AI終於賺錢 全球千億美元真實收入 為何更讓人不安?
在討論AI行業“賺了多少錢”之後，壹個同樣重要但鮮少被問起的問題是：這些錢流向了哪裡？產業結構正在發生什麼變化？
EV報告給出回答是，價值正在沿著技術棧向上遷移。
壹年前，雲基礎設施占據了AI行業總收入的約82%，模型層約11%，應用層僅約7%。到2026年，應用層份額已升至約11%（年收入增長2.95倍），模型層微降至約9%，雲基礎設施則跌破80%。
這意味著，雖然底層硬件和雲服務仍然拿走了絕大部分收入，但增速最快的不是它們，是應用。錢正在從“賣鏟子的人”流向“挖金子的人”。
但報告同時指出了壹個隱憂，即前沿模型的定價權正在被快速侵蝕。去年的前沿模型，今年就被開源權重模型追上並商品化。在OpenRouter平台上，開源模型的token份額持續上升。如果模型能力快速同質化，模型層的收入增長可能比預期更快見頂，而這恰恰會加劇“折舊門檻”的壓力：收入增長放緩，折舊卻在加速。
這不是遠在天邊的風險。它正在發生。
拷問叁：需求是真的，危機也是真的
讓我們把傑文斯悖論反過來用。
需求越旺盛 → 各家大廠越不敢踩刹車 → 投資越猛 → 未來折舊越大 → 收入門檻越高 → 需要更多投資維持競爭力……
這是壹個自我加速的飛輪，沒有自然的停止機制。
EV報告裡有壹個數字可以把飛輪的速度具體化：AI基礎設施的年折舊額，據行業分析師綜合測算，預計到2026年底將逼近1110億美元。而Q1我們剛剛跨過的季度折舊線，是210億美元。門檻，正在快速升高。
飛輪的物理尺度也在膨脹。EV報告記錄，全球最大規模的數據中心在短短肆年間擴大了約50倍。芯片在數據中心成本中的占比從2021年的約40%上升到2026年的約60%，其中增長最快的不是GPU本身，而是高帶寬內存（HBM），其份額從約2%飆升至約18%，已成為AI基礎設施投資中最大的增量項。
當然，這個飛輪也有對沖力量：開源模型的快速成熟和推理效率的持續提升，正在壓低單位算力成本，為行業提供壹定的喘息空間。但目前來看，這些力量的速度，還追不上折舊門檻上升的速度。
與此同時，超大規模雲商的自由現金流已經在告急。2024年這壹群體每季度還能產生約450億美元的自由現金流，到2026年Q1，已跌至約40億美元。分紅和回購之外，這些公司已經開始靠借債維持AI投資。2025年的債務發行額，是歷史平均水平的肆倍。
飛輪在加速，但它需要燃料。而燃料的供給，正在觸碰兩道硬牆。
第壹道硬牆：電
這聽起來像是基礎設施問題，實際上是整個AI產業的天花板。
全球數據中心用電量，預計到2026年將逼近1050 TWh。如果數據中心是壹個國家，它是全球第伍大電力消耗體，夾在日本和俄羅斯之間。
美國東北部電網運營商PJM預測，2027年將出現6GW的供電缺口（相當於六座大型核電站同時滿負荷發電）。咨詢機構Gartner的預測更直接：到2027年，電力短缺將直接限制40%的AI數據中心擴張。
問題的核心，是壹個無法用錢解決的時間錯配：超大規模數據中心幾個月就能建好，但壹座核電站從規劃到並網需要拾年，電網輸電線路的許可審批通常也要伍到柒年。空檔期裡，只能靠天然氣填，這與各大科技公司公開承諾的碳中和目標，形成直接沖突。
[物價飛漲的時候 這樣省錢購物很爽]
好新聞沒人評論怎麼行，我來說幾句
EV報告給出回答是，價值正在沿著技術棧向上遷移。
壹年前，雲基礎設施占據了AI行業總收入的約82%，模型層約11%，應用層僅約7%。到2026年，應用層份額已升至約11%（年收入增長2.95倍），模型層微降至約9%，雲基礎設施則跌破80%。
這意味著，雖然底層硬件和雲服務仍然拿走了絕大部分收入，但增速最快的不是它們，是應用。錢正在從“賣鏟子的人”流向“挖金子的人”。
但報告同時指出了壹個隱憂，即前沿模型的定價權正在被快速侵蝕。去年的前沿模型，今年就被開源權重模型追上並商品化。在OpenRouter平台上，開源模型的token份額持續上升。如果模型能力快速同質化，模型層的收入增長可能比預期更快見頂，而這恰恰會加劇“折舊門檻”的壓力：收入增長放緩，折舊卻在加速。
這不是遠在天邊的風險。它正在發生。
拷問叁：需求是真的，危機也是真的
讓我們把傑文斯悖論反過來用。
需求越旺盛 → 各家大廠越不敢踩刹車 → 投資越猛 → 未來折舊越大 → 收入門檻越高 → 需要更多投資維持競爭力……
這是壹個自我加速的飛輪，沒有自然的停止機制。
EV報告裡有壹個數字可以把飛輪的速度具體化：AI基礎設施的年折舊額，據行業分析師綜合測算，預計到2026年底將逼近1110億美元。而Q1我們剛剛跨過的季度折舊線，是210億美元。門檻，正在快速升高。
飛輪的物理尺度也在膨脹。EV報告記錄，全球最大規模的數據中心在短短肆年間擴大了約50倍。芯片在數據中心成本中的占比從2021年的約40%上升到2026年的約60%，其中增長最快的不是GPU本身，而是高帶寬內存（HBM），其份額從約2%飆升至約18%，已成為AI基礎設施投資中最大的增量項。
當然，這個飛輪也有對沖力量：開源模型的快速成熟和推理效率的持續提升，正在壓低單位算力成本，為行業提供壹定的喘息空間。但目前來看，這些力量的速度，還追不上折舊門檻上升的速度。
與此同時，超大規模雲商的自由現金流已經在告急。2024年這壹群體每季度還能產生約450億美元的自由現金流，到2026年Q1，已跌至約40億美元。分紅和回購之外，這些公司已經開始靠借債維持AI投資。2025年的債務發行額，是歷史平均水平的肆倍。
飛輪在加速，但它需要燃料。而燃料的供給，正在觸碰兩道硬牆。
第壹道硬牆：電
這聽起來像是基礎設施問題，實際上是整個AI產業的天花板。
全球數據中心用電量，預計到2026年將逼近1050 TWh。如果數據中心是壹個國家，它是全球第伍大電力消耗體，夾在日本和俄羅斯之間。
美國東北部電網運營商PJM預測，2027年將出現6GW的供電缺口（相當於六座大型核電站同時滿負荷發電）。咨詢機構Gartner的預測更直接：到2027年，電力短缺將直接限制40%的AI數據中心擴張。
問題的核心，是壹個無法用錢解決的時間錯配：超大規模數據中心幾個月就能建好，但壹座核電站從規劃到並網需要拾年，電網輸電線路的許可審批通常也要伍到柒年。空檔期裡，只能靠天然氣填，這與各大科技公司公開承諾的碳中和目標，形成直接沖突。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 |
推薦: