在过去的两年里，美股 AI 产业链相关板块创造了数万亿美元的市值。然而，新的市场量分布极其不均衡：英伟达的市值 4.5 万亿美元，毛利率 73%；OpenAI 和 Anthropic 年化收入加在一起，但是 450 亿美元；CoreWeave、Cursor、Perplexity 等中下游公司一边烧钱一边融资。AI 这个行业呈现出一种三角形结构，毛利润越高，上游越厚。
钱流向哪里，10 年后会流向哪里？这是斯坦福本学期新开的 MSE 435 试图拆解课程的核心问题。主持人 Apoorv Agrawal 来自投资公司 Altimeter，他邀请了行业中的九个关键角色，试图从行业领袖的角度拼凑出来 AI 未来的工业价值流动。
三角形价值分布
2024 年初，Agrawal 已经发表了一篇名为《The Economics of Generative AI》结论是芯片层吃掉了整个产业链 83% 的毛利。
两年过去了，整个生态系统的体积从 900 1亿美元已经膨胀 4350 1亿。芯片层的毛利份额仍然占据主导地位，从 83% 降到了 79%。
拆卸时，芯片的年收入约为 3000 英伟达一家拿走了80%的美元；基础设施层面 750 一亿；应用层约 600 亿。三层毛利率分别是。 73%、55%、33%。转化为毛利绝对值，依次是 2250 亿、400 亿、200 亿美元。
AI 该行业的利润形象与上一轮科技产业增长的云计算行业完全相反。在传统的云计算堆栈中，芯片层只采用 6% 拿走应用层的毛利 70%。
Agrawal 对当前的竞争格局进行了精辟的总结：芯片层是单机游戏，应用层是双人游戏，中间的基础设施层是唯一一个真正的多人战场。
英伟达的独角戏
第二节课由 Altimeter 的合伙人 Brad Gerstner 和英伟达的 Sunny Madra 主讲。Sunny 原是 Groq 参与匹配的投资者 Groq 英伟达收购的交易解释了为什么英伟达继续在芯片层占据主导地位。
Brad 英伟达市值给出了一组反直觉估值 4.5 万亿美元，市盈率 13 倍，只有市场平均水平的一半，年收入增长 70%。他公开预测，英伟达将成为世界上第一家10万亿美元的公司。他的理由是，在接下来的八个季度里，英伟达已经锁定了一万亿美元的订单，需求远远超过了供应。黄仁勋曾对 Brad 推理需求会增加 10 亿倍。
这种自信的背后是从预训练到推理时代的技术逻辑 token 计算量，是模型参数乘以上下文长度的平方。
自主研发芯片的挑战者并不多。谷歌第七代 TPU Ironwood 量产已经开始，Anthropic 下单了 100 有传言称，这直接迫使英伟达向部分客户降价 30%；亚马逊的 Trainium2 芯片已部署 140 例如，相关业务年收入超过100亿美元；微软 Maia 200 今年 1 月在 Azure 上线，OpenAI 还与博通签字 10 吉瓦的自研 ASIC 合同。
黄仁勋对此云淡风轻说：「很多 ASIC 这个项目最终会被砍掉。」从历史的角度来看，他没有说错。退一步，即使 TPU、Trainium、Maia 都跑了，英伟达还是领头羊。以上并没有说明英伟达是不可替代的，说明这个市场有多大。
昂贵的电工第三节课的讲座是 Crusoe 的创始人 Chase Lochmiller。Crusoe 在德克萨斯州西部的阿比林建造了一个小镇 2.1 吉瓦的数据中心公园是美国最大的私人变电站，用电量与丹佛市相当。第一批入驻公司是 Oracle 和 OpenAI。园区常年有 9000 著名的建筑工人，而这个小镇的人口只是 12 万。
Chase 每兆瓦电力的成本构成在幻灯片中被拆解:总成本约 1900 一万美元，其中最大的单项是劳动力，每兆瓦高达 470 一万美元，芯片和冷却设备的成本远远落后。根据这个计算，吉瓦（GW）一级公园，光是劳动力，每年都要烧掉。 47 亿美元。
除劳动力成本外，燃气轮机的每兆瓦成本在三年内从 100 万美元涨到了 300 一万美元。背后的原因是，GE Vernova、西门子、三菱重工、普惠四大厂商的产能原地踏步，但需求却翻了好几倍。
Chase 名牌看空 Eaton、Schneider 这种几百年没动过的电气设备巨头。从长远来看，电力结构是从 765 千伏高压进入机柜 900 伏直流的整个转换必然会被重新设计，即使在短期内，这些老工厂也会继续受益。
组织结构跟不上 AI 发展
第四节课的嘉宾是软件公司 Databricks 的 CEO Ali Ghodsi。他一上来就抛出了一个沉重的观点：AGI 已经实现了。现在 AI 模型，已经满足了 2009 年伯克利 AMP 实验室对 AGI 定义。球实际上已经进去了，但人们一直在把球拉回来。
人们认为的原因 AI 还没有达到预期，问题出在自己身上。
MIT 一份报告显示，95% 的企业 AI 试点失败，Ali 对此的解释是，模型缺乏组织中从未写过的上下文。
每家公司都有一个工作了20年的老员工，每个人都问他遇到的问题，他脑子里的东西从来没有进入过任何模型。
作为对比，电机在 1880 年被发明，直到 1920 2000年，它开始显著提高统计意义上的生产力。在过去的40年里，企业只是理所当然地用电机取代了蒸汽机。没有人认为整个工厂的布局应该被推倒和重新开始。
Databricks 自己踩坑，原本需要三个季度才能交付的一个数据连接器，第一次交付给了 AI 接管，只节省了一个半月的时间。后来，另一位敢于放弃整个过程并在一个季度内交付的负责人。真正节省时间的不是升级的模型版本，而是拆除和重做过程的人。
Ali 认为应用层的大机会最终会出现，并将集中在那些敢于重写组织逻辑的玩家手中。这件事的速度由人们决定，而不是依赖它 GPT-6、Opus-5。
倒三角在技术栈中，价值自然会从底层硬件爬到上层软件和应用。
从硬件主导到软件主导，云计算行业已经完成了15年。AI 堆栈需要完成相同的价值翻转，要么依靠应用层继续爆发，要么等待芯片层的毛利率从 73% 高位，一路像云时代的硬件一样 6% 靠拢。双方都在发生，但速度不够快。根据过去两年的变化节奏，应用层至少需要十年才能追平当年云计算平台的利润份额水平。
因此，目前押注于芯片层，押注于未来两年可能落袋的现金流；押注于应用层，关注未来五到十年价值上升的总趋势。
技术革命在芯片层毛利率崩溃之前，离芯片越近，离利润越近。
以上是内存飙升后，AI产业链哪个板块最值得押注？详情请关注脚本之家的其他相关文章，了解更多关于AI产业链最值得赌注的信息！ 免责声明：本文仅提供市场信息，所有内容和观点仅供参考，不构成投资建议，不代表本网站的观点和立场。投资者应自行决策和交易，作者和本网站将对投资者交易造成的直接或间接损失不承担任何责任。！
