一万亿美元砸向 AI，真正赚到钱的只有这三类公司

一万亿美元，正以史无前例的速度涌入 AI 基础设施。

我们来看一组数据：根据 2026 年的资本开支指引，微软、亚马逊、Alphabet、Meta 这四家头部云厂商的资本开支上限，已经硬生生被拔高到了 7250 亿美元，比 2025 年激增了 77%。

如果算上 Oracle、CoreWeave、Stargate 项目，再加上各国的主权 AI 计划和无数企业自建的算力基础设施，全年流入 AI 基础设施的真金白银，已经轻松突破了 1 万亿美元的大关。

商业世界里有一条颠扑不破的真理：钱流向哪里，利润就流向哪里。

但这 1 万亿美元，真的像天女散花一样，平均落到了产业链上每一家公司的口袋里吗？

答案显然是否定的。

今年 7 月，美国早期科技投资人CHRIS ZEOLI 做了一件非常有意思的事，他把整个 AI 基建产业链像洋葱一样一层层剥开，做了一个统计。

结果非常扎心，在这场万亿规模的狂欢里，有人躺着吃肉，有人站着喝汤，有人累死累活替别人打工，还有人背着天量债务在赌明天。

我们先来看看这张“AI阶层固化”的图表：

同样是身处 AI 基建这个历史级的超级赛道，为什么大家的命运会如此悬殊？

今天这篇文章，我们就沿着这 1 万亿美元的流向，从金字塔尖一路往下看，拆解这条利益链条底层的商业逻辑，看看谁才是真正的赢家，谁又在退潮前裸泳。

垄断层：稀缺性才是最大的印钞机

在拆解整个产业链的利润分配之前，我们需要先达成一个共识：商业世界的利润，永远向最稀缺的环节集中。

站在这个金字塔最顶端的三家公司——英伟达、台积电、ASML，它们之所以能拿走最丰厚的利润，共同点只有一个：这活儿别人干不了，定价权牢牢攥在自己手里。

最典型的例子，就是英伟达。

你知道一颗 Blackwell B200 GPU 的制造成本是多少吗？大约 6400 美元。那它的终端售价呢？在 3 万到 4 万美元之间。

这意味着什么？意味着 5 到 6 倍的溢价，全部被“设计”这个环节收入囊中，硬生生撑起了英伟达 75% 的恐怖毛利率。

你可能会问，硬件真的能赚这么多钱吗？当然不能。英伟达这份暴利，靠的根本不是硬件本身，而是一个叫CUDA的东西。

CUDA 是什么？它是英伟达花了十几年时间搭建的一套编程平台。开发者用它来调用 GPU 的算力，在上面写模型、跑训练、做推理。过去十五年，全球数百万开发者在这个系统上日积月累，留下了无数的工具库、算法框架和行业解决方案。

今天我们看到的 PyTorch、TensorFlow 这些主流 AI 框架，底层全部是为 CUDA 量身定制的。

我们可以把它理解为 AI 时代的 Windows 操作系统。AMD 也有自己的 ROCm，但体量和成熟度跟 CUDA 差了不止一个量级。你想想，哪家大厂的开发者会为了省那么一点芯片钱，去一个“能用但不好用”的平台上，把几百万行代码重新写一遍？

所以，看懂了吗？英伟达赚的哪是芯片的钱？它收的，是全行业每年几千亿算力开支的“操作系统税”。

之前市场上有过一种非常天真的声音：模型训练效率提升了，算力需求是不是就见顶了？

2025 年 1 月，DeepSeek 发布了 V3 模型，宣称只花了 560 万美元就完成了训练。这是个什么概念？相当于 Meta 训练 Llama 3 成本的十分之一。

这个消息一出，市场瞬间陷入恐慌。大家都在喊：“算力需求见顶了！”英伟达的股价当天暴跌 16.97%，单日市值蒸发了 5890 亿美元，创造了人类历史上单日市值损失的最高纪录。

但结果呢？

十八个月后，英伟达的市值从低点翻了 8 倍，站上了 4.85 万亿美元的巅峰；而四大云厂商的资本开支不仅没降，反而从 4100 亿美元飙到了 7250 亿美元，一年涨了 77%。

为什么效率提高了，钱反而花得更多了？

经济学里有一个非常著名的概念叫“杰文斯悖论”：当年蒸汽机的效率提升了，煤炭的消耗量反而暴涨了。为什么？因为更便宜的能源催生了更多以前想都不敢想的用途。

AI 算力也是一模一样的道理——模型训练成本每降一个数量级，就会有十倍的新场景敢用、能用、不得不用。

记住，效率从来不会杀死需求，它只会喂大需求。

如果说英伟达的护城河是深不见底的软件生态，那么台积电和 ASML 的护城河，就是制造端的绝对不可替代。

台积电手握 66% 的毛利率，它的核心壁垒是CoWoS 先进封装。简单来说，就是把 GPU 的计算核心和 HBM 内存封装到一起的工艺。

听起来好像没什么大不了的，但现实是残酷的：全球只有台积电，能在 AI 级别的芯片上，把大规模量产和良率做到极致。三星有 I-Cube4，英特尔有 EMIB，技术路线各有千秋，但在量产和良率上，跟台积电还差着代际。

