AI基建的价值究竟会向哪里集中？
AI基建价值集中的市场说法与质疑
流行说法的阐述
在当下市场，一种观点逐渐流行开来。随着GPU成本降低、模型走向标准化以及算力即服务成为基础设施，价值似乎会如同铁路时代后期从钢铁制造商转移到铁路运营商那样，从芯片公司如英伟达，渐渐转移至云服务商手中。这一说法看似有着合理的逻辑推导，引发了众多关注与讨论。
质疑观点的提出
对于这一判断却有人持有保留态度。一方面，当前数据中心的经济性远没有想象中那么好；另一方面，来自中国厂商的激烈竞争正从根源上压缩云服务商的利润空间。这使得“价值向云集中”这一观点面临着诸多挑战，需要进一步深入分析。
云服务商利润的现实困境
数据中心盈利能力分析
此前Oracle的数据中心毛利披露，给市场浇了一盆冷水。即便对GPU折旧进行了摊薄处理，数据中心的盈利能力依旧表现得较为薄弱。要知道，GPU的生命周期仅有3至5年，而建设数据中心所涉及的土地、电力、制冷、网络与人力等成本，使得毛利率本身就极为有限。
价值锁定模式解读
从经济学角度来看，这呈现出一种典型的“垄断上游+分散下游”的价值锁定模式。上游的英伟达凭借技术垄断抽取了主要利润，而下游的云服务商竞争异常激烈，且成本居高不下，导致利润十分有限，这与铁路时代早期的情况颇为相似。
下游应用及中国厂商竞争的影响
下游应用不及预期情况
下游利润并没有如市场预期的那般乐观。众多企业发现token需求没有想象中那么大，单个token的经济效益，比如自动化节省成本、提升收入等并没有即时得到兑现，而且许多应用场景还处于试验阶段，尚未实现高频使用。
中国厂商竞争带来冲击
中国厂商带来的冲击更为关键。阿里旗下的Qwen系列模型引发价格冲击，其将Qwen-VL的API价格定得极低。阿里能做到这一点，源于价格战策略、成本结构优势、生态捆绑以及战略定位不同等因素。这使得中国厂商构成全球token定价的底部压力，压缩了美系云的单位利润。
资本周期视角下的AI基建
铁路时代的资本周期情况
回顾铁路时代，1865至1873年的铁路狂潮使得产能投资占GDP的7至10%。过度竞争导致过度铺轨，运力闲置率超过30%，最终引发了1873年的“恐慌”以及长达65个月的大萧条。这一资本周期过程充满了起伏与危机。
AI时代的相似迹象呈现
AI时代也出现了类似迹象。未来5至7年AI数据中心投资预计超4万亿美元，OpenAI、微软等公司陷入“囚徒困境”。高资本支出、单位利润下降、多方重复建设等关键指标，都显示出与铁路时代相似的情况，这些都是周期转折点的前兆。
AI基建价值的最终走向
从铁路、互联网、智能手机等发展周期可以得出，基础设施建设的最大受益者往往是使用者。铁路让制造业和物流受益，互联网成就了电商等行业，智能手机使应用开发者等获利。所以，AI基建价值最终不会集中在云，而是会向应用扩散。
AI价值流动阶段分析
AI最终价值流动会经历不同阶段。现阶段芯片厂商如英伟达凭垄断地位抽取高额利润；未来当模型成本下降、硬件普及后，应用开发商将成为真正的获利者，比如AI企业软件、垂直行业解决方案等领域。而云服务商更多只是“过路费”提供者，利润空间有限。
相关问答
市场上关于AI基建价值集中的流行说法是什么？
随着GPU成本下降等情况出现，价值会从芯片公司转移到云服务商，类似铁路时代后期价值从钢铁制造商转向铁路运营商。
为什么说当前数据中心经济性差？
GPU生命周期短，仅3至5年，且建设数据中心的土地、电力等成本高，导致数据中心盈利能力弱，毛利率有限。
中国厂商阿里在AI方面有哪些竞争优势？
阿里有价格战策略，成本结构优势，靠云存储等生态捆绑盈利，采用“普及率+使用量”战略定位，能低价出售API。
铁路时代和AI时代有哪些相似迹象？
都有高资本支出、单位利润持续下降、多方重复建设、竞争者过多、下游盈利能力不稳以及产能闲置等情况。
AI基建价值最终会流向哪里？
最终会向应用扩散。现阶段芯片厂商获利，未来应用开发商如AI企业软件等领域将成为赢家，云服务商利润有限。
下游应用不及预期体现在哪些方面？
体现在token需求没预期大，单个token经济效益未即时兑现，许多应用场景尚在试验阶段，未实现高频使用。
