大多數(shù)人以為 AI 就是一個會聊天的機器人。你打開 ChatGPT，讓它幫你修改郵件，它做到了，感覺像魔法。你滿意地關掉頁面，覺得自己理解了 AI 是怎么回事。但這就像在餐廳刷信用卡后，就認為自己明白了 Visa 是如何賺錢的——你用了產品，但你沒看到系統(tǒng)。

投資人 Anish Moonka 最近發(fā)布了一篇深度長文，系統(tǒng)性地剖析了 AI 產業(yè)的價值鏈結構。他花了將近一年時間才真正搞清楚錢在 AI 行業(yè)是如何流動的。坦白說，他在文章中承認自己走了不少彎路，一直盯著 ChatGPT、Claude 和 Gemini 這些你能看到摸到的產品，而此時 7000 億美元正悄無聲息地流向他連名字都叫不出來的基礎設施——那些從未聽說過的芯片、聽起來像編造出來的封裝技術、冷卻系統(tǒng)、發(fā)電廠。混凝土正在德克薩斯、愛荷華和海得拉巴被澆筑成型。

這篇文章給了我很大啟發(fā)。它讓我意識到，我們對 AI 的理解可能從一開始就錯位了。我們看到的是冰山一角，而真正的財富創(chuàng)造正在水面之下悄然發(fā)生。

五層蛋糕：為什么沒人談論底部四層

Nvidia CEO 黃仁勛在 2026 年 1 月的達沃斯論壇上，把 AI 描述為一個五層系統(tǒng)：能源、芯片、云計算、模型、應用。他把整個體系稱為"人類歷史上最大規(guī)模的基礎設施建設"。Anish Moonka 將這個框架稱為 AI Stack（AI 技術棧），并指出每一層都為上面的層級提供支撐，資金在這些層級之間雙向流動。

這個五層結構其實很好理解。能源層提供電力，AI 數(shù)據(jù)中心的耗電量驚人，一次大型訓練運行消耗的電力相當于一個小鎮(zhèn)一年的用電量。芯片層提供專用處理器來進行海量數(shù)學運算，這些不是普通筆記本電腦里的芯片。云計算層是裝滿這些芯片的巨大倉庫，用極快的網(wǎng)絡連接起來。模型層是實際的 AI 軟件，從數(shù)據(jù)中學習模式的"大腦"。應用層則是人們真正使用的產品，ChatGPT、Google 搜索、銀行的欺詐檢測系統(tǒng)等等。

我發(fā)現(xiàn)一個很有意思的現(xiàn)象：幾乎所有關于 AI 的討論都集中在第五層，也就是應用層。因為這是我們能看到、能摸到、能用到的東西。但 Anish 指出了一個關鍵點：只關注第五層的討論，忽略了 80% 的全貌。而對投資者、創(chuàng)業(yè)者或任何想理解世界走向的人來說，真正重要的是理解錢在這些層級之間如何流動——它會集中、會復利、會聚集，而現(xiàn)在它正在集中到大多數(shù)人根本沒有關注的地方。

想想"基礎設施"這個詞的含義。道路、電網(wǎng)、供水系統(tǒng)，這些是讓文明運轉的東西，而且在它們崩潰之前，沒人會去想它們。AI 正在成為那種東西——看不見、必不可少、建設成本極其高昂。這也解釋了為什么沒人在雞尾酒會上討論數(shù)據(jù)中心的冷卻系統(tǒng)或電網(wǎng)容量，但恰恰是這種"沒人討論"，標志著真金白銀正在那里流動。

錢去了哪里：一個反直覺的真相

Anish 在文章中披露了一組驚人的數(shù)字。2026 年，全球四大云計算公司——亞馬遜、微軟、谷歌和 Meta——預計將在資本支出（capital expenditures，簡稱 capex）上投入 6500 億到 7000 億美元。這是什么概念？大約相當于瑞士一年的 GDP。其中約 75%，也就是 4500 億美元，將直接投入 AI 基礎設施。不是聊天機器人，不是應用程序，而是建筑、芯片、電纜和冷卻系統(tǒng)。

這個數(shù)字讓我重新思考了整個 AI 產業(yè)的邏輯。在任何人使用 ChatGPT 之前，必須有人建造一個購物中心大小的數(shù)據(jù)中心，用數(shù)萬個專用處理器填滿它，用價值超過大多數(shù)公司總價值的網(wǎng)絡設備連接它們，然后每天給整個系統(tǒng)提供足以供應一座小城市的電力。這就是第一層到第三層正在發(fā)生的事情——看不見的層級，嚴肅資本正在大規(guī)模部署的層級。

