写在前面
最近我一直在想一个问题：AI 产业链上每一段的钱到底是谁赚走的？
这个问题听起来很大，但其实可以拆解。一条产业链就像一条河——上游是天然资源（电），下游是最终消费（用户为 AI 应用付费）。中间每一层都在做一件事：承接上一层的成本，加上自己的成本和利润，再卖给下一层。
我把整个 LLM 产业链拆成了四段：
能源（电） → 计算（GPU/云） → 模型（API token） → 应用（订阅/订单）产业链资金流
$100 的旅程：钱从用户出发，被一层层抽走
示意数字用于解释利润分配结构，并非财务预测。
每一段都有自己的上中下游。问题是，这条链上每一段的”溢价权”（议价能力 + 净利率）有多大？利润最终会沉淀在哪一层？
我的核心结论先放在前面：
利润会向产业链的两端集中——上游的”算力垄断层”（NVIDIA + TSMC + HBM 三件套）和下游的”应用层赢家”。中间的能源层和模型层，要么被管制锁死溢价，要么被开源和大厂双向挤压。
下面我会沿着一个具体的链条走一遍：一度水电站发的电，怎么变成 NVIDIA 卖给 AWS 的 GPU 算力，再变成 Anthropic 训练 Claude 的 token 产能，最后变成 Cursor 用户每月支付的 20 美元订阅——一路追踪利润是怎么分配的。
1. 分析框架：三维溢价权模型
判断一层产业的”溢价权”，我不用毛利率作为单一指标，因为毛利率是结果不是原因。我用三个驱动因素：
| 维度 | 问的问题 | 高分的样子 |
|---|---|---|
| 替代成本 | 下游换供应商有多痛？ | 一换全线停摆 |
| 供给集中度 | 这一层有几家在玩？ | ≤ 3 家 |
| 资本/时间壁垒 | 后来者要花多少钱、几年？ | > 100 亿美元 + > 5 年 |
溢价权 ≈ 三者乘积。任何一项是 0，整层都会被商品化。
还有一个隐藏的”第四维”——是否被管制。如果一层产业的价格是政府定的、利润率是政策锁的，那前面三维全是 5 星也没用。这一点在能源层会非常关键。
2. 能源层：卖铲子的赚钱，挖矿的不赚钱
让我们从那一度电开始说起。LLM 训练和推理的最底层成本是电。一座 100 MW 的 AI 数据中心，年耗电量大约 8.7 亿度。按发电方式只有四种主线叙事：火（煤、气）、风（风电、光伏）、水（水电）、核（核电）。这是一个非常成熟的产业，技术成熟度高、玩家众多，单纯”发电”这件事本身没什么想象空间。
电从发电厂出来后要经过三层：发电 → 输配电 → 终端用户。
2.1 为什么发电企业不是 AI 产业的赢家
很多人看到”AI 抢电”的叙事，第一反应是去买电力股——比如 A 股的长江电力、美股的 Constellation。这个逻辑听起来很顺：AI 算力暴涨 → 电需求暴涨 → 电价上涨 → 电力公司赚钱。
但这条逻辑链最弱的一环是”电价上涨 = 电力公司赚钱”。因为全球几乎所有主要市场，电价都是被管制的。
- 美国：发电和配电是 regulated utility，受各州 PUC（公用事业委员会）监管，毛利率被锁在固定的 ROE 区间（通常 9-11%）。电价上涨需要走听证程序，本质上是成本传导，赚不到超额利润。
- 中国：发改委定电价，煤电联动机制对冲燃料成本波动，水电核电的上网电价更是几十年不变。
- 欧洲：能源价格是政治议题，每次电价上涨都会引发议会层面的讨论。
所以电价上涨对电力公司不是利好，是麻烦——会引来更严格的监管和舆论压力。
长江电力是好资产，但它是”类债券资产”，不是”AI 增长股”。它稳定的现金流和分红是政策稳定性的产物，不是 AI 算力需求的产物。把”AI 抢电”逻辑套到水电股上，是 A 股市场最经典的”叙事错配”。
Constellation 是个特例——它持有美国大量核电站，受益于科技公司直接签 PPA 包断电力（微软重启三里岛核电站、亚马逊买核电厂直供等），有部分溢价空间。但本质上仍然受联邦和州两级监管，不是自由定价。
2.2 真正吃到 AI 红利的是”卖铲子”的设备厂
1. 燃气轮机和核电设备厂。 数据中心需要 7×24 稳定的基荷电力，水电不合适（看天吃饭）、风光不合适（间歇性）。所以真正在扩产的是燃气电站和核电站。
