--- title: "AI 的 “萬億拷問”：瘋狂砸 AI，從哪裏賺回來？" type: "Topics" locale: "zh-HK" url: "https://longbridge.com/zh-HK/dolphin/post/37138008.md" description: "在上篇分析《AI“原罪”：英偉達是 AI 戒不掉的 “興奮劑”？》中，海豚君提到了 2025 年 AI 產業鏈的核心變化是產業鏈價值極度上游化之後，產業鏈健康度失衡，在 FOMO 心態下，AI 投入節節攀升，但核心玩家博弈明顯。但互聯網邁入 AI 時代，無論要素變化如何重塑產業鏈條上不同玩家的話語權，AI 還是要回答一個終極問題：在這場五年上下為折舊週期的前置式重資金、重技術、重人才投入，最終到底是不是一場泡沫..." datetime: "2025-12-15T11:13:49.000Z" locales: - [en](https://longbridge.com/en/dolphin/post/37138008.md) - [zh-CN](https://longbridge.com/zh-CN/dolphin/post/37138008.md) - [zh-HK](https://longbridge.com/zh-HK/dolphin/post/37138008.md) author: "[Dolphin Research](https://longbridge.com/zh-HK/dolphin.md)" generator: "portal-rs" --- # AI 的 “萬億拷問”：瘋狂砸 AI，從哪裏賺回來？ 在上篇分析[《AI“原罪”：英偉達是 AI 戒不掉的 “興奮劑”？》](https://longportapp.cn/zh-CN/topics/36846867)中，海豚君提到了 2025 年 AI 產業鏈的核心變化是產業鏈價值極度上游化之後，產業鏈健康度失衡，在 FOMO 心態下，AI 投入節節攀升，但核心玩家博弈明顯。 但互聯網邁入 AI 時代，無論要素變化如何重塑產業鏈條上不同玩家的話語權，AI 還是要回答一個終極問題：在這場五年上下為折舊週期的前置式重資金、重技術、重人才投入，最終到底是不是一場泡沫，終極衡量非常簡單，它創造的 ROI 是否算的過來。 本篇，海豚君就圍繞嘗試來毛估算一下這場 AI 投資盛宴所需要的投資回報，以及邁向這個投資回報，2026 年以及之後，AI 重點應該關注什麼？ **一、到底多少增量創收，北美 AI 投入的 ROI 才算得過來？** 先解決一個基礎命題，這些年瘋了一樣的 AI 投入到底需要創造多少的收入才能有一個合理的 ROI。這裏海豚君先做一個穩態下的合理假設： a. 英偉達$英偉達(NVDA.US) 每賣出 1 美元的 AI 芯片 + 配套網絡，雲計算中心實際投入是 2 美元; b. 按目前雲計算 50% 毛利率水平，數據中心 2 美元的投入，需要雲服務商創造 4 美元的收入，ROI 才能覆蓋上； c. 而下游最終的用户（AI 和 Model 使用者的最終客户）這裏同樣做一個 50% 的毛利率假設，也就是終端企業 4 元的雲服務採購，至少要創造 8 塊錢的收入 ROI 才能算得過來。 那麼在這條複雜冗長的產業鏈上，芯片設計商每 1 美元的 AI 芯片和網絡收入，要在終端場景產生合理的 ROI，大概是：1×2×2×2=8 元才能算得過來。 來源：英偉達 NDR 材料 按目前市場現在對主流芯片設計商 2026 年的收入預期（AKA 雲計算中心 AI 芯片 + 網絡的採購支出），26 年 3700 億美金的合計收入。大約對應雲計算中心 26 年 6400 億美金（也是目前的市場一致預期）的數據中心資本開支。 而這些資本開支，在 5 年的攤銷期合計要給雲計算廠商們合計創造 6400×2=1.2 萬億的收入才能算得過來。這 1.2 萬億的收入，在 CSP 的客户賬目中，就成了 1.2 萬億的 AI 雲計算採購支出，這些客户要把賬算過來，需要創收 2.4 萬億的終端場景才行（對終端客户來看，要麼創收、要麼減支）。 當然，如果把這 2.4 萬億的經濟價值要求攤到 5 年，每年 5000 億，好像也不是特別困難。但多數人的預測中，AI 投入是在這個體量上每年高增，還要增長很多年。 