AI产业链利润分配与核心矛盾 - AI产业经过三年狂热炒作，市场对大规模基建计划产生泡沫担忧 [1] - 产业链利润分配严重扭曲，上游算力提供商（如英伟达）赚取绝大部分利润，而下游应用商（如OpenAI）持续巨额亏损 [6][22] - 核心矛盾在于生产资料（GPU）成本过高，与终端应用收入严重不匹配，导致产业链资金循环健康度受损 [19][22][40] 云服务商（CSP）经济模型与风险 - 云服务商每100元AI云服务收入中，55元为成本（其中35元为GPU设备折旧），10元为运营开支，账面经营利润为35元 [12][13][14] - 由于需提前投入175元购置GPU设备（按5年折旧），云服务商仅实现账面利润，实际现金流严重紧张 [12][15] - 云服务商承担最大前期资本开支风险，若需求判断失误或技术迭代导致产能闲置，将面临巨大损失 [28][31] - 新兴云服务商（如CoreWeave、Lambda）普遍依赖资产抵押证券融资，缺乏传统现金牛业务支撑 [15] 上游算力提供商（英伟达）现状与挑战 - 在云服务商100元收入对应的175元设备采购中，英伟达GPU价值占比70%，即获得125元收入 [16][17] - 英伟达凭借训练阶段GPU垄断地位享受早期基建红利，但增长高度依赖云服务商资本开支增速 [24] - 面临增长压力，通过向海外市场（如中东）扩张和每2-3年快速产品迭代（Ampere→Hopper→Blackwell→Rubin）刺激持续需求 [24][26][27] - 前四大客户贡献61%收入，客户集中度风险显著 [24] 下游应用/模型商（OpenAI）财务状况与困境 - OpenAI预计2025年收入130亿美元（同比增长250%），但亏损高达150-300亿美元，收入增长反而扩大亏损 [34][37] - 每100元云服务支出仅对应96元收入，加上研发营销等开支，基本亏损100元 [19] - 高云服务成本导致产品推新延迟（如Sora）、高定价拖累渗透率，面临现金流断裂风险 [39] 产业链博弈与垂直一体化趋势 - 英伟达通过扶持新兴云平台（如CoreWeave）并提供产能回购协议，削弱传统云服务大厂产业地位 [41][42] - 云服务商（谷歌、亚马逊、微软等）通过自研ASIC芯片（TPU、Trainium）降低对英伟达GPU依赖，争夺定价权 [31][43][45] - OpenAI计划自建数据中心（Stargate项目，目标10GW产能），通过融资和绑定供应商锁定算力，意图制造产能过剩以降低成本 [48][49][51][52] 2026年投资主题与行业展望 - 投资机会转向算力结构性过剩和产业链利润下移，只有算力成本下降才能推动下游应用繁荣 [53] - 英伟达未来股价增长主要依赖业绩，估值扩张空间有限；需关注数据中心建设节奏（电力、水资源等瓶颈） [53][54] - 谷歌开始出售裸芯片而非云服务，表明行业紧缺环节可能转向IDC数据中心建设 [54] - 创业公司颠覆巨头难度大，过度押注OpenAI产业链资产存在风险 [54]