- GE Vernova：天然气轮机全球三巨头之一（其他两家：西门子能源、三菱重工）。它从 GE 拆分出来上市后，股价一年多翻了一倍多，订单已经排到 2028 年之后。
- Westinghouse、NuScale、BWXT：核电和小型模块化反应堆（SMR）玩家。微软、亚马逊、Meta 都已经签了 SMR 长协。
2. 输配电设备厂——这是被严重低估的真瓶颈。 AI 数据中心的真实瓶颈不在”发电不够”，而在”有电送不到”：
- 美国新建数据中心从申请并网到通电，等待时间已经从 2 年拉到 5-7 年
- 全球电力变压器供不应求，交付周期从 1 年拉到 3-4 年，价格 3 年涨了 60%+
- 北弗吉尼亚（全球最大数据中心集群）已经出现”发电厂建好了，但输电线和变压器配不上”的局面
利润沉淀在 伊顿（Eaton）、西门子能源、日立能源、ABB、普睿司曼（Prysmian） 这些公司——单价不高、品牌不响、A 股投资者不熟，但订单 backlog 爆满，是真正的闷声发财。
能源层是”卖铲子的赚钱，挖矿的不赚钱”。挖矿的（电力公司）是被管制的打工人，毛利率写在政府文件里。卖铲子的（设备厂、特别是输配电设备）是真正的赢家。
而且水电基本不是 AI 时代的主角——地理资源开发殆尽（美国水电装机过去 20 年几乎零增长，中国大水电接近开发上限），且不适合做基荷电。AI 抢的是核电、燃气、光储一体。
那一度水电按工业用电算大约 0.05 美元出门，下一站是 NVIDIA 的 GPU。
3. 计算层：中国特色房地产模式
计算层利润分布
上游垄断方拿走了最大的一块
AI 计算层
房地产结构参照
这一层是当前 AI 产业链利润沉淀最多的一层。我想用一个类比来讲它：计算层就是”中国特色房地产行业”。
3.1 一个完整的房地产类比
| 房地产角色 | 计算层对应 | 当前状态 |
|---|---|---|
| 地方政府（卖地） | NVIDIA（卖 GPU） | 利润沉淀王 |
| 土拍成本占房价 60%+ | GPU 占服务器 BOM 60-70% | 决定一切 |
| 房开企业（万科保利） | 服务器组装厂（超微 / 工业富联 / 戴尔） | 周期性微利 |
| 钢筋水泥 | HBM 内存（海力士 / 三星 / 美光） | 当前赚钱，长期看产能 |
| 家装建材 | 数据中心配套（伊顿 / Vertiv） | 真闷声发财 |
| 物业 / 二手房中介 | Neocloud（CoreWeave） | 故事大于实质 |
| 银行（按揭） | 资本市场（给数据中心融资） | 受联储节奏影响 |
| 购房者 | 模型公司 + 应用公司 | 在为整个链条买单 |
这个类比最妙的地方：它一眼让人看懂为什么计算层整体暴涨，但只有”卖地的”和”卖钢筋水泥的”能赚到超额利润，其他人都是给 NVIDIA 打工。
3.2 NVIDIA = 卖地的地方政府
NVIDIA 在这条产业链里的角色，比”芯片公司”更接近”垄断土地供应方”：它定价、它分配配额、它决定哪个买家能优先拿到货。它的利润有多狠？数据中心业务毛利率约 75%，一张 H100 物料成本约 3000 美元，售价 2.5-4 万美元；一座 GB200 NVL72 机柜售价约 300 万美元，毛利可能超过 200 万。
但 NVIDIA 的霸主地位不是铁板一块。把 GPU 市场细分会发现一个被忽略的事实：NVIDIA 在”训练市场”是绝对霸主，但在”推理市场”会变成”一超多强”。
- 训练市场：NVIDIA 长期霸主。理由不是单卡性能（AMD MI300/MI400 已经追平），而是集群层面的系统级护城河——NVLink + InfiniBand 互联 + CUDA 全栈 + 整个生态。前沿模型训练动辄几万张卡的同步通信，新玩家入场要复刻整套体系太难。
- 推理市场：NVIDIA 仍是最大份额，但份额会持续下滑。因为推理对单点性能要求低、对成本敏感、对 CUDA 依赖弱（vLLM、SGLang、TGI 等开源推理引擎已经把跨硬件适配做好）。AMD、Google TPU、AWS Trainium、华为昇腾、Groq、Cerebras 都能切到蛋糕。