所以，即便台积电在疯狂扩产，产能从 2024 年底的每月 3.5 万片，一路扩到 2026 年底的 12.8 万片，接近翻了四倍，依然是全年售罄。

再往上游看，ASML 是全球唯一能生产 EUV 光刻机的公司。没有 EUV，7nm 以下的芯片全部停摆。这意味着，今天所有你叫得上名字的 AI 加速器、旗舰手机芯片、高性能计算处理器，全部卡在这条线上。

这项技术背后，是 ASML 花了二十年时间、累计投入超过 200 亿欧元研发才啃下来的硬骨头。这种壁垒，你有钱都复制不了，因为时间不可压缩，经验不可购买。

这一层的公司，赚的是结构性稀缺的钱，躺着吃肉，理所应当。

中间壁垒层：客户换不动，也是稳稳的生意

比绝对垄断稍微次一级的，是靠高转换成本站稳脚跟的“中间壁垒层”。

它们的壁垒虽然没有“独一份”那么夸张，但客户一旦用上，就轻易不敢换。只要你不换，我就能拿到稳定的定价权。

这一层里，网络交换靠长期稳定性锁定客户，定制 ASIC 靠“英伟达恐惧症”绑定客户，液冷靠物理极限把客户焊死。三个赛道，三种“不敢换”的理由。

我们先看网络交换环节。

AI 集群是个什么概念？那是几万甚至几十万张 GPU 同时在干活。它们之间要不停地交换数据：参数同步、梯度传输、中间结果汇总，这些全部依赖网络。

所以客户在选网络供应商的时候，只看一点：稳不稳。价格根本是次要的，因为一次网络故障导致训练中断的损失，远超设备本身的差价。

Arista 就是瞄准这个需求长起来的巨头。它手里最核心的武器，是一套叫EOS的交换机操作系统。

EOS 只做两件事：第一，智能调度数据流量，保证几万张 GPU 之间的数据交换跑得极其顺畅；第二，一旦发生故障，毫秒级自动切换备用路径，保障上层训练任务不受影响。

Arista 的毛利率常年维持在 62% 到 64%，靠的就是这套系统长期跑出来的极高稳定性。它的本质，就是在 AI 集群数据流通的必经之路上收“过路费”。

其次是定制 ASIC。

谷歌、亚马逊、微软这些巨头，每年要向英伟达交几百亿美元的“算力税”。大家都是千亿美元市值的巨头，谁想永远被别人卡脖子？所以，自研芯片成了唯一的出路。

但芯片设计这事儿，不是你砸钱就能立刻出成果的，而且需求量太大，一家公司根本吃不完。于是博通站出来了：你们出设计思路，我帮你们把芯片做出来。

这种合作最大的特点就是深度绑定。客户不是去买一颗现成的芯片，而是跟博通一起定义架构、分阶段开发、长期供货。芯片做出来之后，整个软件栈都要绕着它重新优化一遍。

你想换一家供应商？可以啊。重新设计、重新验证、重新适配，两到三年起步。在这期间，你耗费的算力成本全白花了。

所以，博通赚的是什么钱？是云厂商“去英伟达化”进程中的“保险费”。这门生意确实在快速增长，而且毛利率也做到了约 77%，几乎跟英伟达持平。

但我们要看到，博通的护城河是存在争议的。云厂商一边跟博通合作，一边自己也在养庞大的芯片团队。客户的工程师越成熟，博通被替代的可能性就越大。

最后，是常被大家忽视的液冷赛道。

这个赛道以前一直不温不火。为什么？因为传统数据中心的机柜功耗只有 7.6kW，拿几个大风扇吹吹就够用了。

但 AI 来了之后，一切都变了。一个 GB200 机柜的功耗直接飙到了 120 到 140kW，是传统机柜的 16 到 18 倍。风冷的物理极限已经到了，现在不是“要不要换”的问题，而是“不换根本没法开机”。

液冷跟风冷最大的区别在于：它不是一个独立的设备，它是和数据中心的土建、管道、机电系统深度绑定的。一旦你按某个方案部署完，后续的维护、扩容，基本只能找原厂商。

这就是 Vertiv 在这个赛道里稳坐头把交椅的原因。它的运营利润率在 20% 左右，听起来不算惊艳，但人家手里的订单积压超过了 150 亿美元，足以覆盖未来 12 到 18 个月的收入。

这是一门慢生意，但赢在确定性，赢在客户上了船就下不去。

这一层的公司，靠“客户不愿换”赚钱。壁垒没有垄断层那么高，但胜在稳定、可持续。

周期红利层：HBM 难出第二个英伟达

如果说 2026 年 AI 行业最耀眼的明星是谁，那绝对是HBM（高带宽内存），没有之一。

SK 海力士、三星、美光这三巨头，彻底垄断了整个 HBM 市场。我们来看看它们交出的成绩单，简直可以用“疯狂”来形容：

●SK 海力士：Q2 预计营收 80.9 万亿韩元（约 590 亿美元），同比大增 264%；营业利润 60.4 万亿韩元（约 440 亿美元），同比暴增 556%。营业利润率预计达 74.6%，创下历史新高。

