原文标题：If you don’t understand AI by the end of this, the next decade will confuse you
原文作者：Anish Moonka
原文编译：Peggy，BlockBeats
编者按：当人们谈论 AI 时，注意力往往集中在最显眼的地方：聊天机器人、AI 助手和各种新应用。然而，在这些产品背后，一场更深层的产业重构正在发生。从电力、芯片到数据中心，再到模型与应用，AI 实际上是一条由多层基础设施构成的技术栈，而资本与利润的流向也远比表面看到的复杂。
本文从「AI 五层结构」的视角出发，系统梳理了这条价值链：为什么数千亿美元正在流向能源、芯片和云基础设施；为何模型公司在高速增长的同时仍在大量烧钱；以及在这场技术革命中，真正的价值可能首先集中在哪些环节。
通过将 AI 与电力革命、互联网基础设施建设等历史周期进行对比，作者试图回答一个关键问题：在这场可能重塑全球产业结构的技术浪潮中，资本正在流向哪里，普通人又该如何参与这轮 AI 财富机会。
以下为原文：
大多数人以为 AI 就是一个聊天机器人。
我能理解这种想法。你打开 ChatGPT，让它帮你修改一封邮件，它立刻就能完成。感觉像魔法一样。于是你关掉页面，觉得自己已经明白 AI 是怎么回事了。但这就像在餐厅刷了一次 Visa 的信用卡，然后就以为自己理解了 Visa 是如何赚钱的。你只是使用了产品，却没有看到背后的系统。
去年大部分时间，我都在试图搞清楚 AI 的真正利润到底流向哪里。而一个有点尴尬的事实是：我花了很久才意识到自己一直在看错层级。我一直盯着 ChatGPT、Claude、Gemini，这些你能直接接触到的东西。
与此同时，7000 亿美元却在悄悄流入另一套我甚至叫不上名字的基础设施：我从没听过的芯片、听起来像编造出来的封装技术缩写、冷却系统、发电厂。在德克萨斯州、爱荷华州、以及海得拉巴，大量混凝土正在被浇筑，为了建设数据中心。
一年前，我身边几乎没有人谈论这些事情。而现在，所有人都开始谈了。
这篇文章会比较长。如果你现在没时间读完，可以先收藏起来以后再看。
我想带你完整走一遍 AI 的价值链：从给数据中心供电的电力开始，一直到你手机里的应用。
而且我会用一种方式讲清楚，即使你这辈子从没读过上市公司的年报，也能理解。所有术语我都会解释；每一个判断我都会给出真实数据；对于我仍然不确定的地方，我也会坦诚说明，因为确实有一些。
那我们开始吧。
一、五层蛋糕（为什么没人讨论下面四层）
AI 是基础设施。就像互联网，就像电力，它需要工厂。——Jensen Huang
大多数人理解 AI 的方式是这样的：一台聪明的电脑回答问题。
这就像说，互联网就是「一个可以看视频的地方」。技术上没错，但完全错过了重点。
在 2026 年 1 月的 World Economic Forum 上，Jensen Huang 将 AI 描述为一个 五层系统：
能源（Energy）
芯片（Chips）
云计算（Cloud）
模型（Models）
应用（Applications）
他把这一整套体系称为：「人类历史上规模最大的基础设施建设。」
先想想这个词：基础设施（Infrastructure）。
公路。电网。供水系统。这些东西让现代文明运转，但人们通常只有在它们出问题时才会注意到。
AI 正在变成同样的东西，看不见、不可或缺、建设成本极其高昂。我把这整套结构称为 AI Stack（AI 技术栈）。它由五层组成，一层叠在一层之上，每一层为上一层提供支撑，而资金则在这些层之间 双向流动。
我能给出的最简单版本是这样的：
能源（Energy），你需要电力来运行计算机，而且是大量电力。
芯片（Chips），你需要专门用于计算的处理器。这不是你笔记本电脑里的 CPU。
云（Cloud），你需要巨大的仓库式数据中心，里面装满这些芯片，并用极高速网络连接起来。
模型（Models），你需要真正的 AI 软件——从数据中学习模式的「智能大脑」。