为什么这个细分重要？训练市场总量增长会放缓（前沿模型公司就那 5-7 家在训），而推理市场会爆炸（每个用户每次提问都是一次推理调用）。长期看，推理市场总规模 > 训练市场。所以 NVIDIA 毛利松动的真实路径不是”被一家干翻”，而是”被分食”——它在更大的那块市场（推理）里份额下降。
NVIDIA 不会被打败，但会被”分食”。训练市场是它的紫禁城，推理市场是它的菜市场——菜市场里没有皇帝。
这里要补一个反直觉的点：算力降本不等于 NVIDIA 利润下降。Jevons 悖论告诉我们，单位 token 成本每年降 4-10 倍，但推理需求爆炸增长更快——NVIDIA 单价下降但总量上升更快，毛利率会跌但绝对利润还在涨。我的判断是 NVIDIA 数据中心毛利会跌，但比所有人想得都慢，5 年内仍能维持在 65% 以上。可证伪点：如果 2027 年 Q4 NVIDIA 数据中心毛利跌破 65%，我错了。
3.3 服务器组装厂 = 房开企业（周期性建筑工）
工业富联（鸿海旗下）、超微（SMCI）、戴尔——这些 AI 服务器组装厂股价飞天，营收暴涨。但它们是 NVIDIA 利润的传导管道，不是利润沉淀地。毛利率说明一切：超微 SMCI 从 2023 年的约 18% 已经降到 11% 左右；戴尔 ISG 毛利率约 10-12%；工业富联 AI 服务器业务毛利率更低。
底层规律：当上游有绝对议价权（NVIDIA / 土地 / 硅料）时，中间组装环节的毛利会被持续压缩，最终趋同于”代工费率”。历史参照系完全成立——2003-2010 中国房地产施工方（万科、保利毛利率被锁在 20% 出头）、2018-2022 光伏组件厂（隆基、晶科毛利率从 25% 一路掉到 10% 以下，现在全行业亏损），AI 服务器组装厂在完美复刻。
买工业富联和超微，本质上是在 2026 年买 2008 年的万科——你买的不是 AI 成长股，你买的是一个周期性建筑工。订单越多，越证明它是建筑工，不是产权方。
3.4 HBM = 钢筋水泥（阶段性短缺）
HBM（High Bandwidth Memory，高带宽内存）是 AI GPU 的关键组件，一张 H100 配 6-8 颗，一张 B200 配 8 颗 HBM3e。目前格局：SK 海力士（市占 ~50%）+ 三星（~35%）+ 美光（~15%），三家寡头。
HBM 现在是当前阶段的明星，因为严重供不应求——海力士的 HBM3e 产能 2024-2025 年已经全部预订完毕，主要给 NVIDIA。海力士 DRAM 业务毛利率创历史新高，股价远超三星。
但我对 HBM 的判断是”阶段性短缺，不是永久溢价”。HBM 现在像 2020 年的水泥——AI 需求暴涨 → 短缺 → 暴利 → 海螺水泥/海力士这种供应方狂赚一波。但水泥的暴利没维持多久，因为产能扩起来很快。HBM 也一样：三星正在追赶 HBM3e、美光在快速扩产、HBM4 的产线已经在规划中。海力士现在的高毛利是周期顶，不是永久溢价。
3.5 数据中心配套 = 家装建材（被严重低估的暗线）
这是 A 股投资者最容易忽略的一段。建一座 AI 数据中心，除了 GPU 之外还要：电源系统（UPS、配电、PDU——伊顿、Vertiv、施耐德电气）、散热系统（液冷、空调——Vertiv、英维克、网宿科技）、网络设备（交换机、光模块——Arista、Cisco、中际旭创、新易盛）、机柜和结构（Vertiv、Equinix）。
这些公司细分龙头有真溢价，毛利率通常在 20-35%（比组装厂高得多），订单 backlog 同样爆满。光模块是其中最猛的一段——AI 数据中心的网络流量是传统数据中心的 N 倍，800G/1.6T 光模块需求暴涨，中际旭创、新易盛这些 A 股公司过去两年股价表现极强。这是产业链上”看上去离 AI 远，实际上离钱很近”的一段。
3.6 AWS：在 AI 业务上赚得没你想的多
回到我们的链条：水电站发的电进入 AWS 数据中心，AWS 把这批 GPU 算力卖给 Anthropic。AWS 在这一段赚多少？真实毛利远低于通用云业务。原因很简单：通用云（CPU + 存储 + 网络）AWS 自己设计芯片（Graviton），毛利能做到 30-40%；但 AI 算力业务里，GPU 成本占大头，NVIDIA 把利润都抽走了。粗略算，AWS 在每张 H100 上的毛利率约 30-40%——但这里面 NVIDIA 已经先拿走了 70%。
