Insights Investing
人工智慧資本狂潮與經濟制高點:為什麼「製造智慧」難以賺錢,而渠道與支付網絡才是長期利潤的核心?
Podcast · 收聽(14 分鐘)
一句話結論
DeepValues Research 於2026年11月16日發布《人工智慧資本狂潮與經濟制高點:為什麼「製造智慧」難以賺錢,而渠道與支付網路才是長期利潤的核心?》。本篇分析解構人工智慧產業中「模型訓練與推理成本崩跌」與「巨額資本開支狂飆」之間的經濟悖論。
來源: https://research.deepvalues.ai/insights/2026-11-16-notebook-76e8407d-zh/ · Markdown
目錄
本篇分析解構人工智慧產業中「模型訓練與推理成本崩跌」與「巨額資本開支狂飆」之間的經濟悖論。從價值投資角度切入,製造智慧(Genesis)正迅速演變為「虧損引流品」,純粹的模型開發者與硬體提供者因缺乏結構性定價權,難以長期留存超額利潤。真正的產業利潤與長期經濟租金,將全面流向掌控分發渠道(如平台入口)與機器原生金融網絡(如美元穩定幣)的「經濟制高點」擁有者。長期價值投資人若盲目追捧顯眼的新技術發明者,將面臨資本永久性損失的極高風險,必須重新辨識具備結構性定價權與持續收租能力的經濟制高點。
1. 商業模式與成本背離:為什麼「製造智慧」正演變成虧損引流品?
從葛拉漢(Benjamin Graham)與巴菲特(Warren Buffett)的商業模式分析視角來看,評估一項產業是否具備投資價值的核心,在於其產品是否具有持續的定價權與高的資本回報率。然而,在 AI 產業鏈中,負責模型製造、訓練、評估與推理服務的「Genesis」階段,正呈現極端的成本結構背離與商業模式商品化趨勢。
根據產業追蹤機構 Epoch AI 針對 5 個關鍵基準的數據追蹤,自 2023 年以來,達到同等性能的最低推理成本,以每季度下降約 47% 的驚人速度跳水。這種推理價格崩跌的斜率,遠遠超越了網路泡沫時期的光纖部署、蜂窩網絡、電話電報乃至歷史上的鐵路建設。在過去一年中,市場上同等水平的機器智慧單位價格已下降了約 13 倍。
然而,在供給端與訓練端卻呈現完全相反的沉重負擔:前沿模型的訓練成本每年上漲約 3.5 倍,所需算力每年成長 5 倍,但市場上能採購到的晶片總算力供給每年僅成長 3.4 倍。這種「需求遠超供給、但終端價格卻一路下跌」的怪異現象,形成了「訓練越來越貴、推理越來越便宜」的經濟悖論。
更為嚴峻的是,開源生態系對商業閉源模型形成了巨大的定價壓力。目前開源模型與最頂尖閉源模型之間的性能差距已大幅縮短至僅約 4 個月。當前沿技術能力在短短數月內即轉化為極其廉價的通用商品時,純粹的模型開發商便失去長期定價權。製造智慧的本質正從高利潤的科技創新,演變成一種為了吸引流量、維繫用戶黏性而不得不提供的「虧損引流品」(loss leader)。
2. 資本開支狂飆與現金流懸崖:從資產負債表與自由現金流看 AI 基礎設施泡沫
衡量企業內在價值的金律是「股東盈餘」(Owner Earnings)與自由現金流(FCF)。然而,當前全球科技巨頭在 AI 基礎設施上的資本配置,正展現出與自由現金流極不相稱的狂飆狀態。
數據顯示,美股超大規模雲端廠商(Hyperscalers)的資本開支在去年已達到 4,000 多億美元,今年接近 8,000 億美元,預計明年將突破 1 兆美元大關。麥肯錫更預計,到 2030 年全球對資料中心的累積投入將達到 7 兆美元。目前雲端廠商的資本開支每年成長高達 70%,但其營運現金流每年僅成長 23%。這種巨大的資金缺口,不得不依賴發行債券、私募信貸與各種複雜的結構化融資來填補。
