AI财富转移浪潮：英伟达会重蹈思科覆辙吗？

1770年代，瓦特对蒸汽机进行了革新。最早获利的是博尔顿—瓦特公司——他们销售蒸汽机、收取专利授权费，成为了那个时代的"基础架构供应商"。然而，最终积累更大财富的，则是运用蒸汽机进行纺织生产的理查德·阿克莱特。他建立了英国首批大型工厂，将棉纺工业从手工模式转变为规模化生产，逝世时个人资产达50万英镑（相当于现今约2-3亿英镑），是18世纪英国最富有的非贵族人士。而博尔顿—瓦特公司虽然影响深远，但始终是一家资本密集、利润有限的工程企业——技术提供者的收益往往不及技术的使用者。

阿克莱特不制造蒸汽机。他运用蒸汽机。

1860年代，美国铁路建设大潮兴起。最先获利的是销售铁轨的、从事工程承包的——联合太平洋铁路的董事们通过虚构的建筑公司（Crédit Mobilier）将造价虚报一倍，自己先赚得盆满钵满。但最终成为美国首富的，却是利用铁路运输石油的洛克菲勒和用铁路运送钢铁的卡内基。洛克菲勒巅峰时期的财富折合今日约4000亿美元——按购买力计算是史上最富有的人。卡内基在1901年以4.8亿美元将钢铁公司出售给摩根（相当于现今约170亿美元）。而1873年大恐慌之后，美国超过半数的铁路公司宣告破产。筑路者先获利、先离场；用路者后到但获得了更多收益。

洛克菲勒不修建铁路。他利用铁路。

1880年代，爱迪生和西屋的发电设备公司是电气化浪潮初期的主要受益者。通用电气（GE）是道琼斯工业指数最早的12只成份股之一。但真正因电力而变得富有的——是亨利·福特。他在1913年采用电力驱动的流水线革新了汽车制造工艺，将Model T的价格从约850美元降至260美元。到1920年代中期，福特个人财富达12亿美元，福特汽车估值超过10亿美元——在百年前，这是难以想象的数字。GE作为"供电"的基础架构公司依然庞大，但利润率逐渐被下游的工业用户稀释。

福特不销售电力。他使用电力。

1950年代，晶体管和集成电路引爆了电子工业革命。仙童半导体被誉为"首家万亿美元创业公司"——并非因其自身价值万亿，而是因其前员工创办了英特尔、AMD等后来价值超万亿的公司。但仙童自己最终仅以24亿美元被收购。IBM靠大型机硬件一度统治整个计算产业，年收入达690亿美元——但1993年巨亏81亿美元，创下美国企业亏损纪录。到1999年，利润重心已从硬件转向软件：微软市值达6150亿美元、英特尔市值5000亿美元。两者差距看似不大，但背后的经济结构截然不同——软件的边际成本几乎为零，PC硬件的利润率已被压缩至个位数。此后十年，软件公司的市值大幅领先于芯片公司。

微软不制造芯片。它使用芯片。

2000年，思科是互联网产业最赚钱的企业。销售路由器和交换机，毛利率超过60%，市值一度攀升至近5700亿美元，位居全球第一。Sun Microsystems市值2000亿，Nortel市值2500亿——都是销售基础架构的公司。Google那时刚成立两年，在车库里烧钱。

十年后，思科的市值仅剩1120亿美元，缩水了80%。Sun以70亿美元被Oracle收购——仅剩巅峰时的3.5%。Nortel破产清算，从加拿大市值最大的公司变为零。而到2026年，Google母公司Alphabet市值超过4.6万亿美元，Amazon接近3万亿美元——两家使用基础架构的公司，价值总和是思科巅峰时期的十三倍。

Google不制造路由器。它使用路由器。

2026年，英伟达是AI产业最赚钱的企业。销售GPU芯片，营业利润率约60%，市值接近5万亿美元，全球第一。台积电的先进制程代工，营业利润率约51%，全球份额62%。SK海力士和三星的HBM高带宽内存，营业利润率接近50%。三星同时也是全球第二大芯片代工厂。

问题是：接下来会怎样？AI产业的利润是否会像过去的五次技术革命一样，从"筑路的"流向"用路的"吗？

历史总是惊人地相似——它们不会简单重复，但会押韵。

摩根士丹利今年4月发布了一份51页的报告《Lessons from the Five Innovation Waves That Preceded AI》，回顾了AI之前的五次技术革命。他们将利润迁移的规律概括为一个短语："From Enablers to Adopters"——从赋能者到应用者。

我按照这个框架，梳理了五次革命中具体的赢家和输家——五次革命，同一个剧本：

技术浪潮中的筑路者与用路者

最后一行是空的。这正是我想探讨的。

我制作了一张AI产业的利润全景图，从半导体设备到终端应用分为9层，逐层标注了收入、营业利润率和主要公司的份额。

这张图证实了一件事：今天的AI产业，利润结构呈现倒三角形态。

上游三巨头的丰厚利润前文已述。从上游往下看，利润呈断崖式下降。云计算平台（AWS、Azure）营业利润率约35%——看起来还行，但要扣除巨额资本开支。AI服务器整机商（Dell、Super Micro）仅有6%——组装硬件没有定价权。到了模型层——OpenAI、Anthropic、Runway——利润率为负数。整个模型层收入约600亿美元，几乎全部处于亏损状态。

上游吃肉，中间喝汤，最下游倒贴。

红杉资本的合伙人David Cahn去年为整个行业算了一笔账：按NVIDIA的营收推算，AI产业每年需要产生至少6000亿美元的终端收入，上游的投入才能回本。当前实际产生的终端收入，连这个数字的零头都不到。