甚至在英偉達的自己對雲服務資本開支的預測中，到 2030 年甚至要拉高到 3.5 萬億的資本開支水平。其實，就算這個水平上零增長維持五年，那把 2.4 萬億增量經濟價值攤銷到五年也沒有意義。 也就是説，2026 年 6400 億的資本開支，對一年經濟效益的要求就有 2.4 萬億美金，考慮到美國當下名義 GDP 大約 31 萬億。這個水準的資本支出所對應的 2.4 萬億的經濟增加值要求，已經相當於 25 年美國名義 GDP 的 7.5%+。 換句話説，美國企業的這場 AI 投入帶來技術擴散效應，美股 AI 在全球繁殖，同時也要帶來美國自身生產效率的提升。按美國美聯儲主席熱門人選哈塞特的説法，AI 要在 26 年帶動美國生產效率提升 4%，美國實際 GDP 2026 年低於或等於 3% 的增長都是不夠的。 帶着 2 萬億 + 的終端價值總要求回報，在解答 AI 泡沫到底會不會破裂的時候，26 年關鍵就是看什麼？海豚君認為，不妨跟蹤三大方向： 1）AI 集大成羣體：美股互聯網利潤能否加速增長？ 2）排頭兵 OpenAI 真能成為下一個互聯網巨無霸嗎？ 3）端側 AI：到底何時才能爆發？ **二、AI 集大成羣體：美股互聯網利潤能有加速增長嗎？** 美股互聯網巨頭因多數本身是雲服務提供商，同時手握核心的分發渠道，也是下游場景落地的集大成者（比如， AI 推薦系統普遍被這些企業用來對原本的推薦系統升級，以實現更好的人與貨、人與內容，廣告與人之間的推薦精準度）。 AI 的落地首先是應該體現在這大公司收入的加速擴張中，或支出降本增效和人力替代中。而一旦沒有收入的加速擴張，就會體現為重資產化資本開支強度走高，即使 AI 有有效抵消一部分研發人員開支，一旦重資產的攤銷比例上來，利潤率也會下滑。 **收入增長停滯或放緩 + 利潤率收縮夾擊，EPS 必然會加速放緩，這樣就等於完全逆轉了這三年巨頭超額收益的底層支撐——收入加速增長、EPS 比收入增長更高的規模化優勢。** 過去幾個季度來看，美股互聯網巨頭（微軟、谷歌、Meta、亞馬遜四家）收入端上基本保持住了高增長，甚至因為 AI 推薦系統提高了了互聯網廣告的變現效率，巨頭的收入增長以 Meta 為核心，還有加速增長的勢頭。 且 AI 投入早期階段，除了微軟之外的折舊費雖然有所拉昇，但由於收入加速增長，這些新增的費用基本能被有效攤銷。 但從 25 年三季度開始，研發支出（AI 人才爭奪戰）在報表端的利潤侵蝕已經非常明顯，以至於已經開始全部侵蝕掉了收入加速增長帶來的經營槓桿效應。 結果是，九個季度後，巨頭經營利潤率首次下滑，巨頭們首次出現了利潤增長慢於收入增長。 **而回溯過往，當 2022 年美股巨頭們收入增長放緩的同時，利潤率轉而又下滑，導致 EPS 呈現雙重壓力時，巨頭普遍會經歷慘烈的殺估值行情。** 從三季度已經給出業績展望的公司們來看，$Meta(META.US) 因為指引收入已經隱含了四季度增長放緩，殺估值已經開始。其他幾個互聯網巨頭（除$蘋果(AAPL.US) 外），市場目前普遍預計的是傳統互聯網業務增長放緩（電商、廣告），而云業務增長小幅加速。 **對於，2026 年美股互聯網利潤能有加速增長嗎？從三季度的答案來看，除非 AI 生產力提升大殺四方，否則希望並不大，甚至能保住收入一頭加速增長也不是一件容易的事情。** 如果 26 年增長確實如此，這裏隱含的意思是 AI 並沒有給傳統業務帶來顯著的增量收入，雲業務加速度不明顯，那麼 26 年很可能是三季度利潤率邊際下行、EPS 增長下行的進一步演繹。 26 年看起來多數巨頭$微軟(MSFT.US) 都會處在收入增長停滯而投入加劇的收支錯配期。因此，站在高估值的 2025 年末去展望 2026 年，美股巨頭們接下來 AI 資本開支高增、攤銷折舊支出在報表端明顯呈現、同時 AI 搶人戰下研發支出 “通脹”。 而 AI 的回報（體現在增收或者降本裁員），無法有效去稀釋掉這些新增的開支的時候，美股部分巨頭恐怕就會遭遇殺估值，即使不殺估值，恐怕也很難跑出超額收益。 **三、終端排頭兵 OpenAI 真能成為下一個巨無霸嗎？** 目前 AI 的落地集中在 B、C 兩端。 目前 C 端模型跑出來的應用場景，主要是 Chatbots 和 AI 搜索，另外一個是瀏覽器，但目前看瀏覽器在交互形態發生大的變化之前，要顛覆傳統瀏覽器還比較難。 