在模型公司端,營收雖然快速擴展——OpenAI 預計 2026 年底年化營收將達 700 億美元,Anthropic 披露其 2025 年 10 月單季營收成長 45% 至接近 170 億美元——但營收高度集中於早期採用者與少數深度用戶。OpenAI 的企業客戶數據顯示,按每個活躍用戶消耗的推理量計算,前 10% 的企業消耗量是中間 10% 的 8.3 倍,而這一差距在同年 1 月份僅為 2.6 倍,顯示出極端的分布不均。
更深的財務隱憂在於企業端的真實回報率。麥肯錫 2026 年的企業 AI 採用調查指出,儘管 88% 的組織表示已在至少一個業務職能中定期使用 AI,但高達 60% 的受訪者表示尚未看到 AI 對企業層面的息稅前利潤(EBIT)產生顯著影響;雖然 80% 的員工個人感受到了效率提升,卻僅有 37% 認為這對公司的營業利潤有所貢獻。
更深層的宏觀機制在於:美國政府、養老金體系、家庭財富與信用擴張已經與 AI 資本開支、科技巨頭股價及模型能力高度綁定。「這條線必須持續向上,養老金賬戶才好看,信用才能繼續擴張……」這種由華盛頓與金融體系為 AI 資本開支背書與兜底的機制,其代價是以貨幣購買力的持續稀釋(通脹稅)由全體美元持有者買單。對於雲端巨頭而言,繼續進行巨額資本開支是一種賽局困境下的「理性過度建設」:若停止投入,意味著將既有高利潤池的未來選擇權拱手讓給競爭對手。然而,當所有個體的理性選擇匯聚成產業整體的過度建設時,「技術取得巨大成功」與「投資人遭遇資本永久性損失」將完全可能同時發生。
3. 競爭護城河的侵蝕與「主權 AI」的非商業邏輯
傳統價值投資強調持久的競爭護城河,但由純技術差距堆砌的護城河正在被兩股力量擊穿:中國企業的成本破壞力,以及主權國家力量的介入。
在商業市場上,中國模型展現出極強的成本競爭力。以 DeepSeek V4 為例,其輸出定價比美國同級前沿模型低了約 97%。根據統計,自 2025 年 2 月至 2026 年 2 月,中國模型在全球的下載份額已達約 41%,一舉超越美國模型的 36.5%。斯坦福大學《2026 年人工智慧指數》報告亦顯示,中美頂級模型之間的性能差距已急劇收窄至約 2.7%。中國市場持續向全球輸出低成本、高質量的開源模型,直接打破了美國模型廠商「靠模型開發捕獲超額價值以支持後續高昂訓練」的商業閉環。
另一方面,「主權 AI」(Sovereign AI)的崛起導入了非市場化邏輯。英偉達(NVIDIA)截至 2026 年 1 月財年的營收數據顯示,其向各國政府與國營企業出售主權算力基礎設施的營收已突破 300 億美元,年增長超過 3 倍。主權 AI 通常部署於敏感隔離資訊設施(SCIF)中,由國防或戰略單位主導,其核心考核指標是治國能力、國家安全與軍事競爭力,而非傳統的現金流回報或 ROI。
當主權國家將 AI 視為戰略資源而不計商業代價進行投入,並結合全球範圍內低價/免費的開源生態時,純商業導向的模型開發商將面臨護城河被持續侵蝕的長期困境。
4. 重新定義「經濟制高點」:控制分發網絡與基礎設施的結構性壟斷
面對智慧商品化的趨勢,投資人必須重新理解「經濟制高點」(The Commanding Heights)的理論架構。
「經濟制高點」概念最早可追溯至 1922 年列寧於共產國際第四次代表大會上的論述。在蘇俄實施新經濟政策(NEP)並允許私人貿易回歸的背景下,列寧強調國家只要牢牢掌握鐵路、金融、重工業等「全部制高點」——即所有經濟活動都必須經過的關鍵部門——就能在開放市場競爭的同時持續收取稅租並掌控大局。在 AI 時代,Will Manidis 與 Joe Roberts 在《制高點》一文中將此理論引申至科技資本配置中。
