大多数人认为 AI 就是聊天机器人。
我理解这种看法。你打开 ChatGPT，让它帮你修改邮件，它就能完成。感觉像魔法一样。你以为自己已经了解了背后的原理。但这就像在餐厅刷 Visa 信用卡后，觉得自己明白了 Visa 的盈利模式。你只是用到了产品，却没有看到完整的系统。
过去一年，我花了大量时间试图弄清 AI 真正的资金流向。说实话，我花了很久才意识到自己一直盯错了层面。我总是盯着 ChatGPT、Claude 和 Gemini 这些用户可见的表层产品，而这期间有 7000 亿美元正悄然流向我叫不出名字的基础设施。那些我从未听说过的芯片、看似随意组合的封装技术缩写、冷却系统、电厂。现在，德克萨斯、爱荷华和海得拉巴都在大规模浇筑水泥。
一年前，身边没人谈论这些。现在，大家都在讨论。
这篇文章会很长。如果你暂时没时间，请收藏后再看。我想带你梳理完整的 AI 价值链——每一层，从数据中心的电力供应，到你手机上的应用。即使你从没读过年报，我也希望你能看懂。
所有术语我都会解释。每一个论断都附有真实数据。对于我还不确定的地方，我也会坦诚说明，因为确实有些问题还没有定论。
让我们开始。
I - 五层蛋糕（以及为什么没人谈底下四层）
AI 是基础设施。就像互联网、就像电力，都需要工厂。——Jensen Huang
大多数人理解的 AI，大致就是：一台聪明的计算机可以回答问题。
这就像说“互联网就是个看视频的地方”。虽然没错，但完全忽略了本质。
Nvidia CEO 黄仁勋在 2026 年 1 月达沃斯论坛上，把 AI 描述为五层系统：能源、芯片、云、模型、应用。他称其为“人类历史上最大规模的基础设施建设”。
认真思考一下“基础设施”这个词。公路、电网、水利系统，这些都是支撑文明运转的关键，只有出问题时人们才会关注。AI 正在变成这种存在——无形、必需、建设成本极高。
我将其称为 AI 堆栈（AI Stack）。五层结构，每层支撑上一层，资金在各层之间流动。
这是最简明的版本：
- 能源。需要大量电力驱动计算机。
- 芯片。需要专用处理器执行计算，这不是普通笔记本的 CPU。
- 云。需要巨大的仓库，塞满芯片，并用高速网络连接。
- 模型。需要真正的 AI 软件，也就是能从数据中学习模式的“大脑”。
- 应用。需要用户实际使用的产品：ChatGPT、Google 搜索、银行的反欺诈系统。
所有只关注第 5 层的 AI 讨论，其实忽略了 80% 的内容。
如果你是投资者、创业者，或只是想了解世界趋势的人，有一点很关键：资金并非在各层均匀分布，而是高度集中、复利效应显著，而现在它正集中在大多数人注意不到的地方。
II - 跟着资金走（它并不在你以为的地方）
所有人的注意力都在应用层。ChatGPT、Copilot、Claude、Perplexity，这些是你能直接接触到的产品，所以你会觉得这就是全部。
但大家都忽略了关键。
2026 年，四大云厂商（亚马逊、微软、谷歌、Meta）全年资本支出预计在 6500 亿到 7000 亿美元之间。合计，一年之内。这大致相当于瑞士的 GDP。且其中近 75%，约 4500 亿美元，直接投向 AI 基础设施。
不是投向聊天机器人，不是投向应用，而是投向建筑、芯片、电缆和冷却系统。
这些话题没人会在酒会上聊。这正说明资金就在这里。
想想看。在你能用上 ChatGPT 之前，必须先建一个和购物中心一样大的数据中心，塞满数以万计的专用处理器，用比大多数公司还贵的网络设备把它们连起来，然后每天给系统提供足够一座小城市用的电力。
这就是第 1 层到第 3 层。看不见的层面，也是大资金流向的地方。
“那 OpenAI 呢？他们不是赚了几十亿美元吗？”
没错。OpenAI 到 2025 年底年化经常性收入达到 200 亿美元，而一年前是 60 亿美元，再前一年是 20 亿美元。两年营收增长 10 倍，历史上没有哪家公司能做到。
