斯坦福 MS&E435 第一讲图解：AI 的钱到底被谁赚走了？
Stanford MS&E435 开篇课图解版：用一张「倒三角」讲清 AI 价值链——云是 App > Infra > Semi，AI 却是 Semi 3000 亿 > Infra 750 亿 > App 600 亿；以及 75% 新增收入流向芯片层、AWS 用掉 8 年、消费级 AI 每用户年收入只有约 10 美元为什么可能靠广告解锁。
来源：YouTube 原视频（Stanford Online · MS&E435）
来源说明 这是 Stanford MS&E435「Economics of the AI Supercycle」2026 年春季课程的开篇课，由斯坦福 MS&E 兼职讲师、Altimeter Capital 合伙人 Apoorv Agrawal 主讲。本文是这份讲座的图解版：文中 14 张配图均截取自视频中该观点的对应时刻，并把该时刻的完整观点句（英文原句＋中文翻译）拼合进图中。课程中出现的收入、用户量、毛利率等数字，是讲师用于课堂分析的估算或引用，应理解为其当时的研究口径，而非本文独立审计的事实。
TL;DR
- 整门课的核心是一张「倒三角」：成熟云生态的收入大头在应用层（App $600B > Infra $300B > Semi $80B），而 AI 的估算收入刚好反过来（Semi $300B > Infra $75B > App $60B），价值沉在最底层。
- 三个解释：边际成本不再为零（软件 80%–90% 毛利，AI 每多一个用户都要烧 GPU）、芯片层只有一个「庄家」、以及行业还太早（AWS 从 2004 年起步到 2012 年全面迁移，用了约 8 年）。
- 两年后的验证：AI 收入从约 $90B（24Q1）涨到约 $435B（26Q1），约 5 倍；新增的约 $350B 里约 75% 流向芯片层，而应用层同期增长超过 10 倍。
- 利润比收入更集中：按其估算，AI-2026 的毛利份额为芯片 79% / 基础设施 14% / 应用 7%，而云软件恰好相反（应用 70%）。它什么时候会翻转？「五年？十年？十五年？还是永远不会？」
- 消费级 AI 的真问题在变现：ChatGPT 约 10 亿用户 × $10/年，对比 Alphabet 40 亿 × $100、Meta 35 亿 × $70——他判断答案可能是广告。
一、开课先立规矩：这堂课想问什么
讲师的开场很朴素：他每年回一次斯坦福，这次干脆开一门课，把“AI 超级周期”讲透。而他站上讲台的理由只有一句话——
正式开讲前，他抛出一句让教室安静下来的话：
这门课的定位随之清晰：不是教你怎么用 AI，而是教你在 AI 时代问对问题。 课程安排是每周不超过 3 小时；从第二周起，每节课都是产业嘉宾——Groq / NVIDIA、Altimeter、Crusoe、Databricks、OpenAI、Applied Compute、Baseten、Vercel、Anthropic 等公司的创始人或高管，覆盖“芯片—基础设施—模型—应用”整条栈。
二、整门课的核心：一张“反过来的金字塔”
真正的 punchline 出现在第 5 分钟。他放出一张对比图：左边是云计算，右边是 AI，两张图里“应用层 / 基础设施层 / 芯片层”的形状完全是反的。
具体数字（估算年收入）：
- 云计算：应用层 $600B ＞ 基础设施 $300B ＞ 芯片 $80B——一个正常的金字塔，越往上越大；
- AI：应用层 $60B ＜ 基础设施 $75B ＜ 芯片 $300B——一个倒过来的三角，价值沉在最低、最重、最“物理”的那一层。
这也是整门课要反复追问的那个问题。而他整个开场白里最核心的一问，其实只有五个字：钱在哪里？
💡 换句话说：过去十年我们习惯了“软件吃掉世界”——轻资产、高毛利、赢家通吃。而 AI 这张图在问的是：这一次，价值会不会留在最不“软件”的那一层？
三、为什么这次不一样？三个原因
课堂上学生给了不少猜测：是不是因为还太早？是不是因为 Nvidia 太强势？讲师的回答是——都对，但还有一个更根本的原因。
1. 边际成本不再为零
这是全篇最锋利的一段论述。
他对比得非常直接：
- 软件时代：产品做出来后可以分发给几百万人，多服务一个用户的边际成本接近 0，所以软件公司能做到 80%～90% 的毛利；
- AI 时代：多一个用户，就要真金白银地烧 GPU。这也是为什么你看到很多“收入已经几十亿美元”的 AI 公司依然不赚钱——不是效率低，而是商业模式里天然嵌着一条算力成本曲线。
2. 芯片层只有一个“庄家”
他提到课上读物里那张 Nvidia 算力市场份额的图，用词是“strangle hold”（扼喉式掌控）。当学生问“是不是因为 Nvidia 有垄断”，他笑着说：这个问题你留到下周 Nvidia 的人来的时候再问一遍。
3. 还太早——AWS 用了 8 年
关于“为什么现在会长成这副样子”，他的第三个解释是时间。
- 2004 年起步；
- 2010 年才等来第一个大客户 Netflix；
- 2012 年亚马逊自身才全面迁上 AWS；
- 从第一轮资本开支算起，整整 8 年。
