一个加密矿工眼里的AI生意

上一篇《一个加密矿工眼里的英伟达》，我用挖矿的经历看英伟达，看到两件事。一件是它的脆弱：价值正从训练往推理转移、从通用芯片往专用芯片转移，它期许未来最赚钱的那一块，恰恰在被专用芯片从内部蚕食；同时它自己也开始下场投资客户、亲自给需求加杠杆。另一件更要紧：哪怕英伟达是这一轮AI浪潮里最硬的卖铲人，那也不能证明它今天的价格是合理的——技术的真伪，和价格的起落，本就是两条各走各的线。

这一篇，我想顺着同一副眼镜，往上多看几层——不只看英伟达一家，看看整个 AI 产业。

今天 AI 这门生意热得发烫：四大科技巨头 2026 年的资本开支加起来超过七千亿美元，比去年又涨了约八成，债券、融资、股价一起被它点着。说这门生意"跑起来了"是没问题的——确实有人在付钱，ChatGPT 们也有了实打实的订阅收入。可收入毕竟只是收入，我更想问一个朴素的问题：它什么时候才能真正盈利？也就是说，这么多钱砸进去，最后有没有哪一层，真能从最终用户那里挣回足够的钱、把自己养活、撑得起今天的估值——而不是靠一轮轮的投入，催出眼前的繁荣。

先看金字塔的底座：芯片层

要看清钱最后落在哪儿，得先承认一件事：这条链里，目前确实有人在稳稳地赚钱——就在最底层的芯片这一层。

英伟达、台积电，还有供应高带宽内存的那几家（像 SK 海力士），构成了这门生意里真正赚到钱的人。它们的共同点是：无论上面那些基建、大模型、应用最后能否盈利，只要这场军备竞赛还在打，大家就必须向它们买卡、买产能、买内存。所以芯片层是整条链里目前已经稳稳赚到钱的一层——英伟达的毛利率高到夸张，供 HBM 内存的那几家也因为产能紧张赚得盆满钵满。

但请注意两件事。

第一，这份暴利并不像看上去那么稳。先看英伟达这一面：它寄予最大期望的推理腹地，正被专用芯片从内部侵蚀，这点我在上一篇已经谈过，这里只补充一句：推理的算法针对性强、目标明确，专门为它做一颗芯片门槛并不高，于是大买家纷纷自研、新厂一拨拨涌入，这块未来很难赚到垄断的钱。

而内存这一面，是另一种不稳——内存是出了名的周期行业，每一轮都是同一个剧本：靠产能紧张暴涨，产能一拥而上就崩，价格腰斩、利润转负。过去三十年反复上演过好几回。

有意思的是，这一轮内存厂商赚得盆满钵满的同时，又在说一句相同的话：这次不一样了——AI 的需求是结构性的，把周期给"终结"了，价格可以一直高下去。可每一轮泡沫接近顶的时候，喊得最响的都是"这次不一样"：当年思科被论证它值两百多倍市盈率，靠的也是同一句"老规矩不管用了"。一个连自己都信"周期已经被废除"的行业，往往恰恰站在周期的顶上。

所以内存今天这份暴利，我以为是踩在周期上的钱——它哪天转向不好说，但"这次不一样"喊得越响，离转弯通常越近。

第二点其实更重要：芯片层赚到的这份利润，不是凭空冒出来的，是从上面一层层抽下来的——基建买它的卡，模型付基建的租，应用为这一切买单。底下芯片赚得越狠，上面每一层被它抽得越紧。

换句话说，芯片这层的利润，本身就是上面几层的成本。所以"有人在赚钱"非但不能反驳"这门生意还没真正赚到钱"，反而正是问题本身：钱都沉到了最底下那一层，而越往上、越靠近真正该产生价值的地方，日子越不好过。而且别忘了，芯片层赚的这笔钱，往上一层层追根究底，主要的来源并不是最终用户心甘情愿掏出来的真金白银，而是巨头们自己攒的、融来的、借来的、砸进这场军备竞赛的钱。换句话说，这条链上目前稳稳赚到钱的一层，赚的是"投入"，不是"收入"。

基建层：一个等着被喂的窟窿

从芯片这个底座往上爬一层，是基础设施——算力、数据中心。今天华尔街的主线叙事，正是"在金矿边上卖铲子"：谁的模型最后赢说不准，但大家都得买算力，那我投基建总没错。

