生成式 AI 的经济学：两年之后
作者： Apoorv Agrawal
免责声明： 本翻译好的文章仅限于我自己阅读，不是转载和发布。
半导体是一个人的游戏。应用程序是两个人的游戏。基础设施是唯一具有竞争力的层级。
我很高兴能更新我 2024 年的初步分析：生成式 AI 的经济学 (The Economics of Generative AI)。这是我回顾得最多的一篇分析文章，因为它提醒着我 AI 行业的“物理学”。
两年前，我发现生成式 AI 的价值链是倒置的：计算层占据了约 83% 的总收入和约 87% 的总毛利。应用层尽管最接近最终客户，却几乎赚不到钱。我预测这种情况会随着时间的推移而逆转，遵循每一次先前平台转移的模式。两年前，我说过：
两年过去了，AI 生态系统增长了大约 5 倍，年化收入从约 900 亿美元增长到约 4350 亿美元。但引人注目的是，经济学的形态几乎没有发生变化。
先说底线：半导体是一个人的游戏。应用程序是两个人的游戏。基础设施是唯一具有竞争力的层级。AI 领域最赚钱的策略仍然是“卖铲子”。:)
让我们深入探讨！
#1 价值链依然是倒置的
以下是每个层级的细分情况：
- 半导体（约 3000 亿美元）： 这绝大部分是英伟达（NVIDIA）。他们的数据中心业务上个季度营收 620 亿美元，年化收入约为 2500 亿美元。博通（Broadcom）的 AI 半导体业务（为谷歌、Meta、字节跳动定制的加速器）增加了约 340 亿美元。超大规模云服务商直接购买用于定制芯片项目的约 250 亿美元高带宽内存完善了这一层。集中度极高：英伟达占据了该层约 80% 的份额。
- 基础设施（约 750 亿美元）： AI 专用的云基础设施。Azure、AWS、GCP、Oracle 各自贡献了 100-200 亿美元的 AI 相关收入。CoreWeave 增加了约 60 亿美元。Baseten、Together、Modal 和其他推理提供商共同构成了其余部分。与其他层级不同，这一层级在主要云服务商中分布相对均匀。
- 应用程序（约 600 亿美元）： 也极其集中，但在两家公司手中。OpenAI 和 Anthropic 加起来的年化收入约为 450 亿美元，占据了该层约 75% 的份额。排在遥远第三位的是像 Cursor 这样的编码 AI 玩家，紧随其后的是快速增长的智能体公司，如 ElevenLabs、Glean、Sierra、Perplexity、Replit、Lovable、Harvey、Abridge 等。
底线：半导体层仍然占据了所有 AI 收入的约 70%。 在云堆栈中，半导体仅占据其 1/10 的份额：约 8%。这种差距是这次超级周期与上一次超级周期之间的核心扭曲。
#2 AI 增长了 5 倍，但英伟达占据了大部分价值
尽管整个生态系统增长了 5 倍，但形态并未发生太大变化。应用层的百分比增长最快（两年内增长了 12 倍）。但在绝对金额上，半导体层增加了约 2250 亿美元，而应用层仅增加了约 550 亿美元。仅英伟达一家就增加了 1750 亿美元的增量收入。这大约是今天整个应用层规模的 3 倍。
盈利能力的图景甚至更加倾斜。半导体的毛利率约为 73%。基础设施层的毛利率约为 55%。根据我的估计，应用程序的毛利率约为 33%。
相乘得出：半导体层获得约 2250 亿美元的毛利。基础设施层获得约 400 亿美元。应用程序获得约 200 亿美元。半导体占据了 AI 生态系统中所有毛利美元的 79%。 相比之下，在云堆栈中，应用程序占据了 70%，而半导体占据了 6%。AI 堆栈几乎完全是它的镜像。
在两年的时间里，基础设施和应用程序各自获得了大约 4 个百分点的利润份额。半导体从 87% 下降到 79%。按照这个速度，应用层要想达到应用程序在云时代享有的那种份额，需要十多年的时间。
#3 资本支出问题：这值得吗？
排名前五的超大规模云服务商在 2025 年花费了约 4430 亿美元 的资本支出（capex），比 2024 年的 2560 亿美元增长了 73%。预计到 2026 年，这一数字将超过 6000 亿美元，其中大约 75%（约 4500 亿美元）用于 AI 基础设施。这就提出了一个明显的问题：所有这些资本支出是否产生了正的投资回报率（ROI）？
首席执行官们正在打赌这是值得的：
- 安迪·贾西（Andy Jassy），亚马逊（2025 年第四季度财报电话会议，2026 年 2 月）：“我们现在增加容量的速度有多快，我们将其变现的速度就有多快。”
- 桑达尔·皮查伊（Sundar Pichai），Alphabet（2025 年第四季度财报电话会议，2026 年 2 月）：“我们看到我们的 AI 投资和基础设施全面推动了收入和增长。”尽管他也承认当前 AI 投资规模中存在“非理性的因素”。
