大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



本文作者 Anish Moonka 花费近一年时间深入调研 AI 产业链，揭示了一个反直觉的事实：大多数人不了解真正的钱在哪里流动。文章提出"AI 价值链五层模型"（能源 → 芯片 → 云 → 模型 → 应用），并用具体数据说明：2026 年四大云厂商将投入 6500 亿～7000 亿美元，其中约 75% 流向基础设施层，而非表面的 ChatGPT 等应用。本文适合想理解 AI 投资逻辑、看清产业格局的读者，尤其是不想被算法牵着走的人。

大多数人以为 AI 就是一个聊天机器人。

我理解。你打开 ChatGPT，让它帮你改一封邮件，它做到了。感觉像魔法。你离开时觉得自己懂了。但这就好像在餐厅刷卡买单，就以为自己懂了 Visa 是怎么赚钱的。你用了产品，没看到系统。

去年大部分时间，我都在试图弄清楚 AI 真正的钱到底流向了哪里，坦率地说，答案让我汗颜——我花了很长时间才不再盯着错误的层面。我一直盯着 ChatGPT、Claude 和 Gemini 这些你能"触摸"的东西，而 7000 亿美元正在悄悄地流入我甚至叫不出名字的基础设施。那些我从未听说过的芯片、听起来像编出来的缩写的封装技术、冷却系统、电力站——混凝土正在得克萨斯州、爱荷华州和海得拉巴被浇筑。

我认识的人中，一年前没有一个人在谈论这些。现在都在聊了。

这篇文章会很长。如果你现在没时间，先收藏，回头再看。我想带大家完整走一遍 AI 价值链的每一层，从为数据中心供电的电力，到你手机上的应用程序，而且用一种即便你从未读过任何年报也能理解的方式。

我会解释我用的每个术语。我会给每个结论附上真实数字。我也会诚实地说明我自己还不确定的部分，因为确实有一些。

让我们开始。

AI 就是基础设施。就像互联网，就像电力，它需要工厂。~ Jensen Huang

大多数人对 AI 的理解大致是这样的：一台智能电脑回答问题。

这就像说"互联网就是一个可以看视频的地方"。技术上没说错，但完全没抓到要点。

英伟达 CEO 黄仁勋在 2026 年 1 月的达沃斯论坛上，将 AI 描述为一个五层系统：能源、芯片、云、模型、应用。他把整个体系称为"人类历史上最大规模的基础设施建设"。

想一想这个词：基础设施。道路、电网、供水系统。这些东西让文明运转，没人会在它们正常运作时想起它们。AI 正在成为这种东西——看不见、不可或缺、而且建设成本极其高昂。

我把这一套称为 AI 堆栈（AI Stack）。五层叠在一起，每层为上一层提供养分，资金双向流动。

以下是我能给出的最简版本：

每当我们讨论 AI 只聚焦在第 5 层时，我们就错过了 80% 的画面。

如果你是一个投资者、创始人，或者只是想了解世界走向的人：钱并不是均匀流过这五层的。它集中。它复合。而现在，它正集中在大多数人没有注意到的地方。

所有人的第一反应都是应用层。ChatGPT、Copilot、Claude、Perplexity。这些是你能触摸的产品，所以感觉它们就是全部。

但每个人都漏掉了这一点。

2026 年，四大云厂商（亚马逊、微软、Google 和 Meta）预计全年资本支出将达到 6500 亿至 7000 亿美元。加起来。在一年里。这个数字大约相当于瑞士的 GDP。其中约 75%——约 4500 亿美元——直接流入 AI 基础设施。

不是流向聊天机器人。不是流向应用程序。而是流向建筑、芯片、电缆和冷却系统。

没人会在鸡尾酒会上谈论这些东西。这恰恰说明钱就在那里。

因为想一想。在任何人能使用 ChatGPT 之前，必须有人建一个购物中心那么大的数据中心，塞进去数万个专用处理器，用比大多数公司市值还贵的网络设备把它们连起来，然后每天向这个怪物提供足够一个小城市使用的电力。这是第 1 层到第 3 层。看不见的层。资本真正涌入的层。

"那 OpenAI 呢？他们不是赚了数十亿吗？"

确实。OpenAI 到 2025 年底实现了 200 亿美元的年化经常性收入，相比前一年的 60 亿和前两年的 20 亿，两年内实现了 10 倍增长。在这样的基数上，没有任何公司历史上增长这么快。

