文章核心观点 - AI产业的价值链利润分配呈现严重倒置，与云计算模式完全相反，半导体层（尤其是英伟达）攫取了绝大部分利润，而直面用户的应用层利润微薄 [1][4][5][9][10] - 这种“卖铲子者通吃”的格局根源于算力稀缺和上游供给方的强大定价权，应用层因产品差异化不足、用户切换成本低而缺乏定价能力 [11] - 尽管行业规模在两年内激增5倍，但利润向上游集中的趋势并未改变，应用层利润份额若按当前速度增长，需超过10年才能达到云计算应用层的水平 [12][14] - 价值链各层竞争格局迥异：半导体层是“单人游戏”（英伟达主导），基础设施层是竞争充分的“买方市场”，应用层则是“双人游戏”（OpenAI和Anthropic主导） [17][18][19] - 改变当前利润分配格局需要多个条件同时成熟，包括自研芯片侵蚀英伟达毛利、模型商品化以及应用层找到高价值、高定价权的场景，这个过程乐观估计需7-8年，保守估计超过10年 [36][37] - 对于应用层公司而言，在利润结构翻转前生存下去是关键，其可行出路可能在于深耕高毛利率、高切换成本的垂直专业场景，而非追求通用应用 [43][46] AI价值链利润分配格局 - **与云计算价值链镜像相反**：在成熟的云计算价值链中，应用层（SaaS）占据约70%的毛利润，基础设施层占24%，硬件层仅占6% [4]。而在AI价值链中，半导体层独占79%的毛利润，基础设施层占14%，应用层仅占7% [9][10] - **各层收入与利润数据（2026年初）**： - 半导体层：年化收入约3000亿美元，毛利率约73%，毛利润约2250亿美元 [8][9] - 基础设施层：年化收入约750亿美元，毛利率约55%，毛利润约410亿美元 [8][9] - 应用层：年化收入约600亿美元，毛利率约33%，毛利润约200亿美元 [8][9] - **利润倒置的核心原因**：算力作为核心生产资料依然极度稀缺，溢价留在供给端；同时，应用层产品差异化不足，用户切换成本低，导致其缺乏定价权 [11] 行业增长与份额分配 - **整体规模两年增长5倍**：AI生态系统年化收入从两年前的约900亿美元增长至4350亿美元 [1][8] - **增长份额高度不均**： - 应用层收入增长约12倍（从约50亿至约600亿美元），但绝对值仅增加约550亿美元 [14] - 半导体层绝对值增加约2250亿美元，其中仅英伟达一家公司就增加了约1750亿美元的年化收入，相当于整个应用层增量的3倍 [14] - **利润结构演变缓慢**：过去两年，基础设施层和应用层的毛利润份额各增加约4个百分点，按此速度，应用层需要超过10年才能达到云计算应用层70%的利润占比水平 [14] 各层级竞争格局分析 - **半导体层是“单人游戏”**：市场规模约3000亿美元，英伟达占据约80%的份额，其围绕CUDA构建的软件生态构成了极高的壁垒 [17][18] - **基础设施层是唯一竞争充分的层级**：Azure、AWS、GCP、Oracle等云厂商AI相关收入在100-200亿美元量级，CoreWeave约60亿美元，没有一家份额超过30%，形成买方市场 [18] - **应用层是“双人游戏”**：OpenAI（约350亿美元年化收入）和Anthropic（约100亿美元）合计占据应用层75%的份额，形成双寡头格局，其后是一批年收入在数亿美元量级的垂直领域公司 [19] 资本开支与战略动机 - **资本开支急剧膨胀**：2025年，五大超大规模云厂商（微软、谷歌、亚马逊、Meta、甲骨文）合计资本开支约4430亿美元，同比增长73% [21]。2026年预计超过6000亿美元，其中约75%（约4500亿美元）直接用于AI基础设施 [21] - **投资兼具进攻与防御属性**：巨头投资不仅是追求回报，更是防御性必须，以防对手的产品渗透自身核心客户群 [25] - **“不对称赌注”逻辑**：对于现金流充裕的大公司，大规模前置投资AI基础设施，最坏情况仅是暂停建设等待需求跟上，风险相对可控 [24] 自研芯片的进展与影响 - **各大厂商积极布局**：谷歌TPU已发展至第七代并对外出售，亚马逊Trainium2已部署140万片，OpenAI与Broadcom、AMD签订大单以减少对英伟达的依赖，微软、Meta也部署了自研芯片用于推理 [30][31][32] - **主战场在推理端**：由于训练工作负载动态变化，自研ASIC（专用芯片）的优势在于对固定推理工作负载进行极致优化。未来若大部分AI计算成本转向推理，自研芯片可能侵蚀英伟达市场 [33] - **已产生竞争压力**：谷歌TPU的竞争已迫使英伟达对部分客户降价约30% [30] 价值链翻转的条件与时间预测 - **历史参照：云计算翻转历时约15年**，需要硬件标准化、开源软件普及、网络设施成熟和杀手级应用出现等多个条件 [36] - **AI翻转的三个关键条件**： 1. 自研芯片成熟，压缩英伟达毛利率（进行中，远未完成） 2. 模型商品化，形成充分竞争压缩基础设施层溢价（正在发生，但头部效应强） 3. 应用层找到高价值、高定价权的差异化场景（进展参差不齐） [37] - **时间预测**：乐观估计需7-8年，保守估计超过10年，2031年之前可能看不到翻转 [37] 对行业参与者的启示 - **应用层公司面临结构性劣势**：33%的毛利率远低于成熟SaaS（65-80%）和半导体层，大量收入需支付给上游算力供应商 [43] - **垂直化是可行出路**：在通用应用缺乏定价权的情况下，占领客单价高、切换成本高、有法规壁垒的垂直专业场景（如法律、医疗）可能构建可持续的商业模式 [43] - **基础设施层利润难守**：算力价格长期呈下降趋势，纯算力供应商的差异化与长期利润面临挑战 [44] - **英伟达护城河深但面临长期威胁**：其最大威胁并非AMD，而是谷歌TPU在推理端的持续渗透及亚马逊Trainium可能带来的成本体系颠覆 [44] - **平台早期规律**：在重大技术平台转换早期，资源（如算力）控制者获取大部分利润是历史规律，应用层的价值创造和利润获取需要时间 [44][45]