所以 AWS 的角色更像是”把 NVIDIA 的算力打包零售给租户的二房东”。 CSP 三巨头（AWS、Azure、GCP）都在干一件事：自研 AI 芯片——AWS 的 Trainium / Inferentia、Google 的 TPU、Microsoft 的 Maia——目的就是绕开 NVIDIA 这个”地方政府”，把自己变成自有土地的开发商。这是计算层未来 3-5 年最大的看点。
那一度水电进入 GPU 后，70% 是 NVIDIA 的利润、10% 给 HBM、5% 给数据中心配套、剩下 15% 才是 AWS 自己的毛利（粗略估算）。下一层，AWS 把算力租给 Anthropic 训练 Claude。
4. 模型层：双层撕裂，中国两头挨打
这一层是整篇文章的核心，也是最复杂的一层。我直接抛出我的核心判断：
模型层是”双层撕裂”——只有顶级闭源模型存在溢价，且溢价水平 = 与最强开源模型的能力差距 × 这个差距能维持多久。
4.1 双层撕裂结构
┌──────────────────────────────────────────┐
│ 顶级闭源（3 家） │ ← 高溢价（毛利可能 60%+）
│ GPT / Claude / Gemini 最新代 │ 高端 API + C 端订阅
├══════════════════════════════════════════┤ ← 鸿沟（"能力差 × 时间窗"）
│ 二线闭源 + 顶级开源 │ ← 商品化（毛利 5-15%）
│ Llama / DeepSeek / Qwen │ 按 token 价格战
│ + Cohere / Mistral / 国内众多模型公司 │
└──────────────────────────────────────────┘关键洞察：上下两层的区别不是技术差距（技术差距正在快速缩小），而是商业模式差距：上层卖的是”前沿能力的稀缺时间窗”——客户为”我能用到最强的模型”付费；下层卖的是”可替代的算力服务”——本质上是计算层的延伸销售，毛利被压到接近 token 成本+合理利润。
4.2 溢价 = 能力差 × 时间窗
我想给出一个简化但好用的公式：
顶级闭源模型的溢价率 ≈ (闭源能力 / 最强开源能力 − 1) × 窗口期月数 × 高端用户支付意愿系数
历史校验：
- 2023 年 GPT-4 发布：领先开源约 12-18 个月 → OpenAI 高毛利 + 高估值，几乎垄断高端 API 市场
- 2024 年中：领先 6-9 个月 → 开始打价格战（GPT-4 mini、Haiku 等小模型大幅降价）
- 2025-2026：领先 3-6 个月 → 部分场景已被 DeepSeek、Qwen 替代
- 趋势线：窗口期每年压缩 40-50%
外推：如果窗口期跌到 0-2 个月，闭源模型的溢价就归零了。这才是 OpenAI / Anthropic 估值的真正生死线——不是 AGI、不是监管、不是算力——而是”能力差能维持多久”。
4.3 Anthropic 是怎么活下来的：把模型当壁垒，应用才是渠道
回到我们的链条。Anthropic 用 AWS 的算力训练 Claude，然后通过两条路赚钱：
- API 渠道：开发者用 Claude API 接入自己的产品（这就包括 Cursor）。每百万 token 输入 3 美元、输出 15 美元（Claude 3.5 Sonnet 当前定价）
- C 端订阅：Claude.ai 网页 / 手机 App，每月 20 美元 Pro、每月 200 美元 Max
第二条路非常关键，因为这是 Anthropic（和 OpenAI）主动向应用层撤退的体现——OpenAI 的 ChatGPT 订阅收入已经超过 API 收入（据 2024 年报道，ChatGPT 占总收入约 70%+），Anthropic 在 2025 年大力推 Claude.ai 订阅、Claude Code 等应用层产品，Google 把 Gemini 塞进 Workspace 卖订阅。
这意味着什么？模型层公司自己最清楚纯模型层会被商品化，所以拼命往应用层延伸——抢用户、抢工作流、抢订阅关系。它们最终会变成”应用公司 + 自有模型”的双层结构，而不是纯模型公司。
