Stanford MS&E435：AI 超周期的经济学

Stanford MS&E435：AI 超周期的经济学

AI 经济失衡：倒三角形

当前的生成式 AI 生态系统呈现出一种“倒三角形”的经济结构，绝大多数金融价值被捕获在堆栈底部（半导体），而不是顶部（应用）。这与以往的技术周期（如云生态系统）根本不同，后者的价值更快向软件和服务转移。

价值缺口

在当前的 AI 超周期中，资本支出（capex）高度集中在数据中心基础设施的“五层蛋糕”：能源、芯片、电力、互连和内存。虽然超大规模云厂商正向这些基础设施投入数十亿美元，但由此产生的模型所创造的经济价值——经济方程右侧——尚未按比例扩张。

AI 与云经济学的对比

与传统软件不同，后者的边际用户成本几乎为零，毛利率常常超过 80‑90%，AI 应用面临显著的增量成本。每新增一个用户都需要 GPU 计算（推理），这意味着提供 AI 服务的成本远高于提供传统 SaaS 的成本。

历史上，云生态系统大约用了八年时间才从最初的 capex 投资转向完全的运营成熟（例如 AWS 于 2004 年起步，至 2012 年实现全面转型）。由于底层基质的复杂性，AI 周期可能遵循类似甚至更长的轨迹。

AI 堆栈层级分析

半导体（主导层）

半导体目前是 AI 堆栈中最盈利的部分。例如，Nvidia 的数据中心收入保持约 75% 的毛利率。该层高度集中，少数玩家几乎垄断了计算市场。

基础设施与推理层

该层是生态系统中竞争最激烈、最不稳定的部分。它具有很高的“代谢率”，公司成立和并购频繁。该层初创企业的核心战略问题是：他们是在构建可持续平台，还是仅仅在打造最终会被 AWS、GCP 等超大规模云厂商吸收的功能？

应用层

尽管用户基数快速增长，应用层仍面临盈利困难。大多数消费级 AI 使用是免费的，推理成本压低了利润率（估计在 0%‑30% 之间）。

消费者 AI 采纳与变现挑战

用户规模与分类

AI 应用正经历不同规模的消费采纳阶段：

  • 细分产品（如 Spotify、Twitter）——ChatGPT 最近在规模上已超越该类别。
  • 社交产品（如 Instagram、TikTok）——领先的 AI 应用正向此规模迈进。
  • 核心工具（如 WhatsApp、Chrome）——每日必用的最高层级。

变现缺口

AI 用户的变现方式与传统科技巨头相比存在显著差距：

  • Alphabet：约 40 亿用户，变现约 $100/用户/年。
  • Meta：约 35 亿用户，变现约 $70/用户/年。
  • ChatGPT：约 10 亿用户，变现约 $10/用户/年。

通往盈利的路径

要弥合这一差距，AI 公司必须超越“知识工作”——即需要用户主动参与的模式——并融入更被动或必需的日常习惯。一个潜在的突破点是广告模式的演进。虽然关于广告是否适用于个人 AI 对话仍有争议，但大语言模型的高意图和归因能力可能催生高价位广告模式，类似于移动广告最终在最初对屏幕空间的质疑后取得成功。

摘要： Instructor Apoorv Agrawal 分析了当前的 AI 经济格局，指出价值严重失衡——半导体收入占主导，而应用层盈利能力仍然低下。

标题： Stanford MS&E435：AI 超周期的经济学

Sources