AI产业的价值流动正在颠覆传统认知。当所有人都在关注ChatGPT、Claude等应用层产品时，真正的财富正在悄然流向底层基础设施。本文通过AI技术栈五层模型，揭示能源、芯片、云计算等基础层如何成为真正的利润中心，而应用层却面临盈利困境。从7000亿美元资本流向到基础设施引力效应，深度解析AI产业的价值分配逻辑。

大多数人以为 AI 就是一个会聊天的机器人。你打开 ChatGPT，让它帮你修改邮件，它做到了，感觉像魔法。你满意地关掉页面，觉得自己理解了 AI 是怎么回事。但这就像在餐厅刷信用卡后，就认为自己明白了 Visa 是如何赚钱的——你用了产品，但你没看到系统。

投资人 Anish Moonka 最近发布了一篇深度长文，系统性地剖析了 AI 产业的价值链结构。他花了将近一年时间才真正搞清楚钱在 AI 行业是如何流动的。坦白说，他在文章中承认自己走了不少弯路，一直盯着 ChatGPT、Claude 和 Gemini 这些你能看到摸到的产品，而此时 7000 亿美元正悄无声息地流向他连名字都叫不出来的基础设施——那些从未听说过的芯片、听起来像编造出来的封装技术、冷却系统、发电厂。混凝土正在德克萨斯、爱荷华和海得拉巴被浇筑成型。

这篇文章给了我很大启发。它让我意识到，我们对 AI 的理解可能从一开始就错位了。我们看到的是冰山一角，而真正的财富创造正在水面之下悄然发生。

五层蛋糕：为什么没人谈论底部四层

Nvidia CEO 黄仁勋在 2026 年 1 月的达沃斯论坛上，把 AI 描述为一个五层系统：能源、芯片、云计算、模型、应用。他把整个体系称为”人类历史上最大规模的基础设施建设”。Anish Moonka 将这个框架称为 AI Stack（AI 技术栈），并指出每一层都为上面的层级提供支撑，资金在这些层级之间双向流动。

这个五层结构其实很好理解。能源层提供电力，AI 数据中心的耗电量惊人，一次大型训练运行消耗的电力相当于一个小镇一年的用电量。芯片层提供专用处理器来进行海量数学运算，这些不是普通笔记本电脑里的芯片。云计算层是装满这些芯片的巨大仓库，用极快的网络连接起来。模型层是实际的 AI 软件，从数据中学习模式的”大脑”。应用层则是人们真正使用的产品，ChatGPT、Google 搜索、银行的欺诈检测系统等等。

我发现一个很有意思的现象：几乎所有关于 AI 的讨论都集中在第五层，也就是应用层。因为这是我们能看到、能摸到、能用到的东西。但 Anish 指出了一个关键点：只关注第五层的讨论，忽略了 80% 的全貌。而对投资者、创业者或任何想理解世界走向的人来说，真正重要的是理解钱在这些层级之间如何流动——它会集中、会复利、会聚集，而现在它正在集中到大多数人根本没有关注的地方。

想想”基础设施”这个词的含义。道路、电网、供水系统，这些是让文明运转的东西，而且在它们崩溃之前，没人会去想它们。AI 正在成为那种东西——看不见、必不可少、建设成本极其高昂。这也解释了为什么没人在鸡尾酒会上讨论数据中心的冷却系统或电网容量，但恰恰是这种”没人讨论”，标志着真金白银正在那里流动。

钱去了哪里：一个反直觉的真相

Anish 在文章中披露了一组惊人的数字。2026 年，全球四大云计算公司——亚马逊、微软、谷歌和 Meta——预计将在资本支出（capital expenditures，简称 capex）上投入 6500 亿到 7000 亿美元。这是什么概念？大约相当于瑞士一年的 GDP。其中约 75%，也就是 4500 亿美元，将直接投入 AI 基础设施。不是聊天机器人，不是应用程序，而是建筑、芯片、电缆和冷却系统。