应用（Applications），你需要人们真正使用的产品，比如 ChatGPT、Google Search，或者银行的反欺诈系统。
任何 只讨论第五层（应用层）的 AI 讨论，都忽略了整整 80% 的现实。而如果你是投资人、创业者，或者只是想理解世界未来走向的人，真正重要的一点是，钱并不会在这五层之间平均分布。它会集中、复利增长、流向极少数关键节点。
而在今天，这些资金正在集中到大多数人根本没有注意到的地方。
二、追踪资金流向（答案并不在你以为的地方）
人们的注意力几乎都会集中在应用层。ChatGPT、GitHub Copilot、Claude、Perplexity。
这些都是你能够直接使用的产品，因此很容易让人觉得，AI 的故事，大概就是这些应用。
但大多数人忽略了一件事。到 2026 年，全球四大云计算公司（Amazon、Microsoft、Google、Meta）预计一年内的资本开支（CapEx）总额将达到 6500 亿到 7000 亿美元。
这是一年，四家公司合计。
这个数字大致相当于 Switzerland 一整年的 GDP。而其中 大约 75%，约 4500 亿美元会直接投入 AI 基础设施。
不是聊天机器人，不是应用程序。而是建筑、芯片、光纤与网络、冷却系统，这些东西在鸡尾酒会上几乎没人聊。这恰恰说明钱就在那里。
因为仔细想想，在任何人能够使用 ChatGPT 之前，必须有人先完成一件事，建造一个购物中心大小的数据中心，然后在里面安装数万颗专用处理器，用价值远超多数公司市值的网络设备把它们连接起来，再给整个系统提供足以为一座小城市供电的电力。而且，每天都要如此运行。
这就是第一层到第三层：能源、芯片、云基础设施，这些都是看不见的层级，也是真正部署巨额资本的地方。
有人可能会问：「那 OpenAI 呢？他们不是已经赚了几十亿美元了吗？」
确实如此。
到 2025 年底，OpenAI 的年化经常性收入（ARR）已经达到 200 亿美元。而一年前还是 60 亿美元，再往前一年只有 20 亿美元。
两年增长 10 倍，在人类商业史上，很少有公司能在这个规模上实现如此快的收入增长。
但问题在于，成本同样惊人。
2025 年：OpenAI 约烧掉 90 亿美元现金
2026 年：预计烧掉 170 亿美元
仅仅是推理成本（inference cost），也就是当你问 AI 一个问题时，系统实际运行模型的成本：
2025 年：84 亿美元
2026 年预计：141 亿美元
按照目前的预测，OpenAI 要到 2029 或 2030 年才可能实现现金流转正。
那么问题来了：这些烧掉的钱去哪了？
答案是：沿着 AI 技术栈向下流动。
流向：
Microsoft Azure（OpenAI 根据协议在 2032 年前需要向 Microsoft 支付 20% 收入）
Nvidia 的 GPU
建造数据中心的工程公司
以及提供电力的能源企业
如果你盯着这套系统看久一点，会发现一种几乎循环式的结构：
Microsoft 投资 OpenAI
OpenAI 用这些钱购买 Azure 云服务
Azure 用收入购买 Nvidia 芯片
Nvidia 公布创纪录利润
所有人鼓掌
然后，资金继续向下流动。
在 AI 技术栈中有一个很重要的结构性事实：
绝大多数用户在最上层（应用层）
绝大多数利润在最底层（基础设施层）
而这种用户位置与利润位置之间的错位，正是整个 AI 投资逻辑的核心。
这就是 AI 价值链的第一条规律：收入向上流动，资本向下沉淀。
三、这一幕你其实见过
人类所有的问题本质上都是工程问题，而工程问题终究可以被解决。——Buckminster Fuller
如果你想真正理解 AI 正在发生什么，可以回头看看 1880 年到 1920 年之间电力革命的历史。
1882 年，Thomas Edison 在纽约曼哈顿珍珠街建造了第一座商业发电站。当时，大多数人认为电力不过是一种新奇玩意，一种更「高级」的照明方式。毕竟，煤气灯已经很好用了。谁真的需要这种东西呢？
但仅仅 40 年时间，电力就彻底重塑了几乎所有行业：制造业、交通运输、通讯、医疗、娱乐