所謂「經濟制高點」,必須同時滿足三個必要條件: 1. 稀缺性(Scarce); 2. 可控性(Controllable); 3. 具備從其所支撐的廣泛經濟活動中持續收取租金的能力(Sustainably collect rents)。
投資人必須明確區分「暫時的技術瓶頸」與「真正的制高點」。一款暫時領先的模型或一種暫時供不應求的晶片,都只是技術演進中的暫時瓶頸,會隨著產能擴增與技術迭代而消退。相反地,真正的制高點具有反直覺的特性——越被使用,其結構性壟斷地位越牢固,因為用戶的習慣、流程與配套網絡會對其產生強烈依賴。
歷史警示我們,切勿將上一個時代的經濟安排誤認為永久的制高點: * 印刷術與鐵路:古騰堡發明活字印刷術最終卻落得破產;鐵路重塑了 19 世紀的美國經濟,但最大財富並非屬於造機車的人,而是屬於掌控路權與金融架構的人。 * 晶體管與電子產業鏈:晶體管誕生於貝爾實驗室,但產業價值最終沉澱於半導體製造、設計與整條電子產業鏈,而非發明它的實驗室。 * 報業壟斷的興衰:巴菲特於 1973 年以 1,060 萬美元買入《華盛頓郵報》股份,至 1985 年升值至 2.21 億美元,看重的是報紙在當時社區作為獨家分發渠道的定價權。然而,巴菲特持續收購報業直到 2012 年(累積投入 3.44 億美元),最終在 2020 年因分發渠道被網際網路顛覆,不得不以不足買入價一半的價格清算賣出。 * 網際網路時代的收租者:Google 憑藉 DoubleClick 與 Android 掌控了移動網際網路的分發渠道與廣告網絡(Google Ads),即使搜尋本身免費,也能對整體網際網路經濟的流量抽取「稅金」。
Manidis 與 Joe Roberts 指出:「這個階段該買的是 DoubleClick 和 Android 類型的渠道機制,而不是 Alphabet 和 Anthropic。」其深刻資本配置意涵在於:投資人應聚焦於「掌控流量分發入口與收租機制本身」的資產,而非盲目買進承受著極高模型 Capex 與折舊負擔的巨型綜合體或純模型實驗室。在 AI 時代,最危險的投資錯誤正是「抱著舊時代的舊收租站不放,同時把錢投給新時代最顯眼的发明者」。
5. 代理人經濟與美元穩定幣:機器原生支付渠道如何重構獲利池
隨著 AI 代理人(Agents)逐漸接管企業運作,根據科斯(Ronald Coase)的交易成本理論,當市場協調與描述任務的成本因 AI 而大幅下降時,企業的組織邊界將顯著收縮。未來企業將由少數決策者與大量的 AI 代理人組成,這將劇烈改變勞動力市場與金融支付渠道。
在勞動力市場端,極端的 K 型分化已經出現: * 印度技術服務業在 2026 財年僱用接近 600 萬人,但每 100 名畢業生僅能爭取 16 個淨新增崗位。 * IT 巨頭 TCS 在 2026 財年員工總數減少了 23,460 人,但同期調整後營業利潤卻逆勢成長 7.5%。 * 斯坦福大學研究顯示,截至 2026 年年中,22–25 歲處於高 AI 暴露崗位的青年就業率比預期水平低了 19%。
當極端 K 型分化出現,富裕國家開始利用公民身份、執照與資格認證等行政障礙構築防禦牆,即巴拉吉·斯里尼瓦桑(Balaji Srinivasan)所稱的「紙帶」(Paper Belt)保護主義機制,將發展中國家(如印度班加羅爾工程師)的離岸白領勞動力排斥在外。然而,這種行政防護牆並無法阻止企業內部直接以邊際成本接近電費的 AI 代理人取代傳統崗位。