但问题来了。OpenAI 2025 年烧掉了大约 90 亿美元现金，预计 2026 年现金消耗将达到 170 亿美元。他们的推理成本（即你每次提问时 AI 实际运行的成本）2025 年达到 84 亿美元，预计 2026 年将达到 141 亿美元。他们预计到 2029 年或 2030 年才能实现现金流转正。

那这些烧掉的现金流向哪里了？

它顺着堆栈往下流。流向微软 Azure（OpenAI 通过 2032 年协议将总收入的 20% 支付给微软）。流向英伟达买芯片。流向建设和装备数据中心的公司。流向发电厂。

如果你盯着看久了，几乎有一种循环的感觉。微软投资 OpenAI，OpenAI 把钱花给 Azure，Azure 用收入买更多英伟达芯片，英伟达报告创纪录的业绩，大家庆祝，现金继续往下流。

大多数用户在堆栈顶端。大多数利润在底层。这个错位就是整个逻辑。

AI 价值链的第一课：收入往上流，资本往下流。

人类所有问题都是工程问题，而工程问题是可以解决的。~ 巴克敏斯特·富勒

如果你想理解 AI 正在发生什么，研究一下 1880 年到 1920 年之间电力的历史。

1882 年托马斯·爱迪生在曼哈顿珍珠街建造了第一座商业发电站，当时人们认为电力是一个新鲜玩意儿。一盏灯的花哨新方式。当煤气灯好好的，谁会需要这个？

四十年内，电力重组了地球上的每个行业。制造业、交通、通讯、医药、娱乐。最终获胜的不是发明灯泡的那些公司，而是建发电厂、铺铜线、制造发电机的公司。

通用电气、西屋电气、公用事业公司、铜矿商、建筑商。

同样的模式正在 AI 领域上演，只是被压缩成了几年而不是几十年。

AI → 数据中心 → 芯片 → 原材料 → 能源 电力 → 工厂 → 机器 → 原材料 → 煤/水

这个箭头几乎完全一致。而赢家，同样，主要不在应用层，而是在基础设施层。

我把这种现象称为 基础设施重力（Infrastructure Gravity）。每当一个新计算平台出现，最初的财富创造发生在"淘金热"阶段。应用程序稍后出现。应用程序占据所有新闻。但基础设施获得所有利润。

英伟达 2026 财年（截至 2026 年 1 月）全年营收达到 2159 亿美元，同比增长 65%。其数据中心业务单季就达到 623 亿美元，同比增长 75%。这一个业务线现在占英伟达总收入的 91% 以上。想一想：一个公司一个季度营收 680 亿美元，其中九成都来自一条业务线。

台积电（TSMC）是负责物理制造英伟达芯片的公司（也是几乎所有其他公司），2025 年占据了全球代工市场近 70% 的份额，销售额达到 1225 亿美元。竞争对手三星只有 7.2%。这种主导地位会让当年的标准石油都感到不安。

基础设施总是先赢。问题是窗口期有多长。

问问任何一个人互联网革命是关于什么的，他们会说 Google、亚马逊和 Facebook。问问早期钱实际上是在哪里赚的，答案是思科、康宁和铺光缆的公司。同样的故事，不同的年代。

股票市场是一个把急躁的人的钱转移给耐心的人的机制。~ 查理·芒格

我坦诚一件事。当我最初开始关注 AI 作为投资者时，我犯了和大多数人一样的错误。

我盯着应用层看。我看到 ChatGPT 增长。我看到 Anthropic 融资数十亿。我想：AI 公司会赢，所以投资 AI 公司。

三件事改变了我的想法。而且是按顺序发生的，这很重要，因为每个都建立在前一个之上。

首先，我注意到几乎每个"AI 公司"都在快速烧钱。OpenAI、Anthropic、Mistral、xAI，全都入不敷出。这不是因为它们是糟糕的业务，而是因为计算成本是结构性的。每次你问 AI 模型一个问题，生成答案都要花真金白银。而模型越智能，需要的计算量越大，运行成本越高。

你认为是"AI 赢家"的公司，实际上恰恰是花得最多的公司。

其次，我意识到基础设施公司的利润率是我自谷歌早期以来从未见过的。英伟达的毛利率一直维持在 75% 左右。台积电在扩大产能的同时不断提高价格，因为需求远远超过供给。这些公司没有"我们什么时候能变现"的问题。它们面临的是"我们真的建得不够快"的问题。这是两种完全不同的问题。