真正赢得这场革命的，并不是发明灯泡的人，而是那些建设基础设施的人：General Electric、Westinghouse Electric、电力公司、铜矿企业、工程建设公司。
今天 AI 正在重复同样的模式，只是速度被压缩到了几年，而不是几十年。
对比一下两条链条：
AI 体系：AI → 数据中心 → 芯片 → 原材料 → 能源
电力体系：电力 → 工厂 → 机器 → 原材料 → 煤炭 / 水力
两条路径几乎 一模一样。而赢家，再一次不主要在应用层，而是在基础设施层。
我把这种现象称为 Infrastructure Gravity（基础设施引力），每当新的计算平台出现，最早创造财富的永远是「卖铲子的人」。
应用会后来居上，应用会得到所有媒体关注。但基础设施拿走大部分利润。
举个例子，Nvidia 在 2026 财年（截至 2026 年 1 月）全年收入 2159 亿美元，同比增长 65%。其中，仅数据中心业务 在最后一个季度就创造了 623 亿美元收入，同比增长 75%。这一业务现在占 Nvidia 总收入的 91%。
换句话说，一家公司单季度 680 亿美元收入，其中 90% 来自同一条业务线。
再看芯片制造。TSMC 在 2025 年占据 全球晶圆代工市场约 70% 的份额，销售额 1225 亿美元。第二名 Samsung Electronics 只有 7.2%。这种垄断程度，甚至会让当年的 Standard Oil 看起来都没那么夸张。
基础设施总是先赢。真正的问题只是，这个窗口期会持续多久。
问任何人互联网革命是什么，他们都会说，Google、Amazon、Facebook
但如果问最早的钱是在哪里赚到的，答案其实是Cisco Systems、Corning，铺设光纤网络的公司
同样的故事，只是换了一个时代。
四、没人愿意听的那部分
股市是一种把钱从没有耐心的人转移到有耐心的人手中的机器。——Charlie Munger
我得坦白一件事。当我第一次以投资者身份关注 AI 时，我也犯了和大多数人一样的错误，我看的是应用层。我看到 ChatGPT 的增长。看到 Anthropic 融资数十亿美元。于是我想，AI 公司会赢，那就投资 AI 公司。
后来，有三件事情改变了我的看法，而且它们是按顺序发生的。
第一件事：最火的公司在烧钱
我发现几乎所有「AI 公司」都在 疯狂烧钱。OpenAI、Anthropic、Mistral AI、xAI。全部都是花钱速度远高于赚钱速度。原因不是商业模式差，而是算力成本是结构性的。
每当你向 AI 提问，系统必须进行真实计算。计算需要 GPU，GPU 需要电力。而模型越强，算力需求越高，所以运行成本只会越来越高。
换句话说：人们以为的 AI 赢家，其实是花钱最多的人。
第二件事：最赚钱的在底层
我注意到 基础设施公司正在印钞。Nvidia 的毛利率接近 75%，TSMC 一边扩产，一边涨价，因为需求远远超过供应。
这些公司 没有「什么时候盈利」的问题。它们的问题是，我们根本来不及建得更快。这两种问题完全不同。
第三件事：别像「消费者」思考（也是最不舒服的一件）
我意识到，我一直在像消费者一样思考 AI。
消费者看到的是应用。工程师看到的是技术栈。一旦你看到整个技术栈，就再也无法忽视它。
每一次 AI 发布，都会变成资本开支（CapEx）公告。每一次模型升级，都会变成新的芯片订单。每一个新功能，都会变成新的数据中心租约。
整个行业开始像一圈圈同心圆：越接近中心，利润越集中。
也许你是：一名关注 AI 模型的软件工程师、一个在 300 美元买入 Nvidia 的散户投资者、或者是在印度远远观察这场革命的人（也可能你同时是这三种人——那是最有趣的位置。）
无论你在哪个位置，原则都是一样的。消费者看到产品、投资者看到供应链。而最好的投资者看到的是，在产品发布之前，就已经形成的供应链。
五、投资者地图：AI 技术栈逐层拆解
文章已经很长了，所以我会加快节奏。
下面是 AI Stack 每一层的结构、主要参与者，以及潜在机会。