但问题在于，OpenAI 2025 年大约烧掉 90 亿美元现金，预计 2026 年现金消耗将达 170 亿美元。他们的推理成本（即你向 AI 提问时实际运行的成本）在 2025 年达到 84 亿美元，预计 2026 年会到 141 亿美元。他们预计要到 2029 或 2030 年才能实现现金流转正。
那这些烧掉的钱去哪了？
它们流向了堆栈底部。流向 Microsoft Azure（OpenAI 到 2032 年要把 20% 总收入付给微软），流向 Nvidia 购买芯片，流向建设和装备数据中心的公司，流向发电企业。
你多看几遍，会觉得这几乎是个闭环。微软投资 OpenAI，OpenAI 把钱花在 Azure，Azure 用收入买更多 Nvidia 芯片，NVIDIA 业绩创新高，大家齐欢庆，现金持续向下流动。
用户主要在堆栈顶层，利润主要在底层。这种错位就是全部逻辑。
这就是 AI 价值链的第一个教训：收入向上流，资本向下流。
III - 你其实看过这部电影
人类所有问题本质上都是工程问题，而工程问题都能被解决。——Buckminster Fuller
想理解 AI 现在发生的事情，最好先看看 1880 到 1920 年间电力的发展。
1882 年，Thomas Edison 在曼哈顿 Pearl Street 建了全球第一个商业发电站，当时人们觉得电只是个新奇玩意儿，只是照明的新方式。既然煤气灯用得好好的，为什么还要用电呢？
但 40 年后，电力彻底重塑了地球上所有产业——制造、交通、通信、医疗、娱乐。最终胜出的公司不是发明灯泡的那些，而是建电厂、铺铜线、造发电机的那些。
通用电气、Westinghouse、公用事业公司、铜矿公司、建筑商。
AI 也在上演同样的剧情，只不过时间被压缩成了几年，而不是几十年。
AI → 数据中心 → 芯片 → 原材料 → 能源
电力 → 工厂 → 机器 → 原材料 → 煤/水
箭头的走向几乎一模一样。赢家依然不是应用层，而是基础设施层。
我把这叫做“基础设施引力”（Infrastructure Gravity）。每一轮新计算平台诞生，最早的财富都出现在“卖铲人”手里，应用层要等后面才发力。应用层新闻满天飞，但基础设施层才是利润高地。
NVIDIA 2026 财年（截至 2026 年 1 月）全年收入 2159 亿美元，同比增长 65%。仅数据中心板块，最后一季度就做到 623 亿美元，同比增长 75%。这个板块现在占 Nvidia 总营收 91% 以上。想想看，一家公司单季 680 亿美元收入，九成来自同一业务线。
TSMC 负责实际制造 Nvidia 芯片（以及几乎所有其他芯片），2025 年拿下全球晶圆代工近 70% 市场份额，营收 1225 亿美元。三星仅占 7.2%。这种垄断程度，连标准石油都要自愧不如。
基础设施总是最先赢。问题只是这个窗口能开多久。
你随便问谁互联网革命是什么，大家都会说 Google、Amazon、Facebook。如果问最早的钱是谁赚的，答案是 Cisco、康宁和铺光纤的公司。故事换了主角，逻辑没变。
IV - 你不愿听到的部分
股市的本质，是让不耐心的人把钱转给耐心的人。——查理·芒格
我要坦白一件事。当我刚开始关注 AI 投资时，犯了和大多数人一样的错误。
我盯着应用层，看着 ChatGPT 用户暴涨，看到 Anthropic 融资数十亿美元，心想：AI 公司会赢，所以要投 AI 公司。
有三件事改变了我的想法，而且是按顺序发生的，每一步都建立在前一步之上。
第一，我发现几乎所有“AI 公司”都在疯狂烧钱。OpenAI、Anthropic、Mistral、xAI，全都烧得比赚得快。这不是因为他们业务差，而是算力成本是结构性的。每次你问 AI 一个问题，生成答案都是真金白银的花费。模型越聪明，算力需求越大，运行成本就越高。
你以为的“AI 胜者”，其实是花钱最多的。
第二，我发现基础设施公司正以我自 Google 早期以来没见过的高利润大赚特赚。NVIDIA 毛利率稳定在 75% 左右。TSMC 需求远超产能，扩产同时还能涨价。这些公司没有“何时盈利”的问题，只有“我们根本造不出来这么多”的问题。这是完全不同的两类问题。