第三，也是让人不舒服的一点，我意识到我一直像消费者而不是工程师那样思考 AI。消费者看到 app，工程师看到堆栈。

一旦你看到了堆栈，你就再也看不回去了。

每一条 AI 新闻都变成了资本支出公告。每一次模型改进都变成了芯片订单。每一个新功能都变成了数据中心租赁。整个行业开始看起来像一系列同心圆，你越往圆心走，利润就越集中。

所以，也许你是一个一直在关注 AI 模型的软件工程师。也许你是一个在 300 美元买入英伟达、正在思考下一步的散户投资者。也许你是一个在远方观看这场革命的印度人，想知道这一切和你的投资组合有什么关系。

（或者你三者都是，这是最有趣的位置。）

无论你在哪里，原则都是一样的。消费者看产品，投资者看供应链，最好的投资者在产品出货之前就能看到供应链。

当然，这些都是事后看起来整齐清晰。实际上并非如此。我花了几个星期反复思考这件事。我不得不抛弃 SaaS 时代很多模式匹配，因为那个时代大部分价值积累在应用层。我一直想找到"下一个 OpenAI"，而没意识到我应该看的是 OpenAI 在给谁写支票。AI 在结构上不同于 SaaS。计算需求如此巨大，至少在这个周期阶段，基础设施层捕获了更多价值。

理解堆栈会改变你阅读每条新闻的方式。改变你评估每家公司的方式。改变你配置资本的方式。

我会写更多这类深度内容。投资、AI 和财富实际流动方式的深度分析。如果你不希望依赖算法来推送下一条，最好的做法是关注并开启通知。

好了，内容已经很长了，所以我加快进度。以下是 AI 堆栈每一层的精确分解，那里发生什么，主要参与者是谁，机会在哪里。

跟上我。

第一层：能源

AI 数据中心极其耗电。一次大型 AI 训练运行消耗的电力相当于一个小镇一年的用量。预计到 2026 年，这些设施每年将消耗约 90 太瓦时的电力，比 2022 年增长约 10 倍。

这创造了一个简单的投资命题：谁能可靠地为数据中心发电、输电和交付电力，谁就受益。核能、天然气和数据中心集群附近的可再生能源公司。有多余产能的公用事业公司。建设电网基础设施的公司。

黄仁勋在 2025 年 10 月说得直白："数据中心自发电可能比并网上线快得多。"公司已经在建设直接依附于数据中心的专用发电设施，完全绕过电网。这一点让我意外。这些科技公司基本上正在成为自己的电力供应商。

受益方：公用事业公司（尤其是有核电能力的）、独立电力生产商、制造变压器、开关设备和其他电气基础设施的公司。在印度，电力设备和输电领域的公司将在亚洲各地超大规模数据中心园区扩张中受益。

第二层：芯片

这是大多数人都听过的层，因为英伟达。但它比一家公司要复杂得多。

芯片层有自己的子层，每个子层有不同的竞争结构。最上层是设计商，即架构芯片的公司：英伟达（GPU）、AMD（GPU 和 CPU）、博通（定制 ASIC）、高通，以及越来越自己做芯片的超大规模厂商（Google 的 TPU、亚马逊的 Trainium、微软的 Maia）。然后是制造商。台积电在制造领域占据主导地位，拥有近 70% 的全球代工市场份额。三星以 7.2% 位居第二。英特尔正在努力重建其代工业务，但这是 一个多年项目，没有保证的结果。

然后是设备层，即制造制造芯片的机器的公司。ASML 是地球上唯一能生产最先进芯片所需的极紫外光刻（EUV）机器的公司。应用材料、泛林研究和东京电子紧随其后。在这之下是存储器（AI 模型需要大量高带宽内存，SK 海力士、三星和美光是三家重要的公司）和封装（台积电的 CoWoS 等先进芯片封装技术已成为一个真正的瓶颈）。

这种集中度是我一直在思考的。英伟达在 AI 数据中心 GPU 市场占据约 92% 的份额。台积电为英伟达、AMD、博通、高通、苹果和几乎所有主要芯片设计商制造芯片。ASML 是地球上 EUV 光刻机的唯一供应商。

一家公司做设计。一家公司做制造。一家公司做制造机器。这个集中度既是投资命题，也是地缘政治风险。我认为没有足够的人同时持有这两个想法。

第三层：云和数据中心

这就是芯片的家。巨大的仓库级设施，塞满服务器，由高速网络连接，并由越来越复杂的热管理系统保持冷却（液体冷却正在成为标准，而不是可选项）。

这个市场由三大超大规模厂商主导：亚马逊网络服务（31% 市场份额）、微软 Azure（24%）和 Google Cloud（11%）。甲骨文也在积极扩张，2026 年资本支出目标为 500 亿美元。