但這里有一個更深層的矛盾。大家都覺得 OpenAI 這樣的公司在賺大錢，確實如此。OpenAI 在 2025 年底達到了 200 億美元的年度經(jīng)常性收入（annualised recurring revenue，簡稱 ARR），從一年前的 60 億美元和兩年前的 20 億美元飆升。兩年內 10 倍的增長，歷史上沒有任何公司能從這個基數(shù)以這樣的速度擴張。

但 Anish 揭示了一個關鍵事實：OpenAI 在 2025 年燒掉了大約 90 億美元現(xiàn)金，預計 2026 年現(xiàn)金消耗將達到 170 億美元。他們的推理成本（inference costs，當你問 AI 問題時實際運行 AI 的成本）在 2025 年達到 84 億美元，預計 2026 年將達到 141 億美元。他們預計要到 2029 年或 2030 年才能實現(xiàn)正向現(xiàn)金流。

這些燒掉的現(xiàn)金去了哪里？Anish 給出了答案：它向下流經(jīng)整個技術棧。流向 Microsoft Azure（OpenAI 在 2032 年前要向微軟支付其總收入的 20%），流向 Nvidia 購買芯片，流向建設和裝備數(shù)據(jù)中心的公司，流向發(fā)電的電力公司。這里面有一種幾乎循環(huán)的模式：微軟投資 OpenAI，OpenAI 把錢花在 Azure 上，Azure 用收入購買更多 Nvidia 芯片，Nvidia 報告創(chuàng)紀錄的收益，所有人都在慶祝?，F(xiàn)金不斷向下流動。

我覺得這里揭示了一個根本性的認知誤區(qū)：大多數(shù)用戶在技術棧的頂部，大多數(shù)利潤在底部。這種脫節(jié)就是整個投資邏輯的核心。用 Anish 的話說，這是 AI 價值鏈的第一課：收入向上流動，資本向下流動。而作為投資者或觀察者，我們往往被收入的增長所吸引，卻忽略了資本的沉淀才是真正的護城河。

歷史總在重演：電力革命的啟示

Anish 在文章中做了一個精彩的歷史類比。如果你想理解 AI 正在發(fā)生什么，去研究 1880 年到 1920 年間電力革命發(fā)生了什么。當托馬斯·愛迪生在 1882 年在曼哈頓珍珠街建造第一座商業(yè)發(fā)電站時，人們認為電力只是個新奇玩意兒，一種照亮房間的花哨方式。為什么需要這個，煤氣燈不是工作得很好嗎？

但僅僅 40 年內，電力就重組了地球上的每一個行業(yè)——制造業(yè)、運輸、通信、醫(yī)療、娛樂。而獲勝的公司不是發(fā)明燈泡的公司，而是建造發(fā)電廠、鋪設銅線、制造發(fā)電機的公司：通用電氣、西屋電氣、公用事業(yè)公司、銅礦開采商、建筑商。

同樣的模式正在 AI 領域上演，只是從幾十年壓縮到了幾年。Anish 把這個現(xiàn)象稱為"基礎設施引力"（Infrastructure Gravity）。每當一個新的計算平臺出現(xiàn)時，初始財富創(chuàng)造都發(fā)生在"鎬和鏟子"上。應用會在后面出現(xiàn)，應用會獲得所有媒體關注，但基礎設施獲得所有利潤空間。

看看數(shù)字就能明白這個道理的威力。Nvidia 在 2026 財年（截至 2026 年 1 月）公布了 2159 億美元的全年收入，比前一年增長 65%。僅他們的數(shù)據(jù)中心部門就在最后一個季度做了 623 億美元，同比增長 75%。這個單一部門現(xiàn)在占 Nvidia 總收入的 91% 以上。一家公司單季收入 680 億美元，其中十分之九來自一條業(yè)務線。

TSMC，實際制造 Nvidia 芯片以及幾乎所有其他主流芯片的公司，在 2025 年占據(jù)了全球晶圓代工市場近 70% 的份額，銷售額達到 1225 億美元。最接近的競爭對手三星只有 7.2%。Anish 評論說，這種主導地位會讓標準石油公司都感到不安。

我特別認同 Anish 的一個觀點：問任何人互聯(lián)網(wǎng)革命是關于什么的，他們會說谷歌、亞馬遜和 Facebook。但問早期的錢實際上在哪里賺的，答案是思科、康寧和鋪設光纖的公司。同樣的故事，不同的十年?；A設施總是先贏，問題只是這個窗口能開多久。