第三，也是最让我不适的，我意识到自己一直像消费者而不是工程师那样看 AI。消费者只看应用，工程师看的是堆栈。
一旦你看清了堆栈，就再也回不去了。
每一次 AI 新发布，其实就是资本支出公告。每次模型升级，背后都是芯片采购。每个新功能，都是数据中心租赁。整个行业像同心圆，越往中心走，利润越集中。
所以，也许你是关注 AI 模型的软件工程师，也许你是 300 美元买入 Nvidia 的散户投资者，想知道接下来该怎么办，也许你在印度远观这场革命，思考它和你投资组合有何关联。
（或者三者兼具，这是最有意思的。）
无论你是谁，原则都一样。消费者看产品，投资者看供应链，最优秀的投资者在产品出货前就看清了供应链。
当然，这些话现在说起来很顺，但其实我为此纠结了好几周。SaaS 时代的“价值都在应用层”思维我花了很久才改过来。我一直想找“下一个 OpenAI”，其实该找的是 OpenAI 把钱付给谁。AI 在结构上和 SaaS 不一样，算力需求太大，这一轮周期里基础设施层捕获了更多价值。
理解堆栈会改变你看待每一条新闻的方式，改变你评估每一家公司的方法，改变你配置资金的策略。
我接下来会写更多类似的内容，深度分析投资、AI 以及财富流动背后的系统。如果你不想靠算法推送下一篇，最好的办法就是关注并打开通知。
V - 投资者地图：AI 堆栈分层详解
文章有点长，我加快节奏。以下是 AI 堆栈每一层的具体拆解：发生了什么，谁是关键玩家，投资机会在哪里。
请继续往下看。
第 1 层：能源
AI 数据中心对电力的需求极高。一次大型 AI 训练消耗的电，能顶一个小镇一年的用电量。预计到 2026 年，这些设施每年将消耗约 90 太瓦时电力，是 2022 年的 10 倍左右。
这带来了非常直接的投资逻辑：谁能发电、输电，并稳定供电给数据中心，谁就能受益。核电、天然气、可再生能源企业，尤其是靠近大型数据中心集群的。还有有富余产能的公用事业公司，以及建设电网基础设施的企业。
黄仁勋在 2025 年 10 月直接说过：“数据中心自发电的进展可能比接入电网还快。”现在已经有公司直接在数据中心旁建自有发电设施，绕过电网。这些科技公司基本上成了自己的公用事业公司。
受益方：公用事业公司（尤其有核电能力的）、独立电力生产商、变压器/开关设备/电力基础设施制造商。在印度，随着超大规模数据中心园区扩展到亚洲，电力设备及输电领域的公司也将受益。
第 2 层：芯片
这一层最为人熟知，因为有 Nvidia。但远不止一家公司的故事。
芯片层内部还有子层，竞争格局各不相同。最顶层是设计者——负责芯片架构的公司：Nvidia（GPU）、AMD（GPU 和 CPU）、Broadcom（定制 ASIC）、高通，以及越来越多的超大规模云厂商（Google 的 TPU、Amazon 的 Trainium、微软的 Maia）。然后是制造商。TSMC 在晶圆代工市场占近 70%，三星第二，仅 7.2%。Intel 正在重建代工业务，但那是一个多年的项目，结果还不确定。
再往下是设备层——制造芯片的设备厂商。ASML 是全球唯一能生产最先进极紫外光刻机的公司。应用材料、Lam Research、东京电子与其并列。再下面是存储（AI 模型需要大量高带宽存储，SK 海力士、三星和美光是三大玩家）和封装（TSMC 的 CoWoS 等先进封装已成真正瓶颈）。
这里的集中度令人震惊。Nvidia 占 AI 数据中心 GPU 市场约 92%。TSMC 为 Nvidia、AMD、Broadcom、高通、苹果等几乎所有大厂代工。ASML 是地球上唯一 EUV 光刻机供应商。
一家设计，一家制造，一家造制造设备。这种集中度既是投资逻辑，也是地缘政治风险。我觉得很少有人能同时把这两点放在心上。
第 3 层：云和数据中心
芯片就住在这里。超大规模仓库，塞满服务器，通过高速网络连接，并用越来越复杂的冷却系统（液冷已成标配）维持运行。
市场由三大云厂商主导：亚马逊 AWS（31% 市场份额）、微软 Azure（24%）、谷歌云（11%）。甲骨文也在积极扩张，2026 年资本支出目标 500 亿美元。
