AI应用、产业链、资金流向

AI应用产业链：钱正在从卖铲子的人手里，流向用铲子的人

聊AI产业链的文章太多了，但大部分都在说同样的话：算力是底座，模型是引擎，应用是出口。废话。真正值得聊的是，钱在哪个环节、以什么速度、从谁手里流到了谁手里。

先看一组数据。

2024年上半年，AI产业链上游的增速是中游的20倍，是下游的35倍。巨大的剪刀差。到2026年一季度，上游增速65.47%，中游18.73%，下游21.64%。上游增速仍然领先，但差距从35倍压缩到了3倍。

这个变化本身不重要，重要的是它意味着什么。

摩根大通在9月发了一份报告，核心判断我印象很深：2026年，算力、芯片、数据中心这些硬件环节拿走了全行业93%的利润。但到2030年，这个比例会跌到30%，模型和应用层将占据54%的利润份额。接近三分之二的利润增量，不再属于卖铲子的人。

这不是预测，是在发生的事情。

整个AI产业链可以粗暴拆成四层：算力底座、数据基础设施、模型与平台、应用层。利润的流动方向，就是从最底层往上走。

算力底座，就是芯片、服务器、数据中心这些。2026年依然是最赚钱的环节，但预期/估值见顶，之后进入高位分化。绝对增速不低，但回报率在下降，隐含的算力价格高端回涨、中低端跌。这块的逻辑是景气定价较充分，ROI 未定完。

数据基础设施，这一层容易被忽略，但其实是Agent能不能真正干活的关键。Agent要知道公司过去发生了什么、现在正在发生什么，数据散在CRM、ERP、客服系统、广告后台里。没有这层Infra，Agent就是一个没记忆、没权限、没执行追踪能力的空壳。

看海外数据：Databricks年化营收69亿美元，同比增长超80%，AI产品年收入17亿美元。Snowflake产品收入连续第三个季度加速增长，超过9100家客户正在使用AI功能。Datadog一季度营收首破10亿美元，同比增长32%，全面上调全年指引。

不过有个细节挺有意思。Databricks的CEO自己说，AI越成功，毛利率反而越走低。因为客户部署的Agent越多，底层模型算力成本就越大，而Databricks是按消耗量收费、同时承担算力成本的。营收在涨，利润率在缩。这个矛盾，是整个AI应用层的缩影。

模型层，正在快速商品化。推理成本自2023年以来以每季度约47%的速度下降，一年之内降到了原先的十三分之一。DeepSeek今年5月把V4-Pro的API价格永久下调到原定价的四分之一，缓存命中输入价格低到每百万Token 0.025元。Claude Haiku 5.5的运行成本比上一代降了75%。

彼得·蒂尔最近有个判断：模型层可能永远无法诞生谷歌式的垄断企业，模型更像可替代的智力商品，用户切换成本低，能力快速追平。这话不一定全对，但方向是对的。纯粹靠API转售模型能力的企业，利润空间在被持续压缩。

平台层做的是另一件事。把模型能力封装成可规模化部署的企业级工具，管权限、算成本、追踪执行。MCP和A2A协议在2026年已经走到生产级企业采用阶段，A2A在4月的时候已经有150多家支持组织。这层卖的不是API调用，是“让Agent安全地接入企业现有系统”的能力。

到应用层，分化是最剧烈的。判断一个AI应用有没有长期价值，我只看一个变量：收费模式是否与AI工作负载正相关。收入是不是随着Token消耗、任务量、工作流嵌入深度一起涨。

先看真正跑出收入的那几个方向。

AI视频。快手可灵一季度收入超6.5亿元，同比增长超300%，ARR从去年3月的1亿美元涨到今年3月的近5亿美元，一年翻了4倍。B端API调用和P端付费会员双轮驱动。影视制作上的案例也硬：《太平年》里可灵参与的虚拟场景和特效镜头，把两个月的制作任务压到了两周以内。

AI生产力工具。美图一季度AI生产力应用ARR约5.8亿元，同比增长56.2%，生产力应用付费订阅用户同比增长52.9%至234万。AI算力点消耗金额较上一季度增长59%，其中开拍增长了360%。用户不是在为“AI功能”付费，是在为AI实际消耗的算力点付费。 这个区别很大。

企业软件。金蝶前三季度AI原生产品签约合同金额10.02亿元，订阅ARR约46.04亿元，三季度净新增ARR同比增长46.9%，签约了中国中车、长安汽车、华住这些客户。明略科技上半年智能体化服务收入1.71亿元，同比增长605.7%，新客户占比68%。

AI营销。迈富时上半年收入19.60亿元，同比增长111.2%，其中AI应用收入11.28亿元，同比增长123.7%，ARPU增长80%。不是卖软件，是按营销效果和Token用量收费。

但AI短剧这个方向，我得泼盆冷水。制作成本确实被打下来了，AI漫剧每分钟800到1200元，是真人短剧的五分之一，单部AI仿真人剧6到10万元就够了，而同等体量真人剧要50万以上。日上线量已经突破1500部。

但问题在收入端。有个案例：一部作品拿到近100万次播放，公司收入折合人民币只有1000元，而人工、房租、算力成本加起来约20万。一集AI漫剧的算力成本还从17元涨到了80到100元。制作成本降了，但投流成本和算力成本没降，收入覆盖不了。 这个正循环目前还没跑通。

所以回到那个核心问题：应用赚钱→算力消耗→算力正循环。这个链条成立的前提不是“AI收入增长了”，而是单位经济模型跑通了。

怎么看跑没跑通？

不看季度营收，看ARR增速。不看“AI收入占比”，看Token消耗量和收入的比值是不是同步涨。不看战略发布会上说了什么，看AI收入是不是可追踪的增量，而不是原来业务换了个AI的标签。

摩根大通预测到2030年Token总消耗量增长约60倍，其中近七成来自企业端。企业端的消耗是嵌入工作流的，是持续且可预测的。这才是商业模式的底盘。

2028年可能是一个拐点，下游利润从投入转向规模盈利。在这之前，波动是常态。

最后留一个我一直在想的问题：当AI应用层真正跑出规模利润的时候，跑出来的会是做通用工具的公司，还是做垂直工作流嵌入的公司？我现在倾向于后者。通用的东西会被模型层吃掉，只有嵌进企业具体流程里的、有迁移成本的东西，才守得住利润。

免责声明：文中信息均来自公开信息，不构成任何投资建议；本人解读均是个人看法，不代表任何倾向，没有任何目的性。

个人观点，仅供参考。