这个数字让我重新思考了整个 AI 产业的逻辑。在任何人使用 ChatGPT 之前，必须有人建造一个购物中心大小的数据中心，用数万个专用处理器填满它，用价值超过大多数公司总价值的网络设备连接它们，然后每天给整个系统提供足以供应一座小城市的电力。这就是第一层到第三层正在发生的事情——看不见的层级，严肃资本正在大规模部署的层级。

但这里有一个更深层的矛盾。大家都觉得 OpenAI 这样的公司在赚大钱，确实如此。OpenAI 在 2025 年底达到了 200 亿美元的年度经常性收入（annualised recurring revenue，简称 ARR），从一年前的 60 亿美元和两年前的 20 亿美元飙升。两年内 10 倍的增长，历史上没有任何公司能从这个基数以这样的速度扩张。

但 Anish 揭示了一个关键事实：OpenAI 在 2025 年烧掉了大约 90 亿美元现金，预计 2026 年现金消耗将达到 170 亿美元。他们的推理成本（inference costs，当你问 AI 问题时实际运行 AI 的成本）在 2025 年达到 84 亿美元，预计 2026 年将达到 141 亿美元。他们预计要到 2029 年或 2030 年才能实现正向现金流。

这些烧掉的现金去了哪里？Anish 给出了答案：它向下流经整个技术栈。流向 Microsoft Azure（OpenAI 在 2032 年前要向微软支付其总收入的 20%），流向 Nvidia 购买芯片，流向建设和装备数据中心的公司，流向发电的电力公司。这里面有一种几乎循环的模式：微软投资 OpenAI，OpenAI 把钱花在 Azure 上，Azure 用收入购买更多 Nvidia 芯片，Nvidia 报告创纪录的收益，所有人都在庆祝。现金不断向下流动。

我觉得这里揭示了一个根本性的认知误区：大多数用户在技术栈的顶部，大多数利润在底部。这种脱节就是整个投资逻辑的核心。用 Anish 的话说，这是 AI 价值链的第一课：收入向上流动，资本向下流动。而作为投资者或观察者，我们往往被收入的增长所吸引，却忽略了资本的沉淀才是真正的护城河。

历史总在重演：电力革命的启示

Anish 在文章中做了一个精彩的历史类比。如果你想理解 AI 正在发生什么，去研究 1880 年到 1920 年间电力革命发生了什么。当托马斯·爱迪生在 1882 年在曼哈顿珍珠街建造第一座商业发电站时，人们认为电力只是个新奇玩意儿，一种照亮房间的花哨方式。为什么需要这个，煤气灯不是工作得很好吗？

但仅仅 40 年内，电力就重组了地球上的每一个行业——制造业、运输、通信、医疗、娱乐。而获胜的公司不是发明灯泡的公司，而是建造发电厂、铺设铜线、制造发电机的公司：通用电气、西屋电气、公用事业公司、铜矿开采商、建筑商。

同样的模式正在 AI 领域上演，只是从几十年压缩到了几年。Anish 把这个现象称为”基础设施引力”（Infrastructure Gravity）。每当一个新的计算平台出现时，初始财富创造都发生在”镐和铲子”上。应用会在后面出现，应用会获得所有媒体关注，但基础设施获得所有利润空间。

看看数字就能明白这个道理的威力。Nvidia 在 2026 财年（截至 2026 年 1 月）公布了 2159 亿美元的全年收入，比前一年增长 65%。仅他们的数据中心部门就在最后一个季度做了 623 亿美元，同比增长 75%。这个单一部门现在占 Nvidia 总收入的 91% 以上。一家公司单季收入 680 亿美元，其中十分之九来自一条业务线。

TSMC，实际制造 Nvidia 芯片以及几乎所有其他主流芯片的公司，在 2025 年占据了全球晶圆代工市场近 70% 的份额，销售额达到 1225 亿美元。最接近的竞争对手三星只有 7.2%。Anish 评论说，这种主导地位会让标准石油公司都感到不安。

我特别认同 Anish 的一个观点：问任何人互联网革命是关于什么的，他们会说谷歌、亚马逊和 Facebook。但问早期的钱实际上在哪里赚的，答案是思科、康宁和铺设光纤的公司。同样的故事，不同的十年。基础设施总是先赢，问题只是这个窗口能开多久。