當大量標準化、流程化的白領工作被 AI 代理人取代時,代理人之間的軟體採購、數據調用與算力租用將催生全新的「機器原生支付清算網絡」。
傳統的信用卡組織與銀行間清算系統(SWIFT)無法滿足機器代理人高頻、微額、跨國且需即時程式化結算的需求。美元穩定幣(USD Stablecoins)正順應此趨勢成為機器經濟的底層金融管道: * 2025 年,穩定幣經調整後的交易量已超過 11 兆美元,規模已媲美傳統支付巨頭 Visa。 * 截至 2026 年 9 月,穩定幣總流通量突破 3,000 億美元。 * 在一項針對 36 個前沿 AI 模型的支付測試中,模型在 53.2% 的自主支付場景中主動選擇了美元穩定幣。
當 AI 代理人自主進行商業交易並走穩定幣渠道時,傳統金融中介將被繞過。在此新架構下,掌控穩定幣發行權、合規託管入口與清算網關的業者,將能在全球機器經濟的每一筆交易中抽取「過路費」,成為 AI 時代最具持久盈利能力的金融制高點。
6. 給長期價值投資人的實用重點與大局思考
總結上述分析,長期價值投資人在面對 AI 資本狂潮時,應保持嚴謹的資本保全原則,並建立以下四個策略思考框架:
-
嚴格區分「價值創造」與「價值捕獲」 技術革命創造的巨大社會價值(如個人生產力提升),並不等同於技術發明者的股東盈餘。必須遠離高資本開支(Capex)、高折舊負擔但缺乏終端定價權的模型開發商。
-
優先尋找具備網路效應與強大路權的分發渠道 關注能夠將 AI 智慧無縫整合進既有用戶工作流、並控制用戶或機器代理人入口的平台型資產(例如掌控操作系統、終端分發協議與關鍵入口的企業)。
-
聚焦資產負債表體質與真實現金流流向 警惕依賴結構化債務與私募信貸填補現金流缺口的硬體基礎設施廠商。投資標的必須具備高自由現金流轉換率(FCF Conversion Rate)與自主收租能力。
-
動態防範「舊制高點」的價值陷阱 定期審視投資組合中的傳統企業,評估其核心利潤池是否正在被 AI 代理人降本增效的過程所削弱,避免重蹈巴菲特晚年持有傳統報業降級資產的覆轍。
關鍵數字
- 同等水平機器智慧單位價格降幅(過去一年):單位價格下降約 13 倍。
- 同等性能最低推理成本季度降幅(2023年–2026年):Epoch AI 追蹤顯示每季度平均下降約 47%。
- 超大規模雲端廠商資本開支(去年/今年/明年預估):去年 >4,000 億美元,今年接近 8,000 億美元,明年預估 >1 兆美元。
- 全球資料中心累積投入預估(截至 2030 年):麥肯錫預計達 7 兆美元。
- 雲端廠商 Capex vs. 營運現金流年成長率(當前):資本開支年增 70%,營運現金流年增 23%。
- OpenAI 預估年化營收(2026 年底):預計達 700 億美元。
- Anthropic 單季營收(截至 2025 年 10 月披露):單季營收年增 45%,接近 170 億美元。
- OpenAI 企業客戶推理量集中度(當前 vs. 同年 1 月):前 10% 客戶消耗量為中間 10% 的 8.3 倍(1 月為 2.6 倍)。
- 中美閉源與開源模型性能差距(當前):已縮短至約 4 個月。
- DeepSeek V4 輸出定價優勢(當前):比美國同級前沿模型低約 97%。
- 中美模型全球下載份額(2025年2月–2026年2月):中國模型約 41%,美國模型約 36.5%。
- 中美頂級模型性能差距(斯坦福《2026年AI指數》):收窄至約 2.7%。