Layer 1：能源
AI 数据中心极其耗电。一次大型模型训练，可能消耗一个小镇一年用电量。到 2026 年，全球 AI 数据中心预计每年消耗约 90 太瓦时电力。相比 2022 年增长约 10 倍。
这带来一个非常简单的投资逻辑，谁能为数据中心提供稳定电力，谁就会受益。包括核电公司、天然气公司、可再生能源公司、电网公司，尤其是数据中心集群附近的能源公司。
Jensen Huang 在 2025 年 10 月曾说：数据中心自建电力的速度，可能比接入电网更快。事实上，很多科技公司已经在数据中心旁边直接建设发电设施，绕过电网。
这一点让我很震惊。这些科技公司正在变成自己的电力公司。
受益者包括公用事业公司、独立电力生产商、电力设备制造商（变压器、开关设备等）。在亚洲，例如印度，随着 hyperscaler 数据中心扩张，电力设备与输电企业也会受益。
Layer 2：芯片
这是大众最熟悉的一层，因为有 Nvidia。但实际上这一层远比一家公司复杂。
芯片层可以再细分为几个子层：
设计公司
Nvidia（GPU）、AMD、Broadcom、Qualcomm
以及越来越多的 云厂自研芯片：Google TPU、Amazon Trainium、Microsoft Maia
制造公司
几乎被 TSMC 垄断，市场份额约 70%，第二名 Samsung Electronics（7.2%）。Intel 正试图重建代工业务，但这需要多年时间。
设备公司
制造芯片的机器来自 ASML（唯一生产 EUV 光刻机的公司），以及 Applied Materials、Lam Research、Tokyo Electron
内存公司
AI 模型需要大量 高带宽内存（HBM）。主要玩家：SK Hynix、Samsung、Micron Technology
封装技术
先进封装技术（例如 TSMC 的 CoWoS），已经成为新的瓶颈。
这一层最令人震惊的其实是集中度：
Nvidia：约 92% AI GPU 市场份额
TSMC：几乎制造所有 AI 芯片
ASML：唯一 EUV 设备供应商
一个公司设计。一个公司制造。一个公司生产制造机器。这种集中度既是投资机会，也是地缘政治风险。
Layer 3：云与数据中心
这里是芯片真正运行的地方。
巨大的仓库式设施：
成千上万服务器
高速网络连接
液冷系统（已经从可选变成标准）
市场由三大云厂主导：
Amazon Web Services（31%）
Microsoft Azure（24%）
Google Cloud（11%）
Oracle 也在快速扩张，计划 2026 年 500 亿美元资本开支。但这一层远不止 hyperscaler。
例如：
Foxconn 组装 40% AI 服务器
Arista Networks 提供网络设备
Credo Technology（2025 年股价上涨 117%）
Vertiv 提供液冷
数据中心地产公司：
Equinix
Digital Realty
甚至连 混凝土供应商都在其中，每一层都有完整供应链。
根据 Bank of America 估算，2026 年 hyperscaler 将把 90% 的运营现金流投入资本开支。2025 年这个比例还是 65%。
Morgan Stanley 预计，这些公司 今年将发行超过 4000 亿美元债务来建设数据中心。2025 年这一数字是 1650 亿美元。
当我第一次读到这个数字时，我停住了。一年 4000 亿美元债务，只是为了建更多装满计算机的仓库。
Layer 4：模型
这一层是「大脑层」，负责训练和构建真正 AI 模型的公司。
主要玩家包括：
OpenAI（GPT 系列，年化收入 200 亿美元以上）
Anthropic（Claude，据称 2026 年初年化收入约 190 亿美元）
Google DeepMind（Gemini）
Meta AI（Llama，开源模型）
Mistral AI
xAI（开发 Grok）
这一层让我着迷，因为它 同时是最受追捧的，也是最不赚钱的。