这件事从产业经济学的角度其实很常见。当年的英特尔——一开始是芯片公司，后来发现 PC OEM 利润高，自己也想做整机，但被 IBM/惠普反向 commoditize 掉了。OpenAI 现在的处境是反过来——它主动要做应用，因为它知道纯模型会被商品化。
4.4 中国模型层：两头挨打的夹心层
中国 LLM 市场的格局完全不同。我先给结论：
中国不会出现独立的、闭源的、靠 API/订阅赚钱的”中国 OpenAI”。 这不是悲观判断，是结构性结论。
原因是中国模型公司是”两头挨打的夹心层”：
展开完整代码 · 21 行
┌──────────────────────────────┐
│ 中国独立模型公司（夹心层） │
│ DeepSeek / 智谱 / 月之暗面 │
│ / 阶跃 / MiniMax / 百川 │
└──────────┬───────────────────┘
│
┌──────────────────────┼──────────────────────┐
↓ ↓ ↓
上游被挤压 下游被绞杀
───────── ─────────
国资垂直整合 流量入口被
（三大运营商 + 国资云） 互联网大厂垄断
• 能源：发电厂/电网 • 微信生态
• 土地：数据中心 • 抖音 / 今日头条
• 基建：算力中心 • 淘宝 / 支付宝
• 资金：低成本融资 • 没有原生 C 端 AI 入口
能把 token 价格打到 模型公司想做 C 端
接近"成本 + 合理利润" 流量根本进不来
＋ 开源模型（DeepSeek/Qwen）够用上游挤压：中国电信、中国移动这些运营商具备非市场化的垂直整合能力——能源、土地、基建、资金一条龙打包，能把算力成本压到地板。叠加开源模型已经够用，B 端客户的最优解是”开源模型 + 自部署 + 国资便宜算力”，没动力买你闭源 API。
下游绞杀：C 端流量入口被微信、抖音、淘宝、支付宝这些超级 App 垄断。而且这些大厂自己都有模型团队——豆包（字节）、混元（腾讯）、通义（阿里）。中国不会出现独立的 ChatGPT，不是技术问题，是分发问题。
美国其实也有这个问题，但程度轻得多——因为美国还有 Apple 和 Google 这种半中立的分发平台（App Store / Google Play / Search）。中国连这种半中立的分发都没有。
所以中国的”模型公司”最终会分化为三类：
- 大厂内嵌模型团队：不在模型层赚钱，在应用层赚钱（豆包之于字节、元宝之于腾讯、通义之于阿里）
- 国资体系内的模型项目：追求国产替代政治叙事 + 算力消化，不追求商业利润
- DeepSeek 这种”开源殉道者”：通过开源 + 极致工程效率，主动放弃模型层利润，靠声誉/生态/期权值钱
独立创业的、闭源的中国模型公司——智谱、月之暗面、阶跃、MiniMax、百川——长期看都很难走通。
判断一个国家的 LLM 产业能不能跑出独立的模型公司，看两个东西：上游算力是不是市场化定价，下游 C 端入口是不是中立分发。中国这两条都不满足，所以独立模型公司只是融资市场的现象，不是产业市场的现象。
Anthropic 这一层每百万 token 输出卖 15 美元，AWS 算力成本约 3-5 美元，剩下 10-12 美元是”前沿能力溢价”。下一层，Cursor 把 Claude API 包装成 IDE 体验。
5. 应用层：价值漏斗的终点，利润率最高
到了这一层，我想先揭示一个整篇文章最重要的观察：
沿着这条产业链一路下来，应用层的单位毛利率是最高的。
为什么？因为它直接对接终端付费意愿，不被任何上游环节的”价格管制”或”垄断定价”压制。
5.1 价值漏斗：每一层的放大倍数
让我把这条链条的”价值放大”逻辑显式化：
能源（一度电） : 0.05 美元
↓ 计算层放大 5-10 倍
计算（GPU 算力） : 一度电 → ~1 美元的 token 算力服务
↓ 模型层放大 3-10 倍
模型（API token） : 1 美元算力 → 卖 3-15 美元的 API 调用
↓ 应用层放大 10-100 倍
