這篇文章讓我看懂了 AI：應用層最火，基礎層最賺錢

撰文：深思圈

大多數人以為 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 是怎麼回事。但這就像在餐廳刷信用卡後，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。

投資人 Anish Moonka 最近發布了一篇深度長文，系統性地剖析了 AI 產業的價值鏈結構。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——那些從未聽說過的晶片、聽起來像捏造出來的封裝技術、冷卻系統、發電廠。混凝土正在德克薩斯、愛荷華和海得拉巴被澆築成型。

這篇文章給了我很大啟發。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，而真正的財富創造正在水面之下悄然發生。

五層蛋糕：為什麼沒人談論底部四層

Nvidia CEO 黃仁勳在 2026 年 1 月的達沃斯論壇上，把 AI 描述為一個五層系統：能源、晶片、雲端運算、模型、應用。他把整個體系稱為「人類歷史上最大規模的基礎設施建設」。Anish Moonka 將這個框架稱為 AI Stack（AI 技術棧），並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 資料中心的耗電量驚人，一次大型訓練運行消耗的電力相當於一個小鎮一年的用電量。晶片層提供專用處理器來進行海量數學運算，這些不是普通筆記本電腦裡的晶片。雲端運算層是裝滿這些晶片的巨大倉庫，用極快的網路連接起來。模型層是實際的 AI 軟體，從資料中學習模式的「大腦」。應用層則是人們真正使用的產品，ChatGPT、Google 搜索、銀行的詐騙偵測系統等等。

我發現一個很有意思的現象：幾乎所有關於 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、創業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、會複利、會聚集，而現在它正在集中到大多數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、供水系統，這些是讓文明運轉的東西，而且在它們崩潰之前，沒有人會去想它們。AI 正在成為那種東西——看不見、必不可少、建設成本極其高昂。這也解釋了為什麼沒人在雞尾酒會上討論資料中心的冷卻系統或電網容量，但恰恰是這種「沒人討論」，標誌著真金白銀正在那裡流動。

錢去了哪裡：一個反直覺的真相

Anish 在文章中披露了一組驚人的數字。2026 年，全球四大雲端運算公司——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。這是什麼概念？大約相當於瑞士一年的 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，不是應用程式，而是建築、晶片、電纜和冷卻系統。

這個數字讓我重新思考了整個 AI 產業的邏輯。在任何人使用 ChatGPT 之前，必須有人建造一個購物中心大小的資料中心，用數萬個專用處理器填滿它，用價值超過大多數公司總價值的網路設備連接它們，然後每天提供足夠供應一座小城市的電力。這就是第一層到第三層正在發生的事情——看不見的層級，嚴肅資本正在大規模部署的層級。

但這裡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 200 億美元的年度經常性收入（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 倍的成長，歷史上沒有任何公司能從這個基數以這樣的速度擴張。

但 Anish 揭示了一個關鍵事實：OpenAI 在 2025 年燒掉了大約 90 億美元現金，預計 2026 年現金消耗將達到 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 年才能實現正向現金流。

這些燒掉的現金去了哪裡？Anish 給出了答案：它向下流經整個技術棧。流向 Microsoft Azure（OpenAI 在 2032 年前要向微軟支付其總收入的 20%），流向 Nvidia 購買晶片，流向建設和裝備資料中心的公司，流向發電的電力公司。這裡面有一種幾乎循環的模式：微軟投資 OpenAI，OpenAI 把錢花在 Azure 上，Azure 用收入購買更多 Nvidia 晶片，Nvidia 報告創紀錄的收益，所有人都在慶祝。現金不斷向下流動。

我覺得這裡揭示了一個根本性的認知誤區：大多數用戶在技術棧的頂端，大多數利潤在底部。這種脫節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，卻忽略了資本的沉澱才是真正的護城河。

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 正在發生什麼，去研究 1880 年到 1920 年間電力革命發生了什麼。當托馬斯·愛迪生在 1882 年在曼哈頓珍珠街建造第一座商業發電站時，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。為什麼需要這個，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——製造業、運輸、通信、醫療、娛樂。而獲勝的公司不是發明燈泡的公司，而是建造發電廠、鋪設銅線、製造發電機的公司：通用電氣、西屋電氣、公用事業公司、銅礦開採商、建築商。

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 把這個現象稱為「基礎設施引力」（Infrastructure Gravity）。每當一個新的計算平台出現時，初始財富創造都發生在「鏟子和鐵鎚」上。應用會在後面出現，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%。僅他們的資料中心部門就在最後一個季度做了 623 億美元，同比增長 75%。這個單一部門現在佔 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務線。