●美光：FQ3 营收 414.6 亿美元，同比增长 346%，毛利率 84.9%；GAAP 口径利润达 333.2 亿美元，同比暴增近 14 倍。

●三星：更猛，Q2 营收 171 兆韩元（约 1118 亿美元），营业利润 89.4 兆韩元（约 584 亿美元），同比暴增 1810%，甚至短暂超越了英伟达同期的 535 亿美元。

75%~85% 的毛利率，这数字比英伟达还要夸张。于是，市场上很多人开始高喊：“HBM 就是第二个英伟达！”

但这真的是同一种利润吗？绝对不是。

英伟达的稀缺，是靠十五年时间垒出来的生态壁垒，客户根本换不掉。而 HBM 的稀缺，纯粹是短期的供需错配挤出来的。

现在三家厂商都在拼命扩产。但你要知道，存储行业有一条四十年从未被打破的铁律：涨价 → 扩产 → 过剩 → 降价。四年一轮，从不缺席。

不可否认，这一轮周期的涨幅确实是史无前例的。DRAM 合约价同比涨幅达到了 820%，是过去三轮周期里最陡峭的一次。

但是，预警信号已经出现了：NAND 闪存的现货价格，已经跌破了合约价。在历史上，这种“现货低于合约”的倒挂，往往是周期转向前的早期裂缝。

等三家厂商的新产能集中落地，高毛利必然会被压缩。HBM 很难出第二个英伟达，它就是周期送来的一波红利。你拿来做波段交易，利润很厚；但你要是拿来当信仰拿着不动，那风险只能自担了。

/ 04 /

内卷层：收入越高越危险的“苦生意”

如果说周期层的风险在于“你不知道拐点什么时候来”，那么内卷层的残酷就在于：你明明知道这是个苦差事，却不得不干，因为风口在这里。

最典型的，就是 AI 服务器组装生意。

你看戴尔的财报，AI 服务器业务一年增长 292%，比英伟达的 85% 快了整整三倍。但一看利润，基础设施部门的运营利润率只有可怜的 10.5%。全年 AI 订单累计 641 亿美元，积压订单 430 到 510 亿美元。

规模越大，替上游打工打得越卖力。

戴尔买的是英伟达的 GPU、海力士的 HBM、博通的网卡，这些强势的上游厂商拿走了绝大部分利润。戴尔在干嘛？它只是把这些零件拧在一起，加个机箱、布个线、签个支持合同，然后加价个位数卖出去。

超微电脑更惨，毛利率常年在 6.3% 到 10.1% 之间徘徊。

服务器组装没有独家 IP，上游芯片厂商强势，下游云厂商又喜欢多源采购，组装厂说白了，就是被两头夹在中间的搬运工。

同样值得警惕的，是那些新锐的 GPU 云厂商，典型代表就是CoreWeave。

2026 年，CoreWeave 的营收指引是 120 到 130 亿美元，积压订单高达 994 亿美元。看起来很光鲜对吧？但它的运营利润率只有约 6%。更夸张的是，它的资本开支是年收入的 250%，资产负债表上背着 250 亿美元的债务。

同样是出租算力，老牌云厂商 AWS、Azure、谷歌云，都是用主业赚来的现金流去扩产；而 CoreWeave 是借钱买 GPU，然后再租出去。

更要命的是，老牌云厂商的客户遍布全球数百万家企业，风险极其分散；而 CoreWeave 的客户高度集中在微软、OpenAI 等少数几家大厂手里。

一旦需求增速放缓，或者价格战开打，高杠杆就会瞬间从加速器变成绞索。截至目前，CoreWeave 的股价已经从去年 6 月 187 美元的高点回落了 55.45%，市场正在用脚投票。

这种借钱出租算力的生意，像极了 90 年代末的光纤泡沫。

1996 年到 2001 年，北美电信运营商砸下约 5000 亿美元铺设光纤骨干网。当时所有人都知道互联网需要带宽，都在拼命借钱铺线。

结果呢？卖设备的思科、北电、朗讯赚得盆满钵满。而那些借钱铺线的运营商就惨了：Global Crossing 欠了 124 亿美元债务后破产，WorldCom 因 110 亿美元财务造假轰然倒塌，Qwest 被迫卖给百年老店。上千亿美元的基建投资，最后变成了一堆被债权人接管的废铁。

历史不会简单重复，但价值分配的规律永远不变。

/ 05/

总结

拆解完这条万亿 AI 基建的产业链，我们会发现一个非常残酷的真相：

一个行业供给侧的变化，很大程度上才决定了企业能赚多少钱。

当潮水汹涌的时候，所有人都觉得自己是赢家，都在拼命往前冲。但只有等退潮的那一刻，我们才会知道，到底谁在裸泳。

万亿狂欢仍在继续，但底层的洗牌，已经悄然开始了。

文/元元