B 端的應用多數是以生產力的 AI Agentic 工具為主，收入增長快，但是整體體量仍然偏小。 作為開創者，OpenAI 要支付 25 年開出的鉅額資本開支承諾，也意味着它的創收和變現壓力最大**。**它 26 年變現速度和方向，會是 2026 年這 2.4 萬億經濟價值增量的一個重要跟蹤方向。接下來海豚君就以 OpenAI 來作為重點對象，來研究它的推進速度。 按媒體信息，當下 OAI 25 年按 10 月年化預期 200 億，全年 130 億；**目前公司收入有 to C 端——ChatGPT(app 訂閲收入；to B 端 ——OpenAI API 接口為主，兩類收入構成。**to C 和 to B 收入兩端構成，從 7:3 佔比優化為 25 年的 65:35。 如果明年收入僅僅 300 億，那麼收入會遠遠不夠支付這些雲服務的償付承諾（26 年新增 500 億支付承諾）。 **1）to C 互聯網消費：ChatGPT** 目前 toC 互聯網產品，OpenAI 僅有一個 ChatGPT，其他新推互聯網產品——瀏覽器、Sora 等等，目前還不到跡象，目前的用户留存還都太差了。 目前 ChatGPT 大約 8**-**9 億 WAU，估算年化收入 120 億美金；如果按照最終 20 億 MAU（大約油管的用户體量），按目前 APP 的付費訂閲率 10% 來毛估算，ChatGPT 穩態訂閲收入可能會在 450 億美金上下。 而其他變現上，目前看純廣告可能較難，因為在模型中加入廣告權重會污染模型，影響用户對 ChatGPT 回答的信任度；但基於成交的收入還在嘗試中，收入目前不好測算。 從目前的產品演進來看，更偏訂閲產品；如果終局是訂閲類 APP，那麼交易變現假如佔比 25%（基於其他 to C 付費類 APP 估算）中廣告收入佔比來估算，那麼對應應該是 150 億美金，訂閲加交易類收入合計收入 600 億美金。 這個收入假設是建立在 ChatGPT 目實現全球 20 億用户的基礎上的。回溯歷史互聯網 APP 用增史，不考慮社交類 APP，多數 APP 過了 10 億用户大關之後，單體 APP（無母 APP 導流）用户繼續高增，都會變得較為困難。 而 AI 聊天 APP 如果在技術領先期內，無法形成有效生態壁壘，一旦一個更強導流的競對在模型能力跟上來，如出現類似$谷歌-A(GOOGL.US) Gemini 模型迭代 + 垂直一體化成本優勢下的低價競爭，可能會導致**導致 OpenAI 的付費訂閲率遲遲拉不上去**。 而 25 年一個很大的變化是，$谷歌-C(GOOG.US) Gemini+Nano Banana 在快速追趕，已經開始威脅 ChatGPT 在 AI 對話上的競爭力。 **四、AI 互聯網的經濟性到底如何？** 相比於創收端的難以預料，海豚君在梳理梳理 OpenAI 的收入經濟性以及未來可能盈利前景的時候，遇到了另外一個麻煩的問題，不得不讓海豚君重新思考 AI 時代 to C 互聯網的生意經濟性問題。 海豚君注意到，當下的 OpenAI 收入年化接近 200 億美金，體量已不算小，但似乎收入做大過程中，虧損的斜率更高。 下圖是海豚君從媒體報道中整理的微軟從 OpenAI 的收入中拿到提升，假如該提成相對其收入規模比例關係保持穩定，同時三季度之前微軟作為 40% 的股權擁有方，在 OpenAI 之前的虧損比例也保持穩定，那麼微軟因 OpenAI 虧損計入自己表內的虧損承擔，相對比微軟從 OpenAI 處獲得的收入，能夠一定程度上體現 OpenAI 的虧損率趨勢。 當海豚君把這兩個數放在一起的時候，**呈現出非常完全 “反互聯網規模效應” 的結果**：OpenAI 的收入在壯大過程中，虧損率沒有收斂，反而越來越大。 而我們知道，經歷過 PC 和移動互聯網，甚至是對帶寬、CPU 和存儲要求更高的視頻互聯網，都能免費提供服務，早期完全不需要付費訂閲。 免費提供 APP 服務，可以快速打滿用户，最終用户不需要為網絡服務買單，是廣告商、賣貨商為 APP 服務買單，實現極致的用户流量規模效應。 比如，大家熟悉的短視頻互聯網，相比圖文互聯網，因為視頻需要更多的存儲，視頻的播放需要更多的流量，所以它對雲服務的需求相比圖文是更高的，但它好在能夠建立超高的用户數量和時長——總流量池，用高效且多維度的變現來攤薄這些 IT 成本。 