例如：
OpenAI 的收入增长速度前所未见，但 2026 年预计仍将 烧掉 170 亿美元现金。
Anthropic 增长同样迅猛，但高度依赖融资——2026 年初一轮 50 亿美元融资，估值约 1700 亿美元。
问题在于，这一层的商业模式存在结构性矛盾。模型变得更强，需要更多算力，而算力成本的增长速度往往快于收入增长。
这有点像经营一家餐厅，每一道新菜都需要更昂贵的食材，但顾客却希望价格保持不变。
结果就是，利润率始终被压缩。
什么时候会改变？我并不确定，也许短期内不会。
对投资者来说，这一层属于高风险、高回报。问题是，大多数公司仍然是私营公司。
因此在公开市场上的投资敞口，主要来自两类渠道：
云计算公司
例如 Microsoft 持有 OpenAI 大量股份，并通过 Microsoft Azure 为其提供算力。
芯片公司
因为模型训练过程中会大量消耗它们的硬件。
Layer 5：应用
这是你每天能看到的那一层。例如，ChatGPT、由 Gemini 驱动的 Google Search、Microsoft Copilot 在 Office 中的功能、银行的 AI 反欺诈系统、Netflix 的推荐算法、手机里的 AI 图像增强
应用层是最宽、也最拥挤的一层。数以千计的创业公司和大型企业都在这里竞争。长期来看，它可能会成为 市场规模最大的一层。一些预测认为，到 2030 年代初，应用层市场规模可能超过 2 万亿美元。
但在当前阶段，这一层也是 利润最薄、竞争最不确定的一层。
在这一层，真正的差异化来自数据。拥有独特、专有数据 的公司，将建立持久优势。
例如：
Salesforce——企业 CRM 数据
Bloomberg——金融市场数据
Epic Systems——医疗记录数据
掌握这种 数据护城河 的公司，可以对 AI 模型进行深度微调，这是通用聊天机器人无法做到的。
对投资者来说，应用层最终可能带来最大的收益空间，但也会摧毁最多资本。
大多数 AI 初创公司都会失败，只有少数幸存者会形成 指数级复利增长。
未来 3 到 5 年最可能的投资逻辑是，现在押注基础设施，以后押注应用。而最聪明的资金，其实已经这样布局了。
真正会在 Layer 5 胜出的公司，很可能是那些，拥有别人无法获得的数据的公司。
而有趣的是，其中很多公司甚至还不把自己称为 AI 公司。
六、AI 风险：「这不就是一场泡沫吗？」
投资者最大的敌人，很可能就是他自己。——Benjamin Graham
让我们直接面对那个最常见的问题。「那互联网泡沫呢？这难道不是同一件事吗？巨额基础设施投资、没有利润、所有人都沉浸在 hype 里。」
这是个很好的问题，也值得认真回答。
关键区别在于，在互联网泡沫时代，公司建设基础设施时，需求其实还没有真正出现。当时企业疯狂铺设光纤网络、建设服务器机房，但真正的互联网用户仍然在使用拨号上网（dial-up）。
结果是基础设施建好了，但需求 5 到 7 年后才真正出现。中间那段时间，大量公司直接破产清算。
而到了 2026 年，AI 的需求已经存在。Nvidia 的芯片供不应求、TSMC 的先进封装产能 全部售罄、云计算租赁价格 正在上涨而不是下降。与此同时，OpenAI 在 2025 年 3 月到 10 月之间新增了 4 亿周活跃用户。模型正在被使用。
算力正在被消耗。客户正在付费。这并不意味着没有风险。事实上，风险非常巨大，而且我思考这个问题的频率可能比我自己都愿意承认的更高。
有三点尤其值得关注。
资本错配风险
2026 年，科技公司将在数据中心上花费 6500 亿美元以上。
如果 AI 服务收入 增长速度不足以支撑这些投资，很多公司将面临严重的 利润率压缩。甚至 Amazon 的自由现金流今年可能转负。
这可是 Amazon，几乎发明了云计算商业模式的公司。
供应链集中风险
AI 供应链高度集中。
TSMC 生产全球约 70% 芯片
ASML 是 唯一 EUV 光刻机供应商
Nvidia 设计 92% AI 数据中心 GPU