但云层远不止这些巨头。富士康（鸿海）现在组装了全球约 40% 的 AI 服务器。Arista Networks 和 Credo Technology（2025 年股价因高效能耗数据传输上涨 117%）搭建网络基础设施。Vertiv 负责液冷。Equinix、Digital Realty 等数据中心 REIT 持有土地和建筑。甚至还有人负责浇筑混凝土。每一层都有自己的供应链。
据美银估算，2026 年云巨头将把 90% 的经营现金流投入资本支出，2025 年这一比例还是 65%。摩根士丹利预计今年这些公司将为建设数据中心举债超 4000 亿美元，是 2025 年 1650 亿美元的两倍多。第一次看到这个数字时我都愣住了——一年内仅为建“计算机仓库”就要发债 4000 亿美元。
第 4 层：模型
这是“大脑”层。负责训练和构建 AI 模型的公司。
大玩家有：OpenAI（GPT 系列，年化收入 200 亿美元+）、Anthropic（Claude，2026 年初年化收入约 190 亿美元）、Google DeepMind（Gemini）、Meta AI（Llama，开源）、Mistral、xAI（马斯克的公司，开发 Grok）。
这层最有意思，也最不赚钱。OpenAI 收入增速前所未有，但 2026 年现金消耗 170 亿美元。Anthropic 增长很快，但极度依赖巨额融资（2026 年初 50 亿美元，估值 1700 亿美元）。
商业模式问题是结构性的：模型越好，算力投入越大，而投入增长快于收入增长。这有点像你开餐厅，每上一道菜都要更贵的食材，但顾客还想价格不变。利润率长期受压。我不知道什么时候会改变，也许永远不会。
对投资者来说，这一层高风险高回报。大部分公司未上市。公开市场能参与的机会主要是云厂商（微软持有 OpenAI 大量股份，且 OpenAI 运行在 Azure 上）和芯片厂商（模型训练消耗它们的产品）。
第 5 层：应用
这是你每天能看到的层。ChatGPT、Gemini 驱动的 Google 搜索、Office 里的 Microsoft Copilot、银行的 AI 反欺诈、Netflix 推荐、手机照片增强。
应用层是最宽、最拥挤的。成千上万的创业公司和巨头都在这里布局。未来总市场规模可能最大（有预测称 2030 年初超 2 万亿美元），但现在利润率最薄，胜者归属最难预料。
这一层的核心壁垒在于数据。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，彭博有金融数据，Epic 有医疗记录。拥有这种数据护城河的企业能对 AI 模型进行专属微调，这是通用聊天机器人做不到的。
对投资者来说，应用层最终会诞生最大回报，但也是资金损失最惨重的地方。大多数 AI 创业公司会失败，幸存者则会加速复利。
未来三到五年，最佳回报路径大致是：现在投基础设施，后面投应用。最聪明的资金已经提前布局。
最终能在第 5 层胜出的公司，是那些拥有别人拿不到的数据的。而且它们大多还没把自己叫做 AI 公司。
VI - “这不就是泡沫吗？”
投资者最大的问题，甚至最危险的敌人，很可能就是他自己。——本杰明·格雷厄姆
我来直面这个问题。
“那互联网泡沫怎么办？不就是一样？巨额基础设施投入、不赚钱、全行业一窝蜂？”
好问题，需要认真回答。
区别在这里。互联网泡沫时期，企业在为还未出现的需求投资基础设施。他们铺光纤、建服务器，但用户还在拨号上网。基础设施建好了，需求 5 到 7 年后才到位，中间一切都被清算掉了。
但到 2026 年，AI 需求已经来了。NVIDIA 芯片供不应求，TSMC 先进封装产能售罄，云计算租赁价格上涨而非下跌。OpenAI 仅 2025 年 3 月到 10 月就新增 4 亿周活用户。模型在被使用，算力在被消耗，客户在付费。
这并不代表没有风险。风险非常大，我比想象中还常常思考风险。尤其有三点：
第一，资本错配。2026 年企业在数据中心投入超过 6500 亿美元。如果 AI 服务收入增长速度不足以支撑这些投入，有些公司利润率会严重受压。亚马逊今年自由现金流可能会转负。没错，就是那个几乎发明了云计算的亚马逊。
