AI财富密码：20美元订阅费背后的产业重构

当你在 ChatGPT 或 Claude 的结账页面按下确认，每月支付 20 美元的订阅费时，这笔钱究竟流向了哪里？在公众的视野中，这似乎是一场属于大模型公司的狂欢，但顺着资本的洋流向下溯源，一幅截然不同的财富分配版图正浮出水面。

当下的市场充斥着对于“错失 AI 时代”的焦虑，各类技术名词与暴涨的财报数字交织，构成了巨大的信息噪音。本期导读基于播客《Day1Global 生而全球》对斯坦福大学工程学院春季课程《AI 超级周期经济学》（MS&E 435）的深度拆解 。这门由硅谷顶尖投资机构 Altimeter Capital 合伙人主讲的课程，初衷异常现实，斯坦福的毕业生中，一半将投身 AI 创业，而另一半将成为风险投资人，他们必须厘清，在这个正席卷全球的超级周期中，真正的商业杠杆究竟握在谁的手里 。

本文专为试图穿越技术迷雾、寻求底层商业逻辑的投资者、创业者与产业观察者而作。我们将越过喧嚣的表层现象，潜入 AI 产业链的物理底层，还原一场正在发生的、人类历史上规模空前的财富重分配。

理解当下 AI 经济体的第一步，是打破对过去二十年互联网商业模式的路径依赖。

宏观层面上，AI 正在重塑全球基础设施的支出结构。目前，全球 AI 基础设施的资本开支已经超过 6000 亿美金，这一数字甚至超过了医疗、航天等领域的投入，仅次于逾万亿规模的美国国防预算 。以亚马逊、谷歌、Meta、甲骨文和微软为首的科技巨头，其相关的资本开支在三年内翻了三倍，这种史无前例的重资产投入，标志着 AI 已经脱离了单纯的软件创新范畴，演变为一场重工业级别的军备竞赛 。

资本疯狂涌入的背后，是价值捕获逻辑的根本性翻转。在云计算时代，资金的分布呈现出一个倒三角形，位于应用层的软件公司（如 Salesforce、Adobe 等）切走了最大的蛋糕，占比高达 70%；基础设施层的云厂商（如 AWS、谷歌云）拿走次要部分；而最底层的半导体硬件公司，仅仅分到了最微薄的利润 。这也是为什么上一代最具价值的公司，往往是长在基础设施之上的超级应用（例如字节跳动） 。

然而，在 AI 超级周期的初期，这套分配机制失效了。

“你看这张图就知道为什么每次黄仁勋演讲都笑得那么开心。不管谁花钱，大头最后都落进他口袋里。”

由于底层算力的极度稀缺与大模型对计算资源的黑洞式吞噬，半导体层成为了当前 AI 经济中最深沉的价值蓄水池。据统计，目前 AI 产业链条中，以英伟达为首的半导体厂商占据了绝大部分的行业收入 。应用与基建的地位在此刻彻底倒置。

为了更具象地理解这种倒置，我们可以将目光拉回那 20 美元的 AI 订阅费上。根据产业链的利润拆解，当你支付 20 美元给一家大模型公司时，模型公司在扣除各项成本后，大约会截留 14 美元（毛利率约 70%），但刨除其天价的顶尖人才薪酬等运营成本，最终净利润仅剩 4 美元 。

剩下的 6 美元，则需要支付给算力提供商（如 CoreWeave 或各类云服务商）。在这个环节，算力商需要先支付高昂的电力成本，由于电力运营的净利率极低，算力商最终的净利润不到 1 美元 。而在剩下的成本中，有 3 美元直接流入了英伟达的口袋。凭借着绝对的垄断地位，英伟达的毛利率高达 75%，净利率更是达到恐怖的 50%，这意味着它能将这 3 美元转化为 1.5 美元的真金白银净利 。随后，更为零碎的利润，才如同漏斗底部的残渣，流向了代工巨头台积电（净利率约 15%）、光刻机霸主 ASML 以及三大存储芯片厂商 。

这 20 美元的长途跋涉，清晰地勾勒出了一条由软至硬的利润剥削链。在这个链条中，越靠近底层物理实体，议价能力与不可或缺性就越强。

若要系统性地寻找投资与创业的锚点，我们需要将整个 AI 产业从宏观概念，具象化为八个泾渭分明的结构层，能源、制造、存储、芯片互联、算力服务、数据、模型与应用 。

在底层的能源与制造端，物理世界的极限正在显现。由于大型语言模型训练对电力的需求呈现指数级暴增，一个用于训练下一代大模型（如 GPT-5 级别）的星门计划（Stargate） AI 集群，其耗电量已等同于休斯顿这样规模的中型城市 。这也是为何资本市场开始将目光投向核能与固体燃料电池（如 Bloom Energy）的原因 。同时，在制造层，尽管美国试图扶持本土芯片制造，但台积电依然死死掐住了全球 5 纳米以下先进制程 90% 的产能咽喉 。在这一层面，代码的敏捷开发法则失去了效力，厂房、设备与熟练产业工人的积累，构成了无法逾越的护城河 。

