自2022年底ChatGPT横空出世，AI热潮席卷全球，从底层算力、存储网络，到电力基建、边缘终端，几乎每个细分赛道都被资本轮番热炒。然而，三年过去，当英伟达、微软等AI基建“顶梁柱”在三季报中纷纷宣布史无前例的AI资本开支时，市场情绪却骤然转冷——投资者开始担忧：这轮AI投资是否已步入泡沫化阶段？
一边是芯片巨头赚得盆满钵满，另一边是模型厂商持续巨额亏损，融资消息层出不穷却又令人眼花缭乱。问题究竟出在哪里？产业链的真实盈利格局是否健康？本文将通过拆解核心企业的财务逻辑，尝试厘清AI产业当前的结构性矛盾，并判断泡沫是否已然形成。
一、利润分配严重失衡：上游吃肉，中游垫资，下游喝汤
当前AI主产业链大致可分为五层：晶圆代工（如台积电）、算力芯片商（如英伟达）、云服务商（如微软Azure）、大模型公司（如OpenAI）以及终端应用场景。然而，这五层之间的利润分配极不均衡。
以云服务商为例，若其提供100元的AI云服务收入，其中约55元用于硬件折旧与运营成本（GPU占大头），10元为管理及研发费用，账面利润看似有35元。但关键在于，这100元收入背后，云厂商需提前投入约175元购置设备——尤其是英伟达GPU，占采购成本的70%以上。这意味着，云服务商虽有利润，实则现金流高度紧张，甚至需依赖资产抵押证券等方式融资维持扩张。
而英伟达作为上游“铲子商”，每100元云服务收入背后，就对应着约125元的GPU销售收入。凭借近乎垄断的市场地位和高达75%的毛利率，英伟达成为本轮AI基建的最大赢家。
反观下游的OpenAI，尽管月活跃用户已突破8亿，年化收入有望在2025年达到200亿美元，但其亏损更为惊人——据多方披露，其全年亏损或超150亿，若按微软持股比例推算，实际年化亏损可能高达300亿美元。原因很简单：高昂的云服务成本几乎吞噬了全部收入，导致“收入越高，亏得越狠”。
二、巨头博弈加剧：垂直一体化成破局关键
面对产业链利润向上游过度集中，各方开始寻求破局之道，核心策略便是“垂直一体化”。
英伟达试图绕过传统云巨头，扶持CoreWeave、Nebius等新兴云平台，通过优先供货、回购协议等方式绑定其GPU生态。但这类新云厂商缺乏真正的技术壁垒，更多是GPU紧缺时期的“渠道代理”，长期竞争力存疑。
微软、谷歌等云服务商则加速自研ASIC芯片（如TPU、Trainium），以降低对英伟达的依赖。值得注意的是，Gemini和Anthropic两大领先模型已基本摆脱英伟达芯片，这直接削弱了后者在算力市场的定价权。客户甚至可凭“转向TPU”的威胁，换取英伟达更优惠的供货条件或股权合作——这本质上是一种变相降价。
而OpenAI则选择另起炉灶，联合甲骨文等伙伴打造Stargate项目，计划自建10GW算力的数据中心。其CEO奥特曼公开表示“期待多轮算力过剩”，意图通过制造供给宽松压低算力价格，从而推动应用层繁荣。
三、未来展望：利润下移与结构性过剩并存
当前AI产业的核心矛盾，类似于新能源车早期锂矿企业攫取大部分利润，导致整车厂难以盈利的局面。只有当算力成本下降、利润向中下游合理分配，AI应用才可能真正规模化落地。
2026年，投资主线或将聚焦于两个方向：一是算力结构性过剩（如IDC建设滞后于芯片产能），二是产业链利润下移带来的新机会，包括端侧AI硬件（如AI眼镜、机器人）、SaaS产品智能化升级等。
值得警惕的是，英伟达未来或难再享受估值与业绩双升的“戴维斯双击”，而过度押注OpenAI生态链的资产也存在高风险。真正的机会，或许藏在那些能穿越泡沫、实现技术与商业闭环的垂直整合者之中。