第二，集中风险。AI 供应链高度集中。TSMC 生产全球近 70% 芯片，ASML 是唯一 EUV 设备供应商，NVIDIA 设计 92% AI 数据中心 GPU。任何扰动（地缘政治、自然灾害、竞争）都可能影响整个堆栈。台湾新竹一场地震，全球 AI 发展就可能倒退数年。这一想法应该让你感到不安。
第三，DeepSeek 问题。2025 年 1 月，中国 AI 实验室 DeepSeek 发布了一个用极低训练成本就能接近前沿性能的模型，挑战了“投入越多 AI 越强”这个假设。如果开源和高效模型持续缩小差距，基础设施投资逻辑就会变弱。我不认为 DeepSeek 让逻辑失效，但它带来了一个新变量，而这种变量不会轻易消失。
但我始终坚持这个框架。麦肯锡预计到 2030 年全球数据中心累计投资将达 6.7 万亿美元。PwC 预计到 2030 年 AI 对全球 GDP 贡献将达 15.7 万亿美元。IDC 预计 AI 解决方案和服务到 2030 年累计影响 22.3 万亿美元。
即便这些数字错一半，这也是自互联网以来最大规模的技术驱动经济变革。问题不在于方向，而在于量级。
我常听到有人说“我对 AI 持怀疑态度”，好像这是一种立场。没问题，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。这是两回事。前者是健康的理性，后者会让你亏钱。
五年后，这一轮周期的胜者名字会变得显而易见。每次都是这样。现在的游戏，就是在大家还没反应过来之前看清结构。
VII - 在正确的层玩对游戏
把 AI 想象成一个五层叠加的电子游戏。
第 1 关（能源）是新手教程。基础、没什么光环，玩了基本不会输。低风险、稳收益。就像那些永远不死、但总给你发任务的 NPC。
第 2 关（芯片）是 Boss 战。权力最集中、利润最高，但也最容易被颠覆、地缘政治风险最大。回报巨大，但难度极高。
第 3 关（云）是多人服务器。大家都在这里。云巨头是服务器管理员，什么都要抽成。
第 4 关（模型）是 PvP 竞技场。竞争惨烈、创新极快，大多数玩家会被淘汰，只有装备最强的才能活下来。
第 5 关（应用）是开放世界。无限可能，但没有保底奖励。你得自己找任务。
元策略很简单。你没必要五关全打。大多数人都选第 5 关，因为最显眼。聪明资金现在都在刷第 2、3 关，因为这两关 XP 最多。
你在堆栈的哪个位置，决定了你该关注什么。
对非技术人士来说，你不需要懂 GPU 原理，只要知道有人得造它、有人得安置它、有人得供电。而这些“有人”都是上市公司，每季度会公布业绩。
对技术人士来说，你已经知道模型在变强。你可能低估了物理限制（电力、冷却、封装）正在成为最大瓶颈。未来十年 AI 的进步，胜负取决于工程而不是论文。
对投资者来说，AI 价值链就是五笔投资叠加，每层风险回报、周期和赢家都不同。把“AI”当成一个板块，就像 1998 年把“科技”当成一个板块。AI 内部最优和最差的结果差距极大。
这种情况不会永远持续。基础设施建设最终会成熟，应用层会整合，价值会像互联网时代一样向堆栈上游转移。Amazon、Google、Facebook（互联网时代的应用层）最终捕获的价值超过了光纤和服务器制造商。
但 AI 还没到那一步。我们还在基础设施阶段，“卖铲子”阶段。而“铲子”正源源不断创造利润。
理解整个堆栈的人，会在转折发生前就看出来。其他人只会一次又一次对资金流向感到意外。
十年后，理解 AI 堆栈就像理解资产负债表一样基础。
学会堆栈，绘制分层，跟着资本走。
这就是游戏。
~ Anish Moonka
免责声明：
-
本文转载自 [AnishA_Moonka]，版权归原作者 [AnishA_Moonka] 所有。如有异议，请联系 Gate Learn 团队，工作人员将及时处理。
-
免责声明：本文仅代表作者个人观点，不构成任何投资建议。
-
本文其他语种译文由 Gate Learn 团队翻译，除特殊说明外，禁止转载、分发或抄袭译文。