投资者的地图：逐层拆解机会

Anish 在文章中用了很大篇幅逐层分解投资机会。我觉得这部分特别有价值，因为它把抽象的概念变成了可操作的投资框架。

第一层：能源。AI 数据中心的耗电量极其惊人，预计到 2026 年每年将消耗约 90 太瓦时的电力，比 2022 年的水平增长了约十倍。这创造了一个直接的投资论点：任何能够生成、传输并向数据中心提供可靠电力的公司都将受益。黄仁勋在 2025 年 10 月的一句话特别能说明问题：”数据中心自发电的速度可能比接入电网快得多。”这意味着科技公司正在成为自己的公用事业提供商，绕过传统电网。这个趋势让我想到，能源基础设施的投资机会可能比大多数人想象的更接近科技行业。

第二层：芯片。这是大多数人听说过的层级，因为 Nvidia。但 Anish 指出，芯片层远比一家公司复杂。它有自己的子层级：设计师（Nvidia、AMD、Broadcom 等），制造商（TSMC 主导，占 70% 市场份额），设备供应商（ASML 是地球上唯一制造 EUV 极紫外光刻机的公司），内存供应商（SK Hynix、三星、美光），以及封装技术提供商。

这里的集中度让我印象深刻。Nvidia 占据 AI 数据中心 GPU（图形处理单元）市场约 92% 的份额。TSMC 为几乎所有主要芯片设计商制造芯片。ASML 是 EUV 光刻机的唯一供应商。一家公司设计，一家公司建造，一家公司制造建造的机器。Anish 评论说，这种集中度既是投资论点，也是地缘政治风险。我认为这个观察非常关键——这种极端集中意味着高利润和高风险并存。

第三层：云计算和数据中心。市场由三大云计算巨头主导：Amazon Web Services（31% 市场份额）、Microsoft Azure（24%）和 Google Cloud（11%）。但这一层远不止这些巨头。富士康现在组装全球约 40% 的 AI 服务器，Arista Networks 和 Credo Technology 构建网络基础设施，Vertiv 处理液体冷却，数据中心 REITs（房地产投资信托）拥有土地和建筑，甚至有人必须浇筑混凝土。

Anish 提到的一个数字让我震惊：根据美国银行估计，云计算巨头在 2026 年将 90% 的经营现金流用于 capex，高于 2025 年的 65%。摩根士丹利预计这些公司今年将借款超过 4000 亿美元来资助建设，是 2025 年 1650 亿美元的两倍多。单年 4000 亿美元的债券发行，只是为了建造计算机仓库。这个规模是前所未有的。

第四层：模型。这是”大脑”层，包括 OpenAI（GPT 系列，ARR 超过 200 亿美元）、Anthropic（Claude，据报道 2026 年初年化收入约 190 亿美元）、Google DeepMind（Gemini）、Meta AI（Llama）等。Anish 对这一层的评价很中肯：它同时是最受炒作和最不盈利的。商业模式问题是结构性的——当你在计算上花费更多时模型会变得更好，但这种支出增长快于收入。这有点像经营一家餐厅，每道菜都需要比上一道更贵的食材，但顾客期望价格保持不变。利润空间持续被压缩。

第五层：应用。这是我们每天看到的层级，ChatGPT、Google 搜索、Microsoft Copilot 等。这是最宽和最拥挤的层级，最终会成为总可寻址市场最大的层级，但现在也是利润最薄、竞争最不确定的层级。Anish 指出，这一层的差异化因素是数据。拥有独特专有数据的公司将建立持久优势——Salesforce 有企业 CRM 数据，Bloomberg 有金融数据，Epic 有医疗记录。

我特别认同 Anish 的一个判断：未来 3 到 5 年的最佳回报可能是现在投基础设施，之后投应用。最聪明的资本已经相应定位。会真正赢得应用层的公司，是那些坐拥别人无法获取的数据的公司，而且大多数甚至还不称自己为 AI 公司。