这不是新故事。铁路时代铺设的铁轨远超当时的货运需求，大量铁路公司在1873年大恐慌中破产。互联网时代铺设的光纤远超当时的流量需求，思科、Sun、Nortel在2001年集体崩盘。但铁轨没有白铺。光纤没有白拉。过剩的基础设施成为了下一波应用创新的燃料。

但松动的信号已经显现。下面这张增长全景图，将AI产业9层结构的收入规模和同比增速放在一起观察——格子面积代表收入规模，颜色深浅代表增速。

上游增速在放缓。NVIDIA 2026财年收入2159亿美元，同比增长65%——听起来很高，但上一年是114%。台积电稳定在20%左右。ASML趋于平缓。上游并非在萎缩，而是增长引擎在降挡。而下游的模型层增速高达150%、消费级AI增速80%——利润尚无，但增长最快的区域已转移到下游。高盛的股票研究主管Jim Covello在2024年就撰写了一篇报告叫"Too Much Spending, Too Little Benefit"，质疑95%的企业AI投资没有可衡量的回报。到2026年他承认"错了一半"——但核心判断未变：芯片股已被充分定价。

中间层正变成大宗商品。GPT-4、Claude、Gemini、DeepSeek——模型输出质量正在趋同。DeepSeek以远低于OpenAI的成本训练出接近的性能。Meta的Llama系列持续开源。ARK的《Big Ideas 2026》指出AI推理成本在快速下降。模型正在从"产品"变为"原料"——就像带宽从奢侈品变为公用事业、电力从稀缺品变为按度计费。表格中的每次革命都有这个阶段：中间层每便宜一个量级，下游应用层就会爆发一次。

但图上还有第二个结论：倒三角的底部，不全是亏损。已有人开始盈利了。

Palantir，从事政府和军工数据分析，营业利润率约20%，2026年收入增速指引61%——超过NVIDIA。它胜出的原因不是模型比别人好，而是深入特定场景，替代成本极高。

ServiceNow，提供企业工作流自动化，营业利润率约20%，增速22%。不性感，但稳定盈利。

摩根大通自身就是一个案例。小摩2026年技术预算198亿美元，内部部署了超过450个AI应用场景，60%以上员工使用AI工具。Jamie Dimon表示"我们将在AI竞赛中获胜"——他不是AI公司的CEO，他是银行的CEO。

回顾表格，每一行右侧那个"用路的"公司，都不是技术公司。阿克莱特是纺织商，洛克菲勒是石油商，福特是汽车商，微软做办公软件，Google做广告。利润最终属于解决具体问题的人，不属于提供通用能力的人。五次革命，无一例外。

那么利润迁移需要多长时间？表格中的五次革命给出了参考：蒸汽机和铁路用了约三十年，电气化也是三十年——大摩的报告特别强调，工厂不能简单用电动机替换蒸汽机，必须重新设计生产线和管理方式。技术到位了，不等于组织准备好了。电子工业用了约二十年。互联网最快，约十年——因为软件迭代速度比硬件快一个数量级。

大摩倾向于电气化时间表——滞后十年以上。ARK的木头姐认为比互联网还快——三到五年。模型成本下降越快，应用层进入门槛越低，爆发就越早。但即使压缩到五年，五年也不算短。

换言之：未来五到十年，是布局应用层赢家的窗口期。铁轨已在铺设，光纤已在拉接。问题不是"会不会有人用"，而是"谁会是下一个洛克菲勒"。

回到那张表格。最后一行的左侧已填好：NVIDIA、台积电、三星、SK海力士。

右侧仍是空白的。

如果历史规律成立，填上那个位置的公司应具备三个特征：

第一，其利润不来自销售AI本身，而是来自用AI解决特定行业问题。Google是互联网公司，但它赚的不是路由器的钱，是广告的钱。福特用了电力，但他赚的不是发电的钱，是造车的钱。未来AI产业表格右侧的赢家，很可能也是用AI去深耕一个有定价权的行业。

第二，其核心优势不是模型，而是数据和场景。模型正变成大宗商品。真正的壁垒是独家的行业数据和深入的业务场景——洛克菲勒的壁垒不是铁路技术，而是炼油网络和分销渠道。

第三，它现在可能仍在亏损。表格右侧的每家公司，在登顶前都有一段烧钱期。Google 2000年在亏损，Amazon直到2003年才首次年度盈利。利润迁移的规律不是"赢家从一开始就赢"，而是"赢家在基础设施过剩后才开始赢"。

如果你是企业管理者或创业者，这场利润大迁移意味着什么？

不要被表格左侧的军备竞赛分散注意力。你应关注的不是哪个模型最强，而是你的业务中是否有独家的数据和场景可以供给AI。铁路时代，洛克菲勒在大家还在争论铁路股时，已在悄悄签运输合同。互联网时代，Google在大家还在哀悼思科时，已在埋头研究搜索排名算法。

利润迁移不会等你准备好了才开始。

五次技术革命，卖铁轨的、造发电机的、卖路由器的、做芯片的——每一代的Enablers都认为自己的优势会持续。每一次，利润最终都迁移到Adopters手中。AI产业的表格最后一行，右侧的名字，现在还无人知晓。但如果历史押过五次同一方向的注，第六次逆转的可能性不会太大。

这是"AI产业利润迁移"系列的第一篇。下一篇，我用同样的历史镜头——从洛克菲勒的炼油网络到Google的广告系统——去推演：今天的AI应用层，哪些方向最有可能长出下一个"用路的"赢家。