应用（订阅/订单） : 几次 API 调用打包 → 用户付 20 / 200 / 2000 美元/月每一层都在做”价值放大”，但放大倍数不同：能源 → 计算 5-10 倍（受 NVIDIA 价格管制）；计算 → 模型 3-10 倍（受开源模型压制）；模型 → 应用 10-100 倍（受用户支付意愿决定，没有上游天花板）。
这就是应用层利润率最高的根本原因：它直接面对终端用户，定价的锚点是”用户愿意为这件事付多少钱”，而不是”上游成本是多少”。
5.2 Cursor 的故事：1 美元 token 怎么变成 20 美元订阅
回到我们的链条。Cursor 是一家做 AI 代码编辑器的公司。它从 Anthropic、OpenAI 那里采购 API（按 token 计费），然后包装成”在 IDE 里直接和 AI 协作写代码”的产品体验，按月订阅卖给开发者：Pro 版 20 美元、Business 版 40 美元/人。
用户为什么愿意付 20 美元？ 不是因为 Cursor 的 token 比 ChatGPT 便宜——事实上 Cursor 后台调用的就是 Claude 和 GPT。用户付的不是 token 钱，付的是”我每天写代码效率提升 30%“这件事的钱。一个开发者月薪 1 万美元，提升 30% 效率值多少钱？远远不止 20 美元。
5.3 高时薪替代律：AI 应用层最赚钱的核心规律
这个公式可以推广到所有 AI 应用：
AI 应用的定价锚点不是”软件许可费”，而是”它替代/增强的人的小时费率”。判断一个 AI 应用赛道有没有暴利空间，看一个指标：它替代/增强的工作时薪是多少美元。时薪越高，毛利越高。
按这个标准，未来几年最暴利的 AI 应用赛道：
| 赛道 | 代表公司 | 替代/增强的工作 | 时薪锚点 |
|---|---|---|---|
| 法律垂直 | Harvey、EvenUp | 律师文书、合规、法务分析 | $500-2000/小时 |
| 投行/金融分析 | Hebbia、Rogo | 投行分析师、研报、尽调 | $300-1000/小时 |
| 医疗记录 | Abridge、Nuance DAX | 医生写病历的时间 | $200-500/小时 |
| 代码 | Cursor、Codeium、GitHub Copilot | 程序员写代码 | $50-200/小时 |
| 客服 | Decagon、Sierra | 替代人工客服 | $20-50/小时 |
| 销售自动化 | 11x.ai、Artisan | SDR 销售员开发客户 | $50-150/小时 |
Harvey 之所以能融到几十亿美元估值、Cursor 之所以 ARR 增长爆炸——本质上不是”AI 厉害”，是”它们的客户时薪足够高”。
5.4 应用层的四象限分化
但应用层并不是所有玩家都赚钱。我用两个维度切：用户/数据闭环强度 × 可替换性
高用户/数据闭环
↑
│
【利润沉淀区】 │ 【真正的赢家】
老牌 SaaS 拥抱 AI │ 模型公司自营 C 端
Salesforce/Adobe │ ChatGPT / Claude.ai
Notion/Figma │ Gemini in Workspace
│
高可替换 ←──────────────┼──────────────→ 低可替换
│
【死亡象限】 │ 【新势力】
无差异化套壳 │ 垂直工作流应用
通用 Copilot │ Cursor / Harvey
通用 AI 助手 │ Perplexity / Devin
│
↓
低用户/数据闭环1. 模型公司自营 C 端（右上）—— 最大赢家。 ChatGPT、Claude.ai、Gemini——一手抓模型一手抓用户。这是模型公司”被迫向应用层撤退”的天然落点。模型升级的红利直接转化为产品体验，无中间商赚差价。
2. 老牌 SaaS 拥抱 AI（左上）—— 闷声发财。 Salesforce + Einstein、Adobe + Firefly、Notion AI、微软 Copilot、ServiceNow Now Assist。底层逻辑：用户和数据已经在我这里十年了，AI 只是新功能不是新产品。模型可换（今天用 GPT，明天换 Claude），但用户和工作流换不掉。类比移动互联网时代——最大的赢家不是”原生移动应用”（VSCO、Path），是”移动化的传统巨头”（淘宝、Netflix）。这个象限是被严重低估的真赢家：投资人盯着 Cursor、Perplexity 这种 AI native 公司，但 Salesforce、Adobe、微软、ServiceNow 才可能是 AI 红利的最大接盘者。