投資者的地圖：逐層拆解機會

Anish 在文章中用了很大篇幅逐層分解投資機會。我覺得這部分特別有價值，因為它把抽象的概念變成了可操作的投資框架。

第一層：能源。AI 數(shù)據(jù)中心的耗電量極其驚人，預計到 2026 年每年將消耗約 90 太瓦時的電力，比 2022 年的水平增長了約十倍。這創(chuàng)造了一個直接的投資論點：任何能夠生成、傳輸并向數(shù)據(jù)中心提供可靠電力的公司都將受益。黃仁勛在 2025 年 10 月的一句話特別能說明問題："數(shù)據(jù)中心自發(fā)電的速度可能比接入電網(wǎng)快得多。"這意味著科技公司正在成為自己的公用事業(yè)提供商，繞過傳統(tǒng)電網(wǎng)。這個趨勢讓我想到，能源基礎設施的投資機會可能比大多數(shù)人想象的更接近科技行業(yè)。

第二層：芯片。這是大多數(shù)人聽說過的層級，因為 Nvidia。但 Anish 指出，芯片層遠比一家公司復雜。它有自己的子層級：設計師（Nvidia、AMD、Broadcom 等），制造商（TSMC 主導，占 70% 市場份額），設備供應商（ASML 是地球上唯一制造 EUV 極紫外光刻機的公司），內存供應商（SK Hynix、三星、美光），以及封裝技術提供商。

這里的集中度讓我印象深刻。Nvidia 占據(jù) AI 數(shù)據(jù)中心 GPU（圖形處理單元）市場約 92% 的份額。TSMC 為幾乎所有主要芯片設計商制造芯片。ASML 是 EUV 光刻機的唯一供應商。一家公司設計，一家公司建造，一家公司制造建造的機器。Anish 評論說，這種集中度既是投資論點，也是地緣政治風險。我認為這個觀察非常關鍵——這種極端集中意味著高利潤和高風險并存。

第三層：云計算和數(shù)據(jù)中心。市場由三大云計算巨頭主導：Amazon Web Services（31% 市場份額）、Microsoft Azure（24%）和 Google Cloud（11%）。但這一層遠不止這些巨頭。富士康現(xiàn)在組裝全球約 40% 的 AI 服務器，Arista Networks 和 Credo Technology 構建網(wǎng)絡基礎設施，Vertiv 處理液體冷卻，數(shù)據(jù)中心 REITs（房地產投資信托）擁有土地和建筑，甚至有人必須澆筑混凝土。

Anish 提到的一個數(shù)字讓我震驚：根據(jù)美國銀行估計，云計算巨頭在 2026 年將 90% 的經(jīng)營現(xiàn)金流用于 capex，高于 2025 年的 65%。摩根士丹利預計這些公司今年將借款超過 4000 億美元來資助建設，是 2025 年 1650 億美元的兩倍多。單年 4000 億美元的債券發(fā)行，只是為了建造計算機倉庫。這個規(guī)模是前所未有的。

第四層：模型。這是"大腦"層，包括 OpenAI（GPT 系列，ARR 超過 200 億美元）、Anthropic（Claude，據(jù)報道 2026 年初年化收入約 190 億美元）、Google DeepMind（Gemini）、Meta AI（Llama）等。Anish 對這一層的評價很中肯：它同時是最受炒作和最不盈利的。商業(yè)模式問題是結構性的——當你在計算上花費更多時模型會變得更好，但這種支出增長快于收入。這有點像經(jīng)營一家餐廳，每道菜都需要比上一道更貴的食材，但顧客期望價格保持不變。利潤空間持續(xù)被壓縮。

第五層：應用。這是我們每天看到的層級，ChatGPT、Google 搜索、Microsoft Copilot 等。這是最寬和最擁擠的層級，最終會成為總可尋址市場最大的層級，但現(xiàn)在也是利潤最薄、競爭最不確定的層級。Anish 指出，這一層的差異化因素是數(shù)據(jù)。擁有獨特專有數(shù)據(jù)的公司將建立持久優(yōu)勢——Salesforce 有企業(yè) CRM 數(shù)據(jù)，Bloomberg 有金融數(shù)據(jù)，Epic 有醫(yī)療記錄。

我特別認同 Anish 的一個判斷：未來 3 到 5 年的最佳回報可能是現(xiàn)在投基礎設施，之后投應用。最聰明的資本已經(jīng)相應定位。會真正贏得應用層的公司，是那些坐擁別人無法獲取的數(shù)據(jù)的公司，而且大多數(shù)甚至還不稱自己為 AI 公司。

這是泡沫嗎：一個必須面對的質疑

Anish 在文章中直接回應了一個核心質疑："這不就是互聯(lián)網(wǎng)泡沫的重演嗎？大規(guī)?；A設施支出，沒有利潤，每個人都被炒作沖昏了頭腦？"他給出的答案很有說服力。

區(qū)別在于需求的時間點。在互聯(lián)網(wǎng)泡沫時代，公司在為尚未實現(xiàn)的需求建設基礎設施。光纖網(wǎng)絡和服務器被建造出來，但用戶還在用撥號上網(wǎng)。基礎設施建成了，需求在 5 到 7 年后才真正爆發(fā)，中間的一切都被清算了。

