AI基建狂潮：价值转移路径与云服务商的利润挑战

本文系针对锦缎研究院《今天的AI基建狂潮，恰如150年前铁路狂潮的历史轮回》一文的读者评析与思考，旨在分享观点并促进讨论，不代表任何平台立场。

近期市场流行一种观点：随着GPU成本下降、模型标准化、算力即服务（AIaaS）成为基础设施，价值将逐渐从芯片公司（如英伟达）转移到云服务商，类似铁路时代后期价值从钢铁制造商转向铁路运营商。

然而，笔者对此持保留态度。

原因不仅在于当前数据中心的经济性远低于预期，还在于中国厂商的激烈竞争正从根本上压缩云服务商的利润空间。

一、云利润的现实——远低于想象

此前Oracle数据中心毛利率的披露给市场泼了冷水：

即便对GPU折旧进行摊薄，数据中心的盈利能力依然偏弱。考虑到GPU生命周期仅3-5年，而建设数据中心还涉及土地、电力、制冷、网络与人力等成本，这些因素导致毛利率非常有限。

因此，认为“AI基建价值最终会向云集中”并不现实。英伟达仍掌握算力定价权与供需结构，而云服务商愈发像“搬运工”，在高资本支出和高折旧成本下艰难生存。

从经济学角度，这是一种典型的垄断上游加分散下游的价值锁定模式：

上游（英伟达）凭技术垄断抽取主要利润；下游（云服务）竞争激烈且成本高企，利润有限。

这与铁路时代早期钢铁厂、蒸汽机车制造商占据高利润极为相似。

二、下游应用不及预期与中国厂商竞争进一步压缩利润

笔者也认同另一关键因素：下游利润未必如市场预期乐观。

许多企业发现token需求未达预期。

单个token的经济效益（如自动化节省成本、提升收入）并未即时兑现。

许多应用场景仍处试验阶段，尚未实现高频使用。

更关键的冲击来自中国厂商。

阿里与Qwen：极低token价格正重塑成本结构——阿里巴巴旗下Qwen系列模型引发了实质性价格冲击。

据公开报道，阿里将Qwen-VL的API价格定为：输入1000 token约0.003元人民币。

这比OpenAI、Anthropic等公司的token价格低一个数量级。

阿里能做到这一点，主要源于：

1. 中国厂商的价格战策略。

AI仍处市场争夺早期，“量大价低”是自然策略，中国市场普遍倾向积极降价。

2. 成本结构优势。

在中国部署基础设施、电力、土地、人力成本普遍更低；阿里拥有自有云基础设施，扩展边际成本低。

3. 生态捆绑。

阿里不靠模型收费盈利，而依靠：云存储、数据平台、企业IT服务、SaaS。

因此API可作为“入口产品”低价出售。

4. 战略定位不同。

西方LLM公司采用“高溢价加商用定价”；中国采用“普及率加使用量”模式。

这使得阿里、腾讯、字节等厂商构成全球token定价的底部压力。

对云服务商而言，这意味着：

AI价格不像IaaS那样可稳定抽取高毛利；token价格受中国厂商冲击下移；最终压缩美系云的单位利润。

因此，“价值会向云集中”这条路径进一步不成立。

三、资本周期视角：AI基建正重复铁路的历史

为理解当前局面，笔者认为可将视角扩大到资本周期的历史规律。

铁路时代：

1865-1873年的铁路狂潮使产能投资占GDP的7-10%。竞争导致过度铺轨、运力闲置率超30%。最终酿成1873年“恐慌”和65个月大萧条。

AI时代：未来5-7年AI数据中心投资预计超4万亿美元。OpenAI、微软、谷歌、Meta正陷入典型“囚徒困境”：不投资会落后，投资又可能产能过剩。

关键指标正出现铁路时代的相似迹象：高资本支出、单位利润持续下降、多方重复建设、竞争者过多、下游盈利能力不稳。

而判断非常准确：利用率下降（产能闲置是关键信号）、价格战加剧（已在中国模型看到）、融资趋紧（部分云服务商债务压力上升）。

这些都是典型的周期转折点前兆。

四、总结：价值最终不会集中在云，而会像铁路一样向应用扩散

从铁路、互联网、智能手机等周期中，可得出结论：“基础设施建设的最大受益者并非建设者，而是使用者。”

铁路使制造业和物流成最大赢家；互联网让电商、数字广告、媒体公司成赢家；智能手机让应用开发者、平台生态成赢家。

因此，笔者认为AI最终价值流动路径是：

阶段1：芯片厂商（现在）英伟达凭垄断地位抽取高额利润。

阶段2：应用开发商（未来）当模型成本下降、硬件普及后，真正赚钱的是：AI企业软件、垂直行业解决方案、自动化工具、AI-native公司。

而云服务商最终只是“过路费”提供者，利润难以太高。

阿里与Qwen的低价策略则提前揭示未来：token会变成廉价、可替代的基础资源，而非高利润产品。

本文基于公开资料撰写，仅作信息交流之用，不构成任何投资建议。