3. 垂直工作流应用（右下）—— 新势力。 Cursor（代码）、Harvey（法律）、Perplexity（搜索）、Devin（自主编程）、Hebbia（金融）。核心护城河：特定场景的工作流深度 + 领域数据飞轮。风险是模型公司可能下场做（OpenAI 做了 ChatGPT search 直接打 Perplexity）；存活路径要么被收购（Cursor 估值已经在被 Microsoft 盯上），要么深耕到模型公司不愿做的细分。
关键洞察：垂直应用的真护城河不是 AI，是”非 AI 的部分”。Cursor 值钱不是因为它的代码生成强（GitHub Copilot 也强），是因为它重写了 IDE 交互——这是非 AI 部分的产品创新。Harvey 值钱不是因为法律 LLM 强，是因为它集成了律所工作流和合规审计。
AI 应用层的胜负，往往决定在 AI 之外。
4. 通用套壳（左下）—— 死亡象限。 大量”AI XX 助手”、通用 Copilot、无差异化的 GPT wrapper。几乎确定会被模型公司直接吃掉。中国这个象限尤其拥挤。
5.5 哑铃策略与小破局者机会
整体来看，应用层呈现哑铃形分布：左端通用大平台（ChatGPT、Claude.ai、Gemini）靠流量规模赚钱，右端垂直深耕小工具（Cursor、Harvey、Hebbia 等）靠领域深度赚钱，中间地带：半通用半垂直、又没规模又没深度——被挤压。这个分布其实和很多成熟行业一致：消费品行业（巨头品牌 + 小众精品都赚钱，中段最难做）、零售业（连锁巨头 + 高端精品店赚钱，中档百货商场倒闭潮）。
而哑铃右端的”小破局者”反而藏着很多被低估的机会——很多小细分赛道有”恐怖的利润率”，但绝对值不大，所以大厂看不上。历史参照：Veeva Systems（医药行业 CRM，净利率 25%+，市值 300 亿美元，但你听都没听过）、Procore（建筑行业项目管理）、Toast（餐厅 POS）、Constellation Software（无数小垂直软件的合集）——共性都是单赛道天花板不高（大厂看不上）+ 领域 know-how 极深（外人进不来）+ 客户换无可换。
AI 时代会复制这个模式而且可能更猛：AI 把”领域 know-how”从”难积累”变成”可工程化”——一个懂行的小团队 + 一个好的 AI 工作流，就能切入以前需要 10 年沉淀的赛道；门槛降低但赢家通吃效应不变，跑出领头羊的数据飞轮和工作流深度依然是壁垒。
5.6 中国应用层：基本是”大厂内部产品”
中国应用层的格局和美国完全不同。我对中国 SaaS 的判断一直是：它从来都不是一个好生意。原因和”中国独立模型公司活不了”是同一个结构性问题——B 端付费意愿弱、大厂提供”免费 + 生态绑定”替代品、缺乏中立的 B 端分发渠道。
所以中国应用层的真实格局更像：C 端豆包（字节）、元宝（腾讯）、夸克（阿里）、文小言（百度）——全是大厂自营；B 端钉钉智能助理、飞书 AI、企业微信 AI、WPS AI——也是大厂主导；政企项目制不是 SaaS，是定制开发，毛利低，不是好生意。美国应用层的”四象限”分析在中国基本走样——四象限里”垂直工作流新势力”和”老牌 SaaS”两个象限在中国都不发达，中国应用层基本只剩”大厂自营”这一个象限。
不过我对中国应用层没有太深入的思考。如果要给一个粗判断：中国应用层最有机会的是那些”大厂看不上的、绝对值小的、需要深度行业 know-how 的”垂直赛道——比如某个具体行业的 AI 工具、垂直行业的 Agent。但这些公司很难做大、很难上市，更适合作为细分行业的”现金流生意”，而不是”叙事性增长股”。
Cursor 的成本里 API 调用费可能占 4-6 美元，剩下 14-16 美元是 Cursor 的”产品 + 用户体验”溢价。Cursor 本身也面临两个风险：模型公司下场做（ChatGPT 已经有了 Codex 类功能），或者被微软/Google 收购整合到现有 IDE。
6. 利润流向推演：钱最终落在哪里