TSMC，實際製造 Nvidia 晶片以及幾乎所有其他主流晶片的公司，在 2025 年佔據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：問任何人互聯網革命是關於什麼的，他們會說谷歌、亞馬遜和 Facebook。但問早期的錢實際在哪裡賺的，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。基礎設施總是先贏，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 資料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。這創造了一個直接的投資論點：任何能夠生成、傳輸並向資料中心提供可靠電力的公司都將受益。黃仁勳在 2025 年 10 月的一句話特別能說明問題：「資料中心自發電的速度可能比接入電網快得多。」這意味著科技公司正在成為自己的公用事業供應商，繞過傳統電網。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人想像的更接近科技行業。

第二層：晶片。這是大多數人聽說過的層級，因為 Nvidia。但 Anish 指出，晶片層遠比一家公司複雜。它有自己的子層級：設計師（Nvidia、AMD、Broadcom 等），製造商（TSMC 主導，占 70% 市場份額），設備供應商（ASML 是地球上唯一製造 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。

這裡的集中度讓我印象深刻。Nvidia 占據 AI 資料中心 GPU（圖形處理單元）市場約 92% 的份額。TSMC 為幾乎所有主要晶片設計商製造晶片。ASML 是 EUV 光刻機的唯一供應商。一家公司設計，一家公司建造，一家公司製造建造的機器。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並存。

第三層：雲端運算和資料中心。市場由三大雲端運算巨頭主導：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。富士康現在組裝全球約 40% 的 AI 伺服器，Arista Networks 和 Credo Technology 構建網路基礎設施，Vertiv 處理液體冷卻，資料中心 REITs（房地產投資信託）擁有土地和建築，甚至有人必須澆築混凝土。

Anish 提到的一個數字讓我震驚：根據美國銀行估計，雲端運算巨頭在 2026 年將 90% 的營運現金流用於 capex，高於 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 億美元的債券發行，只是為了建造電腦倉庫。這個規模是前所未有的。

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，据报道 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，但這種支出增長快於收入。這有點像經營一家餐廳，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資料。擁有獨特專有資料的公司將建立持久優勢——Salesforce 有企業 CRM 資料，Bloomberg 有金融資料，Epic 有醫療記錄。

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在投基礎設施，之後投應用。最聰明的資本已經相應定位。會真正贏得應用層的公司，是那些坐擁別人無法獲取的資料的公司，而且大多數甚至還不稱自己為 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：「這不就是互聯網泡沫的重演嗎？大規模基礎設施支出，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。

區別在於需求的時間點。在互聯網泡沫時代，公司在為尚未實現的需求建設基礎設施。光纖網路和伺服器被建造出來，但用戶還在用撥號上網。基礎設施建成了，需求在 5 到 7 年後才真正爆發，中間的一切都被清算了。

而到 2026 年，AI 需求已經存在且在快速增長。Nvidia 無法足夠快地製造晶片，TSMC 的先進封裝產能已售罄，雲端運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。資本配置不當的風險——如果 AI 服務收入不能足夠快地實現以證明 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，連亞馬遜的自由現金流今年都可能變成負數。集中風險——TSMC 製造全球近 70% 的晶片，ASML 是 EUV 機器的唯一供應商，Nvidia 設計 92% 的 AI 資料中心 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，這挑戰了「更大支出等於更好 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 年全球累計資料中心投資可能達到 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。即使這些數字錯了 50%，我們仍在談論自互聯網以來最大的技術驅動經濟轉變。

Anish 有句話我特別認同：「對模型持懷疑態度，對時間表持懷疑態度都可以，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，另一個會讓你損失金錢。」

在正確的層級玩遊戲

Anish 用了一個遊戲的比喻來總結投資策略。把 AI 想像成一個有五個關卡的視頻遊戲，每個關卡有不同的難度和回報。能源層是教程階段，低風險穩定回報。晶片層是 Boss 戰，最高利潤但難度設為困難。雲端運算層是多人伺服器，巨頭們從一切中抽成。模型層是 PvP 競技場，殘酷競爭大多數玩家被淘汰。應用層是開放世界，無限可能但沒有保證的戰利品。

他的元策略很簡單：你不必玩所有五個關卡。大多數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，因為那是現在經驗值最高的地方。

我覺得這個框架的價值在於，它讓你明白自己在技術棧中的位置決定了你應該關注什麼。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製造它們、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」當作單一行業就像 1998 年把「技術」當作單一行業一樣幼稚。

Anish 最後指出，這種基礎設施優勢不會永遠持續。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，就像互聯網時代一樣——亞馬遜、谷歌和 Facebook 最終捕獲的價值超過了光纖公司和伺服器製造商。但現在還沒到那一步，我們仍在基礎設施階段，鏟子和鐵鎚階段。而鏟子和鐵鎚正在印鈔票。

讀完 Anish 的這篇長文，我最大的收穫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。五年後，贏得這個周期的名字會感覺顯而易見，它們總是如此。遊戲就是在其他人趕上之前看到結構。

十年後，理解 AI 技術棧將像理解資產負債表一樣基本。學習技術棧，繪製層級，跟隨資本。這就是遊戲。