最近看了斯坦福今年新开的 MS&E 435，生成式人工智能经济学，刚开始没多久，主讲人 Apur 就问了一个很直接的问题，「钱在哪？AI 领域的钱在哪？」

看到这儿我就有点来劲了，AI时代这么多钱一起涌进来，最终被谁赚到，好像真的很少有人能讲清楚。

Apur 早年在 Palantir 带工程团队，写过 Spark 代码，后来进入 Altimeter 做投资，也是 OpenAI 的投资者。工程怎么做，资本怎么算账，他两边都待过。一节课看下来，英伟达、数据中心、OpenAI、ChatGPT 这些原本散着的名字，终于慢慢接到了一起。有三部分，我特别想拿出来跟大家分享一下~

1、我们正在亲历一场超级周期课堂里有一段话让我印象很深，五年后，人们也许会问你，「你是在它的起点吗？当 ChatGPT 发布时你在这里吗？」Apur 把 AI 称为迄今为止最大的超级周期，无论创业还是投资，都得知道眼下是什么阶段，哪些物理规律正在支配一家公司。这套分析里有个词我很喜欢，「物理规律」。我后来想了想，这个词确实比「趋势」更准确，趋势听起来像风，来了就追，物理规律更像地心引力，你喜欢不喜欢，它都在那里。产品可以很惊艳，模型也可以一天一个变化，可成本、收入和利润绕不过去，所谓超级周期，牵动的远远不止一个聊天框。能源、芯片、数据中心、模型和应用，整条链都在重新搭建。我们看到一个聊天框，背后动起来的却是一整条工业链。2、热闹都在应用层，钱却先往底下走真正让我有种「原来如此」感觉的，是 Apur 在课上画出的倒三角，最宽的底部放着能源、芯片、电力、互连和内存，黄仁勋把它叫作「五层蛋糕」。中间是基础设施，最上面才是我们接触的模型和应用。越热闹的地方，画出来反而越窄。按照课堂展示的数据，过去两年，整个 AI 生态新增约 3500 亿美元收入，其中约 75% 流向半导体。应用层增长超过 10 倍，钱的分布却没怎么变。为啥会这样？传统软件开发完成后，可以复制给几百万人，新增用户的成本接近于零。AI 应用多一个用户、多一轮对话，都要继续消耗 GPU，计算账单也跟着涨。英伟达数据中心业务的毛利率约为 75%，部分应用层收入按 Apur 的估计可能只有 0 到 30%。毛利率就是每赚一块钱，扣掉直接成本后还能留下多少。这组数字，把一个我以前很容易混在一起的问题讲清了。使用量很大，不等于留下的钱也多。AI 产品可以天天刷屏，可只要每次使用都要向底层交算力费，真正赚到手的钱就可能没那么漂亮，中间的基础设施层也不好过。这里变化最快，AWS、GCP 和 Azure 还随时可能把创业公司的能力做进云服务。谷歌更夸张，TPU、GCP 和 Gemini 几乎踩住了整条链。芯片创业面对的客户也许也只有几家最大的云厂商，只是每张订单都非常大。所以技术做得出来，只回答了半道题。客户、分发和定价权，都会影响价值最终留在哪里。3、ChatGPT 已经有十亿用户，然后呢课的后半段，问题慢慢从AI落回到了人。产品做出来以后，多少人愿意天天用？又有多少人愿意付钱，消费产品在这里分成三类。WhatsApp、Chrome 是必备工具，Instagram、TikTok 靠社交关系把人留下，Spotify、Twitter 更接近主流产品。ChatGPT 当时已经有大约 10 亿用户，却只是刚刚越过第三类，Gemini 还没有。接着出现了一个很扎心的问题，「脑力工作是每个人都做的工作吗？」ChatGPT 需要人主动打开、主动提问。全世界约有 40 亿人在线，持续向技术提问的只是其中一部分。它想从 10 亿走到 40 亿，就得进入更多人的日常生活。用户之外，还有另一道坎。按照课堂里的粗略估算，Alphabet 每位用户每年约 100 美元，Meta 约 70 美元，ChatGPT 约 10 美元。用户规模上去了，每个人贡献的收入还差着一个数量级。订阅可能不够，广告或许会成为重要方向。可 AI 对话又很私人，谁都不想聊到一半，旁边突然冒出广告。。。至于应用层什么时候才能真正接住底层投入，现在下结论还太早。AWS 从开始建设到亚马逊全面转向，用了八年。Apur 猜 AI 可能需要更久，我们今天看到的，也许只是这个周期很早的一帧。看完这段视频，我还是不知道谁会成为最终赢家。但再看到模型更新、芯片涨价或者新的 AI 应用出现时，我至少不会只盯着产品本身了。它背后的算力成本、客户关系和利润流向，也会跟着一起冒出来。这种感觉还挺奇妙的，像是那些原本散落一地的拼图，终于能慢慢拼到一起了。