这是泡沫吗：一个必须面对的质疑

Anish 在文章中直接回应了一个核心质疑：”这不就是互联网泡沫的重演吗？大规模基础设施支出，没有利润，每个人都被炒作冲昏了头脑？”他给出的答案很有说服力。

区别在于需求的时间点。在互联网泡沫时代，公司在为尚未实现的需求建设基础设施。光纤网络和服务器被建造出来，但用户还在用拨号上网。基础设施建成了，需求在 5 到 7 年后才真正爆发，中间的一切都被清算了。

而到 2026 年，AI 需求已经存在且在快速增长。Nvidia 无法足够快地制造芯片，TSMC 的先进封装产能已售罄，云计算租赁价格在上涨而非下降，OpenAI 仅在 2025 年 3 月至 10 月就增加了 4 亿周活跃用户。模型正在被使用，计算正在被消耗，客户正在付费。

但 Anish 也诚实地指出了三个主要风险。资本配置不当的风险——如果 AI 服务收入不能足够快地实现以证明 6500 亿美元以上支出的合理性，一些公司将面临严重的利润压缩，连亚马逊的自由现金流今年都可能变成负数。集中风险——TSMC 制造全球近 70% 的芯片，ASML 是 EUV 机器的唯一供应商，Nvidia 设计 92% 的 AI 数据中心 GPU，任何地缘政治或自然灾害的中断都可能波及整个技术栈。以及 DeepSeek 问题——2025 年 1 月，中国 AI 实验室 DeepSeek 以一小部分训练成本就达到了接近前沿的性能，这挑战了”更大支出等于更好 AI”的假设。

我觉得 Anish 对风险的坦诚让他的分析更可信。他没有回避这些问题，而是清晰地摆出来。但即使考虑到这些风险，麦肯锡估计到 2030 年全球累计数据中心投资可能达到 6.7 万亿美元，普华永道估计 AI 到 2030 年可能为全球 GDP 贡献 15.7 万亿美元。即使这些数字错了 50%，我们仍在谈论自互联网以来最大的技术驱动经济转变。

Anish 有句话我特别认同：”对模型持怀疑态度，对时间表持怀疑态度都可以，但不要对供应链无知。这些是不同的事情。一个是健康的智力姿态，另一个会让你损失金钱。”

在正确的层级玩游戏

Anish 用了一个游戏的比喻来总结投资策略。把 AI 想象成一个有五个关卡的视频游戏，每个关卡有不同的难度和回报。能源层是教程阶段，低风险稳定回报。芯片层是 Boss 战，最高利润但难度设为困难。云计算层是多人服务器，巨头们从一切中抽成。模型层是 PvP 竞技场，残酷竞争大多数玩家被淘汰。应用层是开放世界，无限可能但没有保证的战利品。

他的元策略很简单：你不必玩所有五个关卡。大多数人试图玩第五关因为它最明显，但聪明的钱正在刷第二关和第三关，因为那是现在经验值最高的地方。

我觉得这个框架的价值在于，它让你明白自己在技术栈中的位置决定了你应该关注什么。对非技术人员，你不需要理解 GPU 如何工作，你需要理解有人必须制造它们、有人必须容纳它们、有人必须为它们供电，而这些”有人”是上市公司。对技术人员，你已经知道模型在进步，但可能低估了物理约束正在以多快的速度成为瓶颈。对投资者，AI 价值链是五笔不同的交易，每笔都有不同的风险回报，把”AI”当作单一行业就像 1998 年把”技术”当作单一行业一样幼稚。

Anish 最后指出，这种基础设施优势不会永远持续。在某个时点，基础设施建设将成熟，应用层将整合，价值将向技术栈上方移动，就像互联网时代一样——亚马逊、谷歌和 Facebook 最终捕获的价值超过了光纤公司和服务器制造商。但现在还没到那一步，我们仍在基础设施阶段，镐和铲子阶段。而镐和铲子正在印钞票。

读完 Anish 的这篇长文，我最大的收获是理解了一个简单但深刻的道理：消费者看产品，投资者看供应链，而最好的投资者在产品出货之前就看到了供应链。五年后，赢得这个周期的名字会感觉显而易见，它们总是如此。游戏就是在其他人赶上之前看到结构。

十年后，理解 AI 技术栈将像理解资产负债表一样基本。学习技术栈，绘制层级，跟随资本。这就是游戏。