文章核心观点 - 当前关于AI价值将从芯片公司（如英伟达）转移至云服务商的判断可能不成立，价值最终将流向应用开发商 [1][2][24][25] - 云服务商面临数据中心盈利能力弱和中国厂商激烈竞争的双重压力，利润空间被压缩 [2][3][6][21] - AI发展周期与铁路时代有相似之处，基础设施建设的最大受益者将是使用者而非建设者 [23][24] 云服务利润的现实挑战 - 数据中心毛利率偏低，Oracle的披露显示即便对GPU折旧进行摊薄处理，盈利能力依旧偏弱 [3] - 数据中心建设包含土地、电力、制冷、网络与人力等高额成本，GPU生命周期仅3-5年，进一步限制了毛利率 [3] - 云服务商在高资本支出和高折旧成本下运营，利润有限，变得越来越像“搬运工” [3][4] 中国厂商的竞争影响 - 阿里巴巴的Qwen系列模型引发价格冲击，Qwen-VL的API定价为输入1000 token约0.003元人民币，比OpenAI、Anthropic等公司低一个数量级 [10][11] - 中国厂商采取“量大价低”的积极价格战策略，旨在争夺早期市场份额 [12][13] - 中国厂商拥有成本结构优势，包括更低的基础设施、电力、土地、人力成本，以及自有云基础设施带来的低边际扩展成本 [14] - 阿里不依赖模型收费盈利，而是将API作为“入口产品”，通过云存储、数据平台、企业IT服务、SaaS等实现生态捆绑盈利 [15][16][17] - 中国厂商的低价策略对全球token定价构成底部压力，压缩了美系云服务商的单位利润 [20][21] AI与铁路时代的资本周期类比 - 未来5-7年AI数据中心投资预计超过4万亿美元，可能出现类似铁路时代的过度投资和产能过剩 [23] - 关键相似迹象包括高资本支出、单位利润持续下降、多方重复建设、竞争者过多以及下游盈利能力不稳 [23] - 当前出现利用率下降、价格战加剧、融资趋紧等周期转折点前兆 [23] AI价值的未来流向 - 价值流动路径分为两个阶段：第一阶段由掌握垄断定价权的芯片厂商（如英伟达）抽取高额利润；第二阶段当模型成本下降和硬件普及时，价值将流向AI企业软件、垂直行业解决方案、自动化工具和AI-native公司等应用开发商 [25] - 云服务商最终角色类似于“过路费”提供者，利润难以显著提升 [25] - token未来将演变为廉价、可替代的基础资源，而非高利润产品 [26]