- 马克·扎克伯格（Mark Zuckerberg），Meta（2025 年第四季度财报电话会议，2026 年 1 月）：“我认为积极地将建设容量前置是正确的策略。在最坏的情况下，我们只会在一段时间内放慢建设新基础设施的速度，直到我们的业务增长能够匹配我们所建设的容量。”
以下是他们用所有这些钱买到的东西。下图显示了按芯片类型划分的累积 AI 计算容量。答案绝大多数是英伟达，尽管非英伟达芯片开始在边缘出现：
资料来源：Epoch AI。累积计算容量以 H100 当量衡量。
每个主要的超大规模云服务商都在通过开发定制芯片来进行对冲。按成熟度排序：
- Google TPU（最成熟）：第 7 代 Ironwood 现已全面可用。Anthropic 订购了多达 100 万颗 TPU 芯片，价值数百亿美元。谷歌现在将 TPU 作为商用硬件出售。据报道，TPU 的竞争压力迫使英伟达对一些客户降价约 30%。
- Amazon Trainium（快速扩展）：部署了 140 万颗 Trainium2 芯片，为大部分 Bedrock 推理提供动力。据亚马逊称，定制芯片业务年运行率突破了 100 亿美元，以三位数增长。Trainium3（3nm）投入生产，直到 2026 年中期的几乎所有供应都已被承诺。
- OpenAI 定制 ASIC（新进入者）+ AMD：与博通签署了从 2026 年开始的 10GW 定制加速器的多年协议。单独与 AMD 签署了购买 Instinct MI450 GPU 的 6GW 协议。
- Microsoft Maia + AMD：在 Azure 中部署了 Maia 200（2026 年 1 月）。声称在推理方面具有 3 倍于 Trainium3 的性能。现在为一部分 ChatGPT 工作负载提供动力。纳德拉（Nadella）表示，微软仍将与 Maia 一起从英伟达和 AMD 购买芯片。
- Meta MTIA（仅限内部）：部署了 MTIA v3 用于内部推理。收购了芯片初创公司 Rivos（2025 年 9 月），目标是 2026 年的 RISC-V 设计。
黄仁勋（Jensen Huang）将定制 ASIC 斥为“缺乏竞争力”，并指出“许多 ASIC 项目都被取消了”。从历史上看，他并没有错 🙂
#4 堆栈最终会翻转。这可能需要超过 10 年的时间。
我仍然相信堆栈最终会翻转。我只是不太确定什么时候。
为了使形态倒置，要么应用层需要继续爆炸式增长，要么半导体层需要变得更便宜。这两者都在发生，但都不足以在十年内改变形态。
云堆栈大约花了 15 年时间从以硬件为主导演变为以软件为主导。AI 堆栈可能会遵循类似的时间线。定制芯片的努力是关键变量。如果 TPU、Trainium 和其他 ASIC 能够大规模取得成功，它们可能会压缩英伟达的利润空间，并将利润转移到堆栈的上方。但在谷歌的 TPU 之外，还没有任何定制芯片项目证明它能够在训练工作负载方面大规模与英伟达竞争。
最大的开放机会仍然在应用层。那也是我花费大部分时间的地方。但投资者和建设者应该对今天经济学的现状保持清醒。AI 领域最赚钱的公司仍然是那家“卖铲子”的公司。
需要本次分析背后的底层数据，请联系我。我很乐意分享完整的数据表。
本通讯中提供的信息代表作者的观点，不代表任何其他人或实体，包括 Altimeter Capital Management, LP（“Altimeter”）的观点。所提供的信息被认为来自可靠来源，但不接受对任何不准确之处的责任。此内容仅供参考，不应被解释为投资建议或投资推荐。过去的表现不保证未来的表现。Altimeter 是一家在美国证券交易委员会注册的投资顾问。注册并不意味着特定水平的技能或培训。Altimeter 及其客户在公开证券市场进行交易，并已经和/或可能对本文提及的公司进行投资或做出与投资相关的决策。本文表达的观点是作者本人的观点，而不是 Altimeter 或其客户的观点，他们保留做出与本文表达的观点一致和/或不一致的投资决定或参与交易活动的权利。
本文和所提供的信息仅供参考。本文表达的观点仅代表作者个人，不构成出售要约、或购买推荐、或购买任何证券的要约邀请，也不构成对任何投资产品或服务的推荐。虽然本文中包含的某些信息来自被认为是可靠的来源，但作者、其任何雇主或其附属公司均未独立验证这些信息，因此无法保证其准确性和完整性。因此，对于这些信息的公平性、准确性、及时性或完整性，不作任何明示或暗示的陈述或保证，也不应依赖这些信息。作者及所有雇主及其附属人员对这些信息不承担任何责任，也没有义务在未来更新本文中包含的信息或分析。