但云层远不止超大规模厂商。鸿海（Foxconn）现在组装了全球约 40% 的 AI 服务器。Arista Networks 和 Credo Technology（2025 年股价上涨 117%，因其能效数据传输出名）构建连接一切的 网络基础设施。Vertiv 处理液体冷却。数据中心 REIT 如 Equinix 和 Digital Realty 拥有土地和建筑。甚至还有人要浇混凝土。每一层都有其自己的供应链。

根据美国银行估计，超大规模厂商 2026 年将把 90% 的运营现金流用于资本支出，高于 2025 年的 65%。摩根士丹利预计这些公司今年将借款超过 4000 亿美元来资助建设，比 2025 年的 1650 亿美元多一倍以上。当我第一次看到这个数字时，它让我目瞪口呆。一年内仅为了建计算机仓库就要发行 4000 亿美元的债务。

第四层：模型

这就是"大脑"层。训练和构建实际 AI 模型的公司。

主要玩家：OpenAI（GPT 系列，年化 ARR 超 200 亿美元）、Anthropic（Claude，据报道 2026 年初年化收入约 190 亿美元）、Google DeepMind（Gemini）、Meta AI（Llama，开源）、Mistral，以及 xAI（马斯克的公司，构建 Grok）。

这一层让我着迷，因为它同时是最被炒作和最不赚钱的。OpenAI 的收入增长前所未有，但它 2026 年烧掉 170 亿美元现金。Anthropic 增长很快但严重依赖大规模融资（2026 年初 50 亿美元，估值 1700 亿美元）。

商业模式问题是结构性的：模型变好需要更多计算支出，但支出增长比收入增长更快。这有点像开一家餐厅，每道菜都需要比上一道更贵的食材，但顾客希望价格保持不变。利润率保持压缩。我不知道这种情况什么时候会改变。也许不会。

对于投资者来说，这一层高风险高潜在回报。这些公司大多是非上市公司。你通过托管它们的云提供商（微软拥有 OpenAI 的大股份，并在 Azure 上运行其计算）以及在训练过程中消耗产品的芯片公司，获得公开市场敞口。

第五层：应用

这是你每天看到的层。ChatGPT、由 Gemini 驱动的 Google 搜索、Office 中的微软 Copilot、你银行的 AI 欺诈检测、Netflix 推荐、你手机的拍照增强。

应用层是最宽也是最拥挤的。数以千计的初创公司和老牌公司在这里建设。它最终将成为总可寻址市场最大的层（一些估计到 2030 年代初将超过 2 万亿美元），但现在它也是利润率最薄、不确定性最大的层。

这一层的差异化因素是数据。拥有独特、专有数据的公司将建立持久的优势。Salesforce 有企业 CRM 数据。彭博有金融数据。Epic 有医疗记录。坐在这种专有数据护城河上的公司可以微调 AI 模型，这是通用聊天机器人无法做到的。

对于投资者来说，应用层最终会拥有最大的上行空间，但也会有最多的资本被摧毁。大多数 AI 初创公司会失败。存活下来的将实现强劲复利。

未来 3 到 5 年，最好的回报可能看起来是这样的：现在投基础设施，以后投应用。最聪明的资本已经相应布局了。

实际上会在第五层获胜的公司是那些坐在没人能拿到的数据上的公司。而它们大多数甚至还不称自己为 AI 公司。

投资者的主要问题，甚至他最大的敌人，往往是他自己。~ 本杰明·格雷厄姆

让我直接面对这个问题。

"但 dot-com 泡沫呢？这不是一样的事情吗？大规模基础设施支出，没有利润，每个人都被炒作冲昏了头脑？"

问得好。这值得一个认真的回答。

区别在于。在 dot-com 时代，公司在为尚未出现的需求建设基础设施。他们在为还在用拨号上网的互联网用户建设光纤网络和网络服务器。基础设施建好了，需求没有在 5 到 7 年内出现，中间的一切都被清算了。

到 2026 年，AI 需求已经在眼前。英伟达芯片生产不够快。台积电先进封装产能售罄。云计算租赁价格正在上涨而非下降。OpenAI 在 2025 年 3 月到 10 月之间增加了 4000 万周活跃用户。模型在使用。计算在被消耗。客户在付钱。