可基建恰恰是最让人担心的一层。

上一篇提过，矿机是一种每天不停烧钱的重资产——电费、折旧、维护，一刻不停。AI 数据中心是同一个东西，而且更重：它得先向底座那层买最贵的卡，这些卡几年就被新一代比下去、二十四小时高强度运转又把命提前熬干；还得不停地买电——算力的尽头是电力，每一次训练和推理都在烧电，巨头们为了抢稳定电源，正签下几十年、数十亿美元的购电协议。买卡、买电、散热、维护，全是真金白银往里填——买卡那笔流向下面的芯片层、变成它的垄断利润，剩下的电费、散热、维护，则是砸进去就没影的运营成本。两头都要出血。

而且，基建自己不是终点。它产出的算力，得有人拿去用、并且真正赚到钱，它这个窟窿才填得平。它的钱能不能回本，其实取决于跑在它上面的模型和应用，能不能赚到足够的钱来喂它。可问题正在这儿——它今天能赚到的那点钱，喂它的也还是上面砸下来的投入，而不是靠最终用户挣回来的收入。

这个窟窿有多吃钱，看一个数字就够了：谷歌母公司 Alphabet，2025 年还有七百多亿美元的自由现金流，可根据机构预测，2026 年这个数字会被 AI 基建砸得只剩几十亿，其他的钱都买了卡，喂了基建这一块；它甚至开始发债来填——一家印钞机一样的公司，被基建吸到要去借钱。

更何况，就连基建账面上的那点利润，也有水分。这些卡两三年就被新一代比下去，可账上常常按五年、六年慢慢摊销——少摊的那部分，就摇身一变成了报表上更好看的利润。这不是我空口说白话：这两年，几大巨头正悄悄把 AI 芯片的折旧年限，往长里拉、拉到五六年。卡的实际寿命变了吗？没变，账面上的利润却凭空多了出来。连"大空头"那位迈克尔·伯里都公开质疑过这套操作——用拉长折旧的办法，把利润撑得好看。换句话说，基建这门生意，不光现金一直要往外流，连报表上那点体面，都是靠会计口径修出来的。

模型与应用：还没分家的一层

再往上一层，是跑在这些算力上的大模型。未来持续赚钱的，会不会是这一层？毕竟直觉上，这次的 AI 突破，就是大模型技术的突破。

目前来看，大模型本身，很难赚到垄断的钱。

一个原因是中国大模型的竞争和开源模型的进步。DeepSeek 这样的公司，用低得多的成本做出接近第一梯队的水平，而且还开源出来。而且这些开源模型一直在追赶闭源——你这个月领先，开源下个月就追上来一大截，而且差距越来越小。当一个同等水平的东西可以免费拿到时，原来那个"我技术先进所以我能收高价"的逻辑，就不存在了。

模型这东西还有个特点：用户的忠诚度极低。这个月哪家好用一点，就用哪家，换一下几乎没有成本。这跟微信、跟那些社交软件完全不一样——那些东西你离不开，因为你联系的人都在上面。模型不是，模型谁好用用谁，说翻脸就翻脸。Anthropic 一度反超 OpenAI，就是个例子。

仔细分析，我们会发现，眼下大模型不是不赚钱那么简单，而是在巨亏。就拿跑在最前面的 OpenAI 来说：它 2026 年的营收按年化算有两百多亿美元，听着不少，可同年预计要亏一百四十亿——每收进一块钱，倒贴出去七毛；它那几亿用户里，付费的只一小撮，九成多都在免费用，而每一次免费调用的算力成本，都得它自己付。这样的窟窿，靠的是一轮又一轮的融资在填。所以模型层和基建层是一个道理：它今天烧的钱，绝大部分还是投资人砸进来的；从终端用户那儿挣回来的，连本都盖不住。

那应用呢？金字塔最顶上，本该有靠应用赚钱的一层。可今天你想单拎出这一层来看，会发现压根找不到——最能用的应用 ChatGPT、Claude，本身就是模型厂家自己做的，模型和应用还没分家；再往外的文生图、语音、视频，一批小厂在做，他们要么自己还在烧钱训模型，要么底层得调大厂或开源的模型，成本压不下来。市场看着热闹，其实离普通人十万八千里，大家最多吹吹牛玩玩。看着媒体不停营销爆热点，今天这个模型出了个新版本，一群人呼啦都过去测试围观，明天那家出了个什么新功能，又是一群人，忽地围过去，应用有点粘性么？既没什么刚需、又没护城河，都这么靠输血活着。

真正独立的、不依附于大厂模型的第三方应用，今天还很少。其实这就是市场还刚开始、远未成熟的标志，这样的一次革命性的技术突破，没有全民参与的创意迸发，光靠几家大模型自己折腾，很难孕育出 AI 时代的杀手级应用。