任何重大冲击，地缘政治、自然灾害、竞争格局变化，都可能影响整个 AI 产业链。
比如，台湾新竹的一次大型地震，可能让全球 AI 发展倒退数年。这个想法应该让人感到不安。
DeepSeek 变量
2025 年 1 月，中国 AI 实验室 DeepSeek 发布了一款模型。它的性能接近前沿模型，但训练成本 只有原来的很小一部分。
这挑战了一个核心假设，投入越多算力，就一定能做出更好的 AI。
如果未来开源模型和高效率模型不断缩小差距，那么基础设施投资逻辑就会被削弱。
我不认为 DeepSeek 推翻了整个 AI 投资逻辑。但它确实引入了一个以前不存在的变量。而这种变量，一旦出现，就不会消失。
但我始终会回到一个更大的框架。
咨询公司给出的长期预测是：McKinsey & Company 预计到 2030 年全球数据中心投资累计达到 6.7 万亿美元；PwC 预计 AI 到 2030 年为全球 GDP 贡献 15.7 万亿美元；International Data Corporation（IDC）预计 AI 相关解决方案 累计经济影响达到 22.3 万亿美元
即使这些数字 高估了 50%，我们仍然面对的是自互联网以来最大规模的技术驱动型经济变革。问题不是方向，而是规模。
我经常听到有人说：「我对 AI 持怀疑态度。」
当然可以。
你可以怀疑模型能力、怀疑发展时间线，但不要忽视供应链结构。
这是两种完全不同的事情。一种是健康的理性怀疑，另一种会让你错过机会。
五年后，这一轮周期的赢家看起来一定会非常明显。
历史总是如此。而现在这场游戏的关键是：在别人看清结构之前，看懂结构。
七、在正确的层级参与这场游戏
把 AI 想象成一个五层电子游戏。每一层都是一个不同关卡。
Level 1：能源
这是新手教程关。重要、朴素，而且只要正常操作几乎不会输。风险低、收益稳定。
就像游戏里的任务 NPC：不会死，但一直给奖励。
Level 2：芯片
这是 Boss 战。权力最集中，利润最高。但同时，技术风险、地缘政治风险都最大。
奖励巨大，但难度 Hard 模式。
Level 3：云计算
这是多人服务器，所有玩家都在这里活动。Hyperscaler 就像服务器管理员，他们从所有交易中抽成。
Level 4：模型
这是 PVP 竞技场。竞争极其残酷、创新速度极快。
大多数玩家都会被淘汰，只有装备最好的才能活下来。
Level 5：应用
这是开放世界地图。可能性无限，但没有固定奖励。你必须自己寻找任务。
真正的 Meta Strategy（元策略）很简单。你不需要玩完所有关卡。
大多数人都会去玩 Level 5，因为它最显眼。但现在最聪明的资金正在 Level 2 和 Level 3 刷经验，因为当前阶段，回报最高的地方在那里。
你在技术栈中的位置，决定了你应该关注什么。
对于非技术人士
你不需要理解 GPU 的工作原理。你只需要知道，有人必须制造 GPU、有人必须为它们建数据中心、有人必须为它们供电。而这些公司 都是上市公司，你可以读到它们的财报。
对于技术人员
你已经知道模型在变得更强。但你可能低估了一件事，真正的瓶颈正在变成物理世界：电力、冷却、芯片封装。未来十年的 AI 竞争，可能更多是工程问题，而不是论文里的模型架构问题。
对于投资者
AI 价值链其实是五笔不同的交易。风险不同、时间周期不同、胜出者不同。把AI 当成一个行业，就像 1998 年把「科技」当成一个行业一样。内部差异巨大。
这种局面不会永远持续。某一天基础设施建设会成熟、应用层会整合、价值会重新向上转移。
互联网时代也是这样。最终真正赚最多钱的，是 Amazon、Google、Facebook，而不是光纤公司和服务器厂商。
但 AI 还没到那个阶段。现在仍然是基础设施阶段、卖铲子的阶段。
而现在，铲子正在疯狂赚钱。理解完整技术栈的人，会在转折发生之前看到信号。
其他人则会一次又一次惊讶，钱到底流向了哪里。
十年后，理解 AI 技术栈，会像理解资产负债表一样基础。
记住三件事：理解技术栈。画出层级结构。追踪资本流向。
这就是这场游戏。
原文链接
