斯坦福 2026 春季课程《AI 超级周期经济学》（MS&E 435）由 Altimeter Capital 合伙人 Apoorv Agrawal 主讲，每周请一位产业核心玩家拆解 AI 经济。
7 个关键发现
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）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% 收入，半导体只拿 6%。
AI 时代完全翻转：半导体拿走 79% 毛利，应用层只有 7%。因为算力仍是瓶颈。但趋势在变化——2024 年模型公司毛利 38%，2026 年已到 70%，议价权正在向模型层转移。
3. ChatGPT 月活 10 亿，但渗透率仍在早期
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。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 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：一个 AI 训练集群耗电量 = 一个休斯敦
- 制造：台积电占先进制程 5nm 以下 90% 产能，是除电力外最大物理瓶颈
- 存储：短期缺芯片，长期缺能源，永远缺存储
- 算力服务：传统云不是为生产 Token 设计的，英伟达扶持 NeoCloud 从零搭建 AI 原生基础设施
- 数据：垂直模型的护城河，Tesla FSD 积累近 100 亿英里驾驶数据
- 模型：最强三家 OpenAI、Anthropic、Google。TPU 理论性能不输 GPU，但生态壁垒太高
- 应用+物理 AI：云端 AI 解决知识工作者问题，物理 AI 解决其他所有人问题
5. $20 订阅费的价值分配链
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、光模块再分剩余零头
不管谁在 AI 时代赚钱，英伟达和台积电都从每个环节抽水。
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
7. 两条实用建议
- 最高优先级读财报会议（Earnings Call）——公司会讲它最关心的事情，其他都是噪声
- 从第一性原理思考 5-10 年后的能源结构——现在受追捧不代表未来还需要你
核心 takeaway
AI 超级周期不是泡沫，而是价值分配的重新洗牌。从能源到应用，每一层都有不同的投资逻辑。关键不是追热点，而是理解谁在产业链中拥有不可替代的位置和持续的议价权。