被当成确定的那个前提

把这些层连起来看，会发现一件有意思的事。

今天 AI 产业那些惊人的估值——几百倍的市盈率、把好多年后的预期都打进去的市值——它们能成立，背后都靠着同一个前提：这门生意，将来能赚到长期的、可持续的垄断利润。 只有垄断利润，才配得上这样的估值倍数。

可是顺着这座金字塔一层层看：唯一真正赚到垄断利润的，是最底下的芯片层——可它赚的这份钱，是从上面一层层抽下来的，而且它自己那点垄断也很可能被推理侧的专用芯片掏空；往上一层，基建是个等着被喂的窟窿；再往上，模型守不住垄断、还在巨亏；而本该靠应用赚钱的最顶上那一层，到今天根本还没长出来。

也就是说，那个支撑着所有天价估值的前提——"能赚到长期垄断利润"——它的每一环，要么已经不成立，要么远远没被验证。

用一句简单的话来总结当下：市场把一件远远没有确定的事，当成已经确定了的事，定了价。

这里我们可以以 Google 为例，来做个说明：Google 自研 TPU、自建数据中心、做 Gemini、把 AI 塞进搜索和全家桶，相当于 AI 整个产业链的一个缩影，可这条 AI 产业链，能自己养活自己吗？不能——它到今天还靠着搜索广告那个老业务每天赚的钱，不断输血。

这说明什么？到现在砸进去了这么多钱，连 Google 都没靠它长出一个新的、能自负盈亏的刚需应用，其他的呢？

说起来，要让这门 AI 生意真正自负盈亏，到现在这个阶段，缺的不只是钱，最缺的是时间。

AI 这个产业要独立，要能自己能养活自己，需要整个社会的聪明才智去参与，在大规模的各种尝试中，涌现出一批 AI 时代的杀手级应用，成长为人们的刚需，真正离不开的刚需。只有到那个时候，我们才敢说，AI 是个有钱途的行业！在那之前，AI 只是一个需要不断喂奶的襁褓。

成长，是需要时间的，需要时间不断降低技术的成本，需要时间慢慢普及教育大众，也需要时间让各种应用熬进我们的生活和习惯里……急不来。

但是时间，却是资本最难给出的东西：钱能一次性砸下去，却很难陪着一件事慢慢长很多年。

参考资料

• 红杉资本 David Cahn《AI's $600B Question》（撑起当前资本开支约需 6000 亿美元年营收；2025 年 12 月展望指出终端营收仍在"每年几百亿"、基建投资"未来五年以万亿计"）：https://www.sequoiacap.com/article/ais-600b-question/
• CNBC：几大云厂商 2026 年资本开支合计约 7000 亿美元，Alphabet 自由现金流预计从 2025 年的 733 亿美元骤降约 90% 至 82 亿美元，并多轮发债、长期债务一年翻两番至 465 亿美元（Pivotal Research 等）：https://www.cnbc.com/2026/02/06/google-microsoft-meta-amazon-ai-cash.html
• CoinDesk：上市比特币矿企大规模转向 AI 数据中心、已签逾 700 亿美元 AI/HPC 合同、到 2026 年底 AI 或占其收入约七成：https://www.coindesk.com/markets/2026/03/27/bitcoin-miners-are-becoming-ai-companies-and-selling-their-btc-to-fund-the-transition
• 关于云厂商把服务器/芯片折旧年限由三、四年拉长至五到六年、由此美化账面利润的梳理（含"大空头"Michael Burry 的质疑）：https://www.cnbc.com/2025/11/14/ai-gpu-depreciation-coreweave-nvidia-michael-burry.html
• 高盛关于 AI 基建投入规模与芯片折旧年限（"行业普遍按四到六年折旧、与英伟达年度更新节奏不匹配"）的分析：https://www.goldmansachs.com/insights/articles/tracking-trillions-the-assumptions-shaping-scale-of-the-ai-build-out
• 关于谷歌 TPU、亚马逊 Trainium/Inferentia、微软 Maia、Meta MTIA 等自研推理芯片对通用 GPU 形成份额侵蚀的分析：https://www.stanleylaman.com/signals-and-noise/gpus-how-long-do-they-really-last
• CNBC：内存行业的周期性盛衰（Micron 等历史上价格腰斩、利润转负、股价跌 50-60%），以及当前"AI 已终结内存周期"的乐观论调与见顶风险提示；三大厂商控制全球约 95% DRAM 产能：https://www.cnbc.com/2026/05/25/memory-stocks-cyclical-boom-bust-samsung-sk-hynix.html

本文写作时点为 2026 年 6 月，文中数据为当时能查到的公开估算，不同口径与来源之间存在差异，且会随时间变化，引用前请以最新一手披露为准。本文为个人观察与推演，不构成任何投资建议。