stanford 大学今年春季开了一门课：Economics of the AI Supercycle（MS&E 435），由 Altimeter Capital 合伙人 Apoorv Agrawal 主讲。Altifier 是英伟达和 OpenAI 的大股东，每周请一位产业核心玩家拆解 AI 经济。
Star@Day1Global 听完前三周，整理出了最有价值的七个发现。
1. AI 已经是全球第二大开支，仅次于美国国防
2026 年，五大巨头（亚马逊、微软、谷歌、Meta、Oracle）的 AI 开支预计超过 6000 亿美金，三年翻了三倍。但收入增长更快——AI 整体收入同期涨了 5 倍，Anthropic 连续三年每年 10x。判断：这不是 2000 年式的泡沫，收入在追上开支。
2. 价值分配和云计算时代完全相反
云计算时代是倒三角：应用层（Adobe、Salesforce）拿走 70% 的收入，半导体只拿 6%。
AI 时代完全翻转：半导体拿走 79% 的毛利，应用层只有 7%。因为算力仍然是瓶颈，所有人都在排队买 GPU。
但趋势已在变化——2024 年模型公司毛利只有 38%，2026 年已经到 70%，议价权正在向模型层转移。
3. ChatGPT 月活 10 亿，但 AI 渗透率仍在早期
把 ChatGPT 放到全球 C 端应用对比图里：YouTube、Chrome、WhatsApp 周活接近 30 亿，社交应用（Facebook、Instagram、TikTok）在 15 亿量级，ChatGPT 刚刚超过垂直类 APP（音乐、电商、新闻）。
股价涨了十倍，但从用户渗透率看，我们仍然在非常早期。
4. AI 产业 8 层全景图
黄仁勋把 AI 产业分成 5 层，Star 把概念细分成了 8 层：能源 → 制造 → 存储 → 芯片互联 → 算力服务 → 数据 → 模型 → 应用。
每一层再分为云端侧、端侧（手机设备）、物理 AI（无人驾驶/机器人）三个方面。
关键判断：
- 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 计划建设数据中心，核能、燃料电池等新能源都还在非常早期
- 存储层：短期缺芯片，长期缺能源，永远缺存储。HBM 成为最稀缺的资源
- 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 从零搭建 AI 原生基础设施
- 数据层：很多投资框架忽略了这层，但它是垂直模型的护城河。Tesla FSD 积累了近 100 亿英里驾驶数据，医疗数据更是私有数据——这就是为什么 WHOOP 的投资者里有梅奥诊所和主权基金
5. 你的 $20 订阅费去向
每月付给 Claude 的 $20，利润分配链：
- Anthropic 留下 $4 净利润（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
不管谁在 AI 时代赚钱，英伟达和台积电都从每个环节抽水。
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——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。
7. 两条实用建议
Apoorv Agrawal 说：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 提了一个看空角度：现在跟能源相关的公司都被 hype 得很高（变压器、插座、施耐德）。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：mse435.stanford.edu