他还补了一个很有意思的历史注脚：20 年前看亚马逊财报，市场上最大的争论是“亚马逊会不会破产”。资本密集型的浪潮，从来都是先烧钱、后被理解。
四、两年过去了：规模涨了 5 倍，形状几乎没变
这是整场信息密度最高的一段。他把两年前自己做过的同一张图拿出来对比：
- Q1 2024：应用 $5B、基础设施 $10B、芯片 $75B，合计约 $90B；
- Q1 2026：应用 $60B、基础设施 $75B、芯片 $300B，合计约 $435B；
- 两年增长约 5 倍；新增的约 $350B 收入中，约 75% 直接流向了芯片层——而同期应用层增长了 10 倍以上。
换句话说：应用层跑得飞快，但价值沉淀得更快。
利润比收入更集中
看图里的“毛利份额”对比（同一张幻灯片的下半部分）：
| 毛利份额 | 应用层 | 基础设施 | 芯片层 |
|---|---|---|---|
| AI（2024） | 3% | 10% | 87% |
| AI（2026） | 7% | 14% | 79% |
| 云计算软件 | 70% | 24% | 6% |
他补充了两个具体量级：Nvidia 数据中心业务的毛利率约 75%，而应用层的毛利率“取决于你问谁，大约在 0～30% 之间”。从利润视角看，这个三角比收入视角更集中。
还有两个细节值得记下来：
- 芯片层那块 $300B，绝大部分是 Nvidia；
- 应用层，大约 90% 只由两家公司贡献；
- 中间的基础设施 / 推理层，是竞争最激烈、也最不稳定的地方。
那它什么时候会翻转？
这是投资视角下最要紧的问题，也是他在 Twitter 上与人辩论过的问题：
他给出的两个关键催化变量是：
- 某家自研芯片（ASIC）的突破——Google TPU、Meta MTIA、Amazon、OpenAI、微软，任何一家的 ASIC 大获成功，都会带来中间层最大的一次价值重估；
- 超大规模厂商的资本开支指引——这是整条链条的“油门”。
他个人的判断是：这个形状可能比他预想的维持得更久，因为“把基底（substrate）做对实在太难了”。
中间层：最激烈，也最不稳定
这一段里他给所有创业者留了一个自检问题：你是“特性”，还是“平台”？（are you a feature or a platform?） 很多基础设施侧的新公司看起来想法很好，但你要问自己：这么好的东西，为什么它不该是 AWS 的一部分？
五、消费级 AI 的真问题：10 亿人 × 10 美元
课程最后 10 分钟，视角从“供给侧”切到“需求侧”。
他把消费级应用按用户规模分成三档：
- 30 亿量级：几乎“生活必需”，如 WhatsApp、Chrome；
- 15～20 亿量级：社交产品，有强网络效应，如 Instagram、TikTok、Facebook；
- 小众产品：Spotify、Amazon、X 这类。
那么 ChatGPT 和 Gemini 在哪？答案是：ChatGPT 刚刚越过“小众”那一档，正在向社交档逼近；Gemini 还没有。 他说，站在 OpenAI 投资人的角度，他更希望它一开始就往“核心刚需”那一档走。
更关键的是单位经济账（全球约 80 亿人，其中约 40 亿在线）：
- Alphabet：约 40 亿用户 × 约 $100 / 年；
- Meta：约 35 亿用户 × 约 $70 / 年；
- ChatGPT：约 10 亿用户 × 约 $10 / 年。
于是两个问题摆上台面：怎么把 10 亿做到 40 亿？怎么把 $10 做到 $100？ 他明确表示，不确定“知识工作”是答案，也不确定订阅是答案——答案可能是广告。
理由是：ChatGPT 的广告有可能定价更高，因为它理解你的意图、你处于登录态、归因更准、信任度更高。他提醒大家回想 Facebook IPO 时的质疑——“手机屏幕那么小，广告放不下”——然后补了一句：“结果我们在手机上找到了位置。”
六、课堂彩蛋
这门课第一天就考试。讲师说得很直白：得分有两条路，一是答对，二是够快。
题目本身也很有意思，比如“哪家公司把废弃天然气转化为 AI 算力、正在建吉瓦级数据中心、总部在丹佛、2025 年以 100 亿美元估值完成 1.4 亿美元 E 轮”——选项是 Crusoe、Oklo、Lambda、CoreWeave。
七、写在最后
课程结尾，他没有给出确定性结论，反而给了个很诚实的回答：
把整堂课压缩成一句话，就是他在课上反复强调的那套追问框架——它或许比任何结论都更值得带走：
- 在你的领域里，你是不是那个主导者？
- 你还能主导多久？
- 你最担心的力量是什么？
- 你的定价会被什么力量压缩？
- 说到底，你是“特性”，还是“平台”？
附：原视频
- 原视频：Stanford MS&E435 Economics of the AI Supercycle｜Spring 2026｜Economics of Generative AI（Stanford Online，34）
- 课程主页：https://mse435.stanford.edu/
说明：课程中涉及的收入、毛利率、用户数均为讲师及其机构（Altimeter Capital）基于公开信息的估算或内部测算，仅代表个人观点，不构成投资建议。
讨论
这里是静态站点，没有内嵌评论区。如果这篇文章对你有用，欢迎通过 RSS 订阅后续更新。