- 英偉達主權算力基礎設施營收(截至 2026 年 1 月財年):超過 300 億美元(年增逾 3 倍)。
- 美元穩定幣經調整年交易量(2025年):超過 11 兆美元。
- 美元穩定幣總流通量(截至 2026 年 9 月):超過 3,000 億美元。
- 前沿模型自主支付測試之穩定幣選擇率(當前):在 53.2% 的支付場景中選擇美元穩定幣。
- 印度 TCS 員工人數與利潤變化(2026財年):員工總數減少 23,460 人,調整後營業利潤成長 7.5%。
- 青年高 AI 暴露崗位就業率降幅(截至 2026 年年中):22–25 歲族群就業率比預期水平低 19%。
- 麥肯錫企業 AI 採用調查數據(2026年):88% 組織定期使用 AI,60% 表示尚未看到 EBIT 顯著影響;80% 個人認為效率提升,僅 37% 認為對公司營業利潤有貢獻。
什麼情況會改變我們的看法
- 最前沿閉源模型展現出絕對且持久的性能斷層:前沿閉源模型在深度推理、複雜任務可靠性與生態系鎖定上的優勢突破成本曲線限制,使開源模型無法在 12–18 個月內追趕,讓前沿模型開發商重新獲得強大的市場定價權與高毛利率。
- AI 基礎設施資本開支成功轉化為廣泛的企業 EBIT 顯著成長:未來調查顯示超過 70% 的跨產業企業確認 AI 導入直接帶來顯著的營業利潤提升,且雲端廠商的營運現金流成長率重新超越資本開支成長率。
- 各國政府對機器原生支付與穩定幣實施嚴厲監管限制:主要主權國家全面封鎖穩定幣在 AI 代理人與機器商業交易中的應用,將機器支付流量強制導回傳統銀行清算網絡與信用卡體系。
- 反壟斷法案或監管干預拆解了龍頭平台的分發渠道:全球監管機構強制要求操作系統、搜尋入口與應用商店開放第三方分發,切斷了科技巨頭利用平台入口抽取過路費的能力。
歡迎造訪 DeepValues Research 網站閱讀更多開源公司研究,或使用 DeepValues App 查詢個股的內在價值與安全邊際。
資料來源
- 文章:《制高點》(The Commanding Heights),作者:Will Manidis 與 Joe Roberts(2024年10月29日發布)
- 影片訪談與分析:〈AI的终极赢家,未必是造智能的人 | AI泡沫 | 制高点 | The Commanding Heights | Will Manidis | 智能体 | AI资本开支 | 推理成本 | 主权AI〉,頻道:最佳拍檔(主講人:大飛)
- 產業研究報告:《2026年人工智慧指數》(2026 AI Index Report),發布單位:斯坦福大學(Stanford University)
- 產業追蹤數據:模型成本與性能追蹤報告,發布單位:Epoch AI
- 企業 AI 採用調查報告(2026年),發布單位:麥肯錫(McKinsey & Company)
- 企業財務報告與營運數據:OpenAI、Anthropic、NVIDIA(英偉達)、TCS(塔塔諮詢服務)、阿里巴巴、DeepSeek 之公開營收與定價數據
觀看
資料來源連結
觀看 · 收聽
- AI智慧單價一年暴跌13倍巴菲特指標,收過路費的竟是穩定幣 YouTube · 中文
- AI智慧單價一年暴跌13倍巴菲特指標,收過路費的竟是穩定幣|美股市場 Podcast · 中文
- AI Prices Fell 13x as CapEx Nears $800B: Who Owns the Moat? | Stock Market Podcast · EN