把整条产业链做个汇总。先看一个粗略的利润占比变化（数字是判断不是精确测算）：
| 层级 | 2026 现状利润占比 | 2030 推演利润占比 | 关键变化 |
|---|---|---|---|
| 能源 | ~5% | ~5-8% | AI 抢电推升输配电设备份额，发电环节维持低毛利 |
| 计算 | ~55%（NVIDIA 一家占 30%+） | ~40%（NVIDIA 占 20%） | NVIDIA 受 ASIC + AMD 侵蚀，但绝对值仍大 |
| 模型 | ~15% | ~10-15% | 顶级 3 家集中度更高，其余归零 |
| 应用 | ~25% | ~40-45% | 用户和数据闭环完成，议价权转移 |
核心推演逻辑：
- NVIDIA 当前的高毛利会被 ASIC（Google TPU、AWS Trainium、Meta MTIA）+ AMD 追赶慢慢稀释，但稀释速度慢。原因是 CUDA 生态和系统级集群优势在训练市场是真护城河。
- 模型层 2-3 年内完成”金字塔尖固化”：美国顶级 3 家（OpenAI/Anthropic/Google）维持高溢价，但这 3 家会从”模型公司”变成”应用公司 + 自有模型”。其余模型公司全部商品化。
- 应用层 2-3 年内分化出真正的赢家，开始向上游议价——“我用谁的模型”会变成应用方说了算，模型公司会面临议价权下降。
- 能源层维持低增长，但输配电设备厂会持续受益于数据中心建设潮。
- 中国市场会形成完全不同的格局：利润集中在算力（华为昇腾 + 国资云）和应用（字节、腾讯的 C 端流量盘），中间的模型层基本无独立赢家。
把整条链条的利润分配走一遍（极粗估算）：
- 一度电卖出 0.05 美元，发电厂赚约 0.005 美元（10% 净利率，被管制锁住）
- 这度电变成 GPU 算力，AWS 卖出 X 美元，NVIDIA 拿走其中 70%
- 这部分算力被 Anthropic 用来服务 Claude，每百万 token 输出卖 15 美元，Anthropic 拿走其中 70-80%（前提是它仍然领先于开源）
- Cursor 用 Claude API → 包装成订阅 → 卖给开发者 20 美元/月，Cursor 拿走其中 70-80%
整条链条上，NVIDIA、Anthropic（顶级模型）、Cursor（垂直应用）是三个利润沉淀点，而且越往下游单位毛利率越高。
最后一句话总结：
LLM 产业链的钱，最终会沉淀在两端——上游”算力垄断的卖地者”（NVIDIA + TSMC + HBM），和下游”用户 + 数据闭环的应用赢家”。中间的能源层被管制锁死，模型层在被开源和大厂双向商品化。
而中国的格局是这个故事的镜像版本——没有独立模型层，利润直接从算力跳到应用，全部沉淀在大厂内部。
7. 对创业者和投资人的启示
对创业者：
- 别做”模型 wrapper”，做”工作流 + 数据闭环”
- 找”高时薪替代”赛道（法律、医疗、代码、金融分析）
- 在中国创业要清醒：要么进大厂的生态做共建，要么做大厂看不上的细分
对投资人：
- 算力上游（NVIDIA、TSMC、ASML）：长期持有但要警惕周期顶
- 输配电设备 + 数据中心配套（伊顿、Vertiv、中际旭创）：被低估的暗线
- 头部应用（有数据闭环的）：双押模型公司自营 + 老 SaaS 巨头
- 避开：服务器组装厂、二线模型公司、Neocloud
- A 股特别提示：长江电力当债券，工业富联当周期股，而不是反过来
8. 局限性与我可能错在哪
诚实地说，这篇分析至少有这么几条边界：推演假设没有 AGI 突变（如果某天某家做出 AGI，整个框架要重写）；假设监管不重塑产业（欧盟 AI Act、中美脱钩、版权诉讼都可能改变格局）；假设端侧模型不大规模替代云端（高通/苹果/华为路线如果跑通，云算力需求结构会变）；应用层我自己的认知最浅，给出的判断也最粗，需要进一步观察；文中部分数据是公开报道范围内的估算，不是精确测算。
这就是我目前对 LLM 产业链溢价权的全部思考。它一定不完美，应用层尤其需要继续打磨。欢迎讨论、欢迎挑战、欢迎指正。
本文是个人学习思考的产物，不构成投资建议。所有判断都是 2026 年 5 月的快照，产业格局变化很快。