这并不意味着没有风险。有巨大的风险。我想得比我愿意承认的更多。三件事特别突出：

第一，资本错配。公司 2026 年在数据中心上支出超过 6500 亿美元。如果 AI 服务的收入没有足够快地增长来证明这笔支出的合理性，一些公司将面临严重的利润率压缩。亚马逊的自由现金流今年可能实际上会变为负数。那是亚马逊。那家基本发明了云计算的公司。

第二，集中度风险。AI 供应链集中到危险的程度。台积电制造了全球近 70% 的芯片。ASML 是 EUV 机器的唯一供应商。英伟达设计了 92% 的 AI 数据中心 GPU。任何中断（地缘政治、自然灾害或竞争）都可能波及整个堆栈。如果台湾新竹发生地震，可能会将全球 AI 开发推迟数年。这个想法应该让你不舒服。

第三，DeepSeek 问题。2025 年 1 月，中国 AI 实验室 DeepSeek 发布的模型以很小一部分的训练成本接近前沿性能。这挑战了更大的支出自动等同于更好的 AI 的假设。如果开源和高效模型继续缩小差距，基础设施投资命题就会减弱。我认为 DeepSeek 没有杀死这个命题。但它引入了一个之前不存在的变量，像这样的变量不会消失。

但我一直保持的框架是这样的。麦肯锡估计，到 2030 年，全球数据中心累计投资可能达到 6.7 万亿美元。普华永道估计 AI 到 2030 年可以为全球 GDP 贡献 15.7 万亿美元。IDC 预测到 2030 年 AI 解决方案和服务将产生 22.3 万亿美元的累计影响。

即使这些数字有 50% 的错误，我们仍然在谈论自互联网以来最大的技术驱动型经济转变。问题是关于幅度，不是方向。

我一直听到人们说"我对 AI 持怀疑态度"，好像这是一种立场。好的。对模型持怀疑态度。对时间线持怀疑态度。但不要对供应链一无所知。这是不同的事情。一个是健康的知识姿态。另一个会让你赔钱。

五年后，这个周期中赢家的名字会感觉显而易见。它们总是如此。现在的问题是在每个人赶上之前看到结构。

把 AI 想象成一个五关电子游戏，叠在一起。

第一层（能源）是教程关。必不可少、不起眼、如果正常玩几乎不可能输。低风险、稳定回报。想成是永远不会死的任务发布者，但总是会支付报酬。

第二层（芯片）是 Boss 战。力量和利润率最高集中，但也最暴露于中断和地缘政治风险。奖励巨大，但难度设置为硬核。

第三层（云）是多人游戏服务器。每个人都在这里玩。超大规模厂商是服务器管理员。他们从一切中抽成。

第四层（模型）是 PvP 竞技场。残酷竞争、快速创新、大多数玩家被淘汰。只有装备最好的才能存活。

第五层（应用）是开放世界。无限可能，但没有保证的战利品。你必须找到自己的任务。

元策略很简单。你不需要玩所有五层。大多数人尝试玩第 5 层，因为它最可见。聪明的钱正在第 2 层和第 3 层刷经验值，因为那里现在 XP 最高。

你在堆栈中的位置决定你应该关注什么。

对于非技术人员：你不需要理解 GPU 是如何工作的。你需要理解的是，必须有人制造它们，必须有人存放它们，必须有人为它们供电。而这些"有人"是公开交易的上市公司，你可以阅读他们的季度财报。

对于技术人员，你已经知道模型正在变得更好。你可能低估的是物理约束（电力、冷却、芯片封装）正在成为多么关键 的瓶颈。未来十年的 AI 进展将取决于工程，而不是架构论文。

对于投资者，AI 价值链是五种交易叠在一起，每种有不同的风险回报状况、不同的时间范围和不同的赢家集合。把"AI"当作一个单一的板块，就像在 1998 年把"科技"当作一个单一的板块。"AI"内部**和最差结果之间的差距是巨大的。

这不会永远持续下去。基础设施建成就 会成熟。应用层会整合。价值会像互联网时代那样向上移动到堆栈中。亚马逊、Google 和 Facebook（互联网时代的应用层）最终捕获的价值比光纤电缆公司和服务器制造商更多。

但 AI 还没到那一步。我们正处于基础设施阶段。淘金热阶段。而淘金工具正在印钱。

理解完整堆栈的人会提前看到转型。其他每个人都会一次又一次地惊讶于钱实际去了哪里。

十年后，理解 AI 堆栈将像理解资产负债表一样基础。

学习堆栈。映射层次。追踪资本。

这就是游戏。

~ Anish Moonka

原文链接：https://x.com/anisha_moonka/status/ 翻译日期：2026-03-25