通過多元化變現，收入不斷壯大，而成本增長速度遠遠低於收入，利潤率結構分佈的柱子不斷上移，這也是互聯網生意的魔力之處。 傳統互聯網時代，一次搜索，在搜索結果的展示上，本質是統一底層知識庫的不同組合展示，底層的內容知識庫不變，傳統互聯網在給用户展示內容時候，邊際成本非常低。 傳統互聯網時代的生產資料組合，似乎本質上是**CPU+ 光纖 + 基站=流量=萬物線上化**，生產資料端的成本經過 2000 年的 PC 互聯網泡沫破裂和移動時代多輪流量大基建（電信運營商的併購整合），生產資料端已經高度大宗商品化，超額利潤已早被抹平。 但 AI 互聯網，每一個問答，都是基礎存量知識庫的個性化回答生成。每一個都要 GPU 算力的介入，且交互頻次越高，需要記憶的上下越長，消耗的 Tokens 也會進一步增加。 似乎，AI 時代核心生產資料組合已經變成了**GPU+ 電力=Tokens=萬物智能化。**在重塑後生產資料權重中，GPU 不僅用量過高，上游又是高度壟斷，溢價超高的行業。 從個性化問答角度，AI 互聯網有點 “反互聯網規模效應”，所以原始的用户積累階段，開支和投入過大。 所以，我們也能看到，AI 互聯網在 to C 端，在一開始推廣的時候，就需要訂閲付費，而非像 Meta 一樣，在全球範圍內最大可能地積累用户，中間用廣告收入完全可以支撐免費用户的全球擴張。 現在，OpenAI 在收入做大過程中，虧損率反而越來越高。這到底是因為 OpenAI 的免費用户增長過快了，還是因為 AI 時代上游生產資料的變化影響了 AI 時代互聯網生意模式變化？ “AI” 的消費互聯網時代，到底還會有 PC、移動時代無敵的互聯網規模效應嗎？這個問題值得深入思考，海豚君也會在 AI 經濟的動態演繹中，嘗試逐步去尋找這個問題的答案。 **2) to B 產業互聯網：模型接口** 探討完 AI 時代，消費互聯網的問題。再看一下 OpenAI 商業模式上要順滑很多的 AI 產業互聯網。目前 OpenAI 在 to B 端，主要是兩類收入： a. 企業訂閲：5mn 用户，按 22 元訂閲收費，估計年化 15 億美金（類似 Office 銷售，員工使用，企業買單） b. PaaS: API 接口服務——Azure 獨家分發，估計年化收入 60 億美金， Anthropic API 收入年化已 90 億美金。 從目前的競爭趨勢來看，在大模型的 API 接口服務上，2025 年 Anthropic 的市佔率迅速，已經明顯超過了 OpenAI。 由於 API 接口的分發權在微軟，因此 OpenAI 模型 API 接口的銷售收入，OpenAI 需要與微軟分成。OpenAI 在優先級上，對這塊業務的推進並不高。 但在海豚君看來，但這塊業務其實經濟確定性比較強的地方，一方面企業用户本身付費能力較強，且收費模式上是按照 Tokens 消耗量來計費，相比 to C 互聯網收入的不確定性，這部分在經濟賬上更容易投入產出比，風險係數比 to B 生意好算很多。 而全行業來看，按第三方數據（Menio Ventures），2025 年 AI 雲服務下游客户（第三方類客户）整體創造了大約 370 億美金的收入，同比增長了 320%。 按目前的增長斜率，2026 年按同比 150-200% 的增長來算，整體 to B 方向（含基礎模型 +AI SaaS）26 年應該能達到 1000 億美金，因基數小，增長看起來更加速度。 注：Horizontal 為通用辦公 AI，類似 ERP、Office 等；垂類行業指醫療健康等特定行業；部門 AI 指企業銷售、財務等特定智能部門 行業層面，整個 to B+to C 下游場景合計創收 2026 年預估是 to C 3000 億（美股互聯網巨頭新增收入）+to B 1000 億，大約也就是 4000 億美金的增量。 尤其是 C 端，互聯網競爭不僅是技術，更是在有限時間內，生態、用户、渠道、資金、產能等的生態競爭。在 AI Model 以季度為領先時間差的情況下，再生長出來一個全新 to C 互聯網巨頭，可能性並不算大。 因此未來多年高額的 AI 資本投入，最後真正的價值承擔者，現在核算下來，似乎主要還是要寄望於端側 AI 產品，以及由此產生新興 IoT 產業互聯網機會。 **3）端側 AI，會是 2.4 萬億重擔的真正承擔者？