而到 2026 年，AI 需求已經(jīng)存在且在快速增長。Nvidia 無法足夠快地制造芯片，TSMC 的先進封裝產能已售罄，云計算租賃價格在上漲而非下降，OpenAI 僅在 2025 年 3 月至 10 月就增加了 4 億周活躍用戶。模型正在被使用，計算正在被消耗，客戶正在付費。

但 Anish 也誠實地指出了三個主要風險。資本配置不當?shù)娘L險——如果 AI 服務收入不能足夠快地實現(xiàn)以證明 6500 億美元以上支出的合理性，一些公司將面臨嚴重的利潤壓縮，連亞馬遜的自由現(xiàn)金流今年都可能變成負數(shù)。集中風險——TSMC 制造全球近 70% 的芯片，ASML 是 EUV 機器的唯一供應商，Nvidia 設計 92% 的 AI 數(shù)據(jù)中心 GPU，任何地緣政治或自然災害的中斷都可能波及整個技術棧。以及 DeepSeek 問題——2025 年 1 月，中國 AI 實驗室 DeepSeek 以一小部分訓練成本就達到了接近前沿的性能，這挑戰(zhàn)了"更大支出等于更好 AI"的假設。

我覺得 Anish 對風險的坦誠讓他的分析更可信。他沒有回避這些問題，而是清晰地擺出來。但即使考慮到這些風險，麥肯錫估計到 2030 年全球累計數(shù)據(jù)中心投資可能達到 6.7 萬億美元，普華永道估計 AI 到 2030 年可能為全球 GDP 貢獻 15.7 萬億美元。即使這些數(shù)字錯了 50%，我們仍在談論自互聯(lián)網(wǎng)以來最大的技術驅動經(jīng)濟轉變。

Anish 有句話我特別認同："對模型持懷疑態(tài)度，對時間表持懷疑態(tài)度都可以，但不要對供應鏈無知。這些是不同的事情。一個是健康的智力姿態(tài)，另一個會讓你損失金錢。"

在正確的層級玩游戲

Anish 用了一個游戲的比喻來總結投資策略。把 AI 想象成一個有五個關卡的視頻游戲，每個關卡有不同的難度和回報。能源層是教程階段，低風險穩(wěn)定回報。芯片層是 Boss 戰(zhàn)，最高利潤但難度設為困難。云計算層是多人服務器，巨頭們從一切中抽成。模型層是 PvP 競技場，殘酷競爭大多數(shù)玩家被淘汰。應用層是開放世界，無限可能但沒有保證的戰(zhàn)利品。

他的元策略很簡單：你不必玩所有五個關卡。大多數(shù)人試圖玩第五關因為它最明顯，但聰明的錢正在刷第二關和第三關，因為那是現(xiàn)在經(jīng)驗值最高的地方。

我覺得這個框架的價值在于，它讓你明白自己在技術棧中的位置決定了你應該關注什么。對非技術人員，你不需要理解 GPU 如何工作，你需要理解有人必須制造它們、有人必須容納它們、有人必須為它們供電，而這些"有人"是上市公司。對技術人員，你已經(jīng)知道模型在進步，但可能低估了物理約束正在以多快的速度成為瓶頸。對投資者，AI 價值鏈是五筆不同的交易，每筆都有不同的風險回報，把"AI"當作單一行業(yè)就像 1998 年把"技術"當作單一行業(yè)一樣幼稚。

Anish 最后指出，這種基礎設施優(yōu)勢不會永遠持續(xù)。在某個時點，基礎設施建設將成熟，應用層將整合，價值將向技術棧上方移動，就像互聯(lián)網(wǎng)時代一樣——亞馬遜、谷歌和 Facebook 最終捕獲的價值超過了光纖公司和服務器制造商。但現(xiàn)在還沒到那一步，我們仍在基礎設施階段，鎬和鏟子階段。而鎬和鏟子正在印鈔票。

讀完 Anish 的這篇長文，我最大的收獲是理解了一個簡單但深刻的道理：消費者看產品，投資者看供應鏈，而最好的投資者在產品出貨之前就看到了供應鏈。五年后，贏得這個周期的名字會感覺顯而易見，它們總是如此。游戲就是在其他人趕上之前看到結構。

十年后，理解 AI 技術棧將像理解資產負債表一樣基本。學習技術棧，繪制層級，跟隨資本。這就是游戲。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。

- END -

兩個“特別坑”的AI產品創(chuàng)業(yè)方向，你知道嗎

速度將成為AI時代唯一的護城河

a16z重磅預測：Vibe coding贏者通吃？錯了，垂直專業(yè)化才是未來