDIA 主導的領域，但客製化 ASIC 正在興起。了解自己投資的是哪一層,決定了你的風險特性。
Functional Index 獨立追蹤全部六層。當第一層（矽層）表現優於第四層（運算層）時，這代表供應鏈正在提前於需求進行建置——這是健康的領先指標。當僅有第四層獨自領先時，則暗示需求集中而缺乏廣泛供應鏈的確認。
六個層級
第一層 — 矽層：ASML、TSMC、Applied Materials、Lam Research、BESI。光刻、晶圓製造、封裝。物理基礎。交貨週期最長，資本密集度最高。
第二層 — 記憶體：Micron、SK Hynix、Samsung Memory。HBM、DDR5、儲存。最具週期性的層級。HBM 定價是 AI 需求健康度的關鍵訊號。
第三層 — 網路：Broadcom、Arista、Marvell、Coherent。互連、交換器、光學元件。運算節點之間的連結組織。隨著叢集規模擴大，瓶頸日益嚴重。
第四層 — 運算：NVIDIA、AMD、Intel、Google TPU、AWS Trainium。GPU、客製化 ASIC、推論加速器。最受關注的層級，但並非唯一重要的層級。
第五層 — 資料平台：Snowflake、Datadog、Confluent、Elastic。雲端基礎設施、資料庫、可觀測性。代理程式與 AI 應用程式運行的軟體層。
第六層 — 終端市場：Tesla、Apple、Meta、企業部署者。AI 與現實世界交會之處。整條供應鏈的需求面指標。