** 目前看，兩類端側產品，一種是人力替代型工具——AI 機器人，但本身技術難度較高，推進進度可能會比較慢；而另外一類是 AI 消費電子，這一大類會類似移動時代的手機，是創造新需求的品類。目前來看： **a) AI 機器人** 似乎目前雞生蛋和蛋生雞的尷尬。 **智能化：**互聯網的線上歷史，有視覺、聽覺數據，但唯獨缺乏觸覺數據。相比汽車的智能化，機器人智能化的研發在原始數據積累層面難度就高了很多。需要依賴硬件出貨來收集數據。 **硬件出貨：**沒有智能化能力的機器人，除了少數嚐鮮用户，買來除了佔地方，能有多大的實用性？ 注意這裏邏輯與手機和汽車完全不同，手機在非智能手機時代，本身具備通信功能；而汽車在智能化到來之前，通過電動化來交通功能，本來也能夠實現出貨。 這兩個大品類都可以在沒有智能化功能的情況下，憑藉既定規模出貨量來實現智能化的冷啓動——收集用户行為和場景數據，通過 OTA 實現智能化的迭代。而機器人在出貨量少的基礎下，去做觸覺數據的收集和訓練，恐怕路程會比較漫長。 **b) AI 時代新硬件：搶奪 AI 時代新的交互入口？** 相比於 AI 機器人，海豚君認為似乎短期落地可能性更大的，是 AI 時代新興消費電子。現在已經可以看到一批新的 AI 消費電子，比如説 25 年底，各家都在爭相發售的 AI 眼鏡，AI 玩具，其他如 AI 戒指、AI 手環、AI 耳機，以及 AI 的基礎上重做手機，類似近期豆包的 AI 手機等。 **小結：26 年三大方向——端側 AI、產業 AI、算力降本** 經過以上梳理，海豚君認為 AI 從 22 年底出現經過三年的演繹，三年圍繞算力資源的炒作之後，26 年或許更應關注算力降本需求下的投資機會，以及下游互聯網巨無霸們處在投入產出錯配期的情況下，去尋找 AI 在端側落地的可能機會，以及產業 AI 落地中 Agentic vs 傳統 SaaS 格局對比中產生的機會。 在 26 年的 AI 研究與跟蹤中，海豚君也會重點從這三個方向去做深度研究，敬請關注。 <此處結束> 海豚君過往文章： [《AI“原罪”：英偉達是 AI 戒不掉的 “興奮劑”？》](https://longportapp.cn/zh-CN/topics/36846867) [《全成 “繩上螞蚱”，OpenAI 是靈珠 or 魔丸？》](https://longportapp.cn/zh-CN/topics/35635792) [《“AI 寵兒” 秒成 “敗家子”，Meta 還能殺回來嗎？》](https://longportapp.cn/zh-CN/topics/36821094) 本文的風險披露與聲明：[海豚投研免責聲明及一般披露](https://support.longbridge.global/topics/misc/dolphin-disclaimer) ### 相關股票 - [NVDA.US](https://longbridge.com/zh-HK/quote/NVDA.US.md) - [NVDL.US](https://longbridge.com/zh-HK/quote/NVDL.US.md) - [07788.HK](https://longbridge.com/zh-HK/quote/07788.HK.md) - [07388.HK](https://longbridge.com/zh-HK/quote/07388.HK.md) - [NVDY.US](https://longbridge.com/zh-HK/quote/NVDY.US.md) - [NVDD.US](https://longbridge.com/zh-HK/quote/NVDD.US.md) - [NVDX.US](https://longbridge.com/zh-HK/quote/NVDX.US.md) - [NVDQ.US](https://longbridge.com/zh-HK/quote/NVDQ.US.md) - [GOOG.US](https://longbridge.com/zh-HK/quote/GOOG.US.md) ## 評論 (2) - **TWT · 2025-12-16T05:54:45.000Z**: AI 泡沫？？？ - **Dolphin fans** (2025-12-16T06:47:37.000Z): 泡沫對終端用户有好處 --- > **免責聲明: 本文僅供參考，不構成任何投資建議。**