在芯片、存储与互联层，课程中提出了一个极具启发的“一千个研究员”的绝妙隐喻 。

训练一个庞大的人工智能，就如同雇佣了 1000 个顶尖研究员（GPU），要求他们在三个月内读完地球上所有的书并写出一份报告 。在这个过程中，数据的读写与传输构成了最大的瓶颈。研究员自身的脑容量极其有限，这对应了 GPU 内部的 SRAM（静态存储），其读写速度极快，但容量极小 。为了处理更庞大的信息，研究员必须将最重要的参考书放在手边，这便是 HBM（高带宽内存）的作用，它紧贴着 GPU，是目前产业链上最为短缺的组件，几乎被三星、SK海力士和美光三家把持 。

然而，1000 个研究员分布在不同的大楼和房间里，他们需要频繁交换意见。同一个房间（机柜）内的 72 个研究员可以通过 NVLink 进行高速沟通；而跨房间、跨大楼的交流，则必须依赖光模块来传输信息 。最后，那些堆积如山、暂时用不上的海量背景资料，只能堆放在地下储藏室，这对应了产业链中的 SSD 闪存硬件 。

“短期缺芯片，长期缺能源，永远缺存储。”

这句行业内的断言，精准地揭示了随着模型参数量和上下文窗口无上限的扩张，存储系统将永远处于饥渴状态的客观规律 。

向金字塔的上层推演，我们看到了算力服务商的形态更迭，以及数据层作为新壁垒的崛起。由于传统的 AWS 等云架构是为大模型生成 Token 而生，以 CoreWeave 为代表的“新云”顺势崛起，填补了空白 。而在数据维度，公域数据的枯竭使得专有数据成为核心资产。无论是特斯拉积累的百亿英里级别的真实驾驶数据，还是特定医疗机构掌握的重症病例数据，都将成为下一代垂直大模型和物理 AI（Physical AI）无法被轻易颠覆的护城河 。

在技术加速的历史长河中，信息技术革命在过去几十年将技术的 GDP 贡献率从 5% 提升至如今的 10% 以上，并预计在 2030 年达到 15% 。QQQ（纳斯达克 100 指数）在过去十几年中高达 17% 的年化回报率，远超标普 500，已经用真金白银证明了技术超级周期的威力 。

面对新一轮 AI 周期，投资者与从业者应当如何筛选标的？综合斯坦福课程的拆解，可以归结为三个严苛的维度，未来空间的广度（TAM）、利润获取的厚度，以及在整个产业生态中不可或缺的硬度 。

英伟达、台积电、ASML 能享受最高溢价，正它们在不可或缺性上做到了极致，高端代工唯有台积电，光刻机独揽于 ASML，而高端 GPU 的生态壁垒目前由英伟达的 CUDA 牢牢锁死 。即便谷歌的 TPU 在纸面能效上表现优异，但在缺乏庞大软硬件协同生态的现实面前，依然难以撼动英伟达的霸权 。

同时，产业内部也发出了对非理性繁荣的警示。面对极度匮乏的能源层，市场常常陷入对边缘电力设备（如变压器、插座等）的盲目炒作。真正有远见的决策者，应当回归第一性原理，

“不要只看现在什么概念被炒得高，应该从第一性原理出发，去思考五年后、十年后的能源基础设施长什么样。那些真正创新性的能源解决方案，可能根本不需要现在的某些传统电力设备。”

AI 超级周期才刚刚拉开帷幕。当下，ChatGPT 等核心应用的周活用户虽已接近上亿级别，但相比于 YouTube、WhatsApp 等动辄二三十亿用户的全球基础设施，依然处于渗透率的极早期 。随着物理 AI（如人形机器人、自动驾驶网络）在未来一两年内的实质性突破，AI 将从单纯解决知识工作者的困境，真正向外延伸至重塑人类物理世界的劳动力结构 。在这个过程中，资本的洋流必将发生新的偏转，而能够看透这八层架构底层逻辑的航海者，才不会在风暴中迷失方向。

【从第 0 分钟，走向第 1 分钟】

所有的文字导览，终究只是路标，而非风景本身。如果刚才的某个片段击中了你，或许是因为它承载了这里无法完全复刻的思考密度与情感颗粒。

我们已为你完成了”打捞”和”指路”，现在，请把时间交还给原作者。

E76. AI 超级周期经济学(一)：我们现在在什么位置，将去哪里？，收录于《Day1Global 生而全球》，预计 54 分钟

点击阅读原文去收听原片，去感受声音的起伏，那里有更完整的灵魂，和更深切的共鸣。