Star 分享了斯坦福春季课程 Economics of the AI Supercycle（MS&E 435）前三堂课的精华。主讲人是 Altimeter Capital 合伙人 Apoorv Agrawal——英伟达和 OpenAI 的大股东。每周请一位产业核心玩家拆解 AI 经济。
七大发现
1. AI 已是全球第二大开支
2026 年，五大巨头（亚马逊、微软、谷歌、Meta、Oracle）的 AI 开支预计超 6000 亿美金，三年翻三倍。但收入增长更快——AI 整体收入同期涨 5 倍，Anthropic 连续三年每年 10x。
这不是 2000 年式泡沫，收入在追上开支。
2. 价值分配与云时代完全相反
云计算时代是倒三角：应用层（Adobe、Salesforce）拿走 70% 收入，半导体只拿 6%。
AI 时代翻转：半导体拿走 79% 毛利，应用层只有 7%。因为算力仍是瓶颈，所有人排队买 GPU。
趋势已在变化——2024 年模型公司毛利仅 38%，2026 已到 70%，议价权正向模型层转移。
3. ChatGPT 月活 10 亿，但渗透率仍处早期
全球 C 端应用对比：
- YouTube、Chrome、WhatsApp：周活近 30 亿
- Facebook、Instagram、TikTok：15 亿量级
- ChatGPT：刚超过垂直类 APP（音乐、电商、新闻）
股价涨了十倍，但从用户渗透率看，我们仍在非常早期。
4. AI 产业 8 层全景图
黄仁勋把 AI 产业分成 5 层，Star 细分为 8 层：
能源 → 制造 → 存储 → 芯片互联 → 算力服务 → 数据 → 模型 → 应用
每层再分：云端侧、端侧（手机设备）、物理 AI（无人驾驶/机器人）
能源层：一个 AI 训练集群的耗电量 = 一个休斯敦。Crusoe 正在为 OpenAI Stargate 建设数据中心，核能、燃料电池等新能源还在非常早期。
制造层：台积电占先进制程 5nm 以下 90% 产能，是除电力外 AI 产业最大的物理瓶颈。马斯克成立 TerraFab 想做制造，但硬件制造不是写完代码就能上线的。
存储层：短期缺芯片，长期缺能源，永远缺存储。随着模型越来越大、Agent 记忆越来越多，HBM 成为最稀缺资源。海力士、三星、美光的股价已跑出来了。
算力服务层：传统云（AWS、谷歌云）不是为生产 Token 设计的，架构改造需要时间。英伟达扶持了一系列 NeoCloud（CoreWeave、Lambda、IREN）从零搭建 AI 原生基础设施。
数据层：很多投资框架忽略这一层，但它是垂直模型的护城河。Tesla FSD 积累近 100 亿英里驾驶数据，医疗健康数据更是互联网上找不到的私有数据——WHOOP 的投资者里有梅奥诊所和主权基金。
模型层：最强三家 OpenAI、Anthropic、Google。TPU 理论性能不输 GPU，但生态壁垒太高。Anthropic 能用 TPU 是因为团队里有前 TPU 核心工程师，换别人推不动。唯且仅有谷歌可以挑战英伟达。
应用+物理 AI 层：云端 AI 解决知识工作者问题，物理 AI 解决其他所有人问题——Tesla Optimus、FSD、Anduril 国防无人机、甚至 SpaceX 火箭，本质上都是载有 AI 模型的物理形态。
5. 你的 $20 订阅费去了哪里？
每月付给 Claude 的 $20，利润分配链：
- Anthropic 留下 $4（毛利率 70%，净利率 20%）
- 英伟达拿走 $1.5（净利率 50%，最高）
- NeoCloud 拿 $0.9
- 台积电拿 $0.15
- 电力公司从 0.1
- ASML、存储三巨头、光模块再分零头
不管谁在 AI 时代赚钱，英伟达和台积电都从每个环节抽水——这就是为什么黄仁勋每次演讲笑得那么开心。
6. 选 AI 公司看三个维度
- 未来空间有多大？ 模型层可能还有 10 倍
- 利润获取力有多强？ 英伟达、台积电从各环节获取利润
- 不可或缺性有多强？ 光刻机只有 ASML，先进制程只有台积电，GPU 目前只有英伟达，存储只有三家——垄断 = 持续涨价的议价权
反面案例：NeoCloud 利润率不错，但竞争激烈，护城河有限。
注意：价值和股价是两件事。SanDisk 在产业链里赚的利润很少，但股价已经涨了很多。
7. 两条实用建议
- Apoorv Agrawal：如果精力有限只能读一份材料，最高优先级是财报会议（Earnings Call）——公司会讲它最关心的事情，其他都是噪声
- Crusoe CEO Chase Lochmiller：现在跟能源相关的公司都被 hype 得很高——变压器、插座、施耐德。但从第一性原理出发：5-10 年后的能源结构长什么样？会出现什么创新？现在受追捧不代表未来还需要你
课程持续更新中：mse435.stanford.edu