让苏姿丰连夜致电的机构,揭开了AI泡沫的真相

长期以来，市场对 AI 的审视一直停留在“资本开支”的维度，认为那只是科技巨头们挥金如土的军备竞赛

半导体行业内SemiAnalysis 是最权威的读物，最新揭开了行业内不为人知的真相。

最新全文分享在社群，这里做一个深度分析，我们看下年费500美元的文章价值在哪里：

相关介绍：Semi-analysis 的文章有多牛，让苏姿丰连夜致电

一、AI 商业化逻辑的转变

过去市场质疑 AI，核心不是技术不强，而是账算不过来。

模型公司花几千亿美元买 GPU，结果用户主要拿它聊天、搜索、画图。

投入是真金白银，产出却很难证明能覆盖这么高的算力成本。

所以在那个阶段，真正赚钱的不是模型公司，而是英伟达、台积电、数据中心、电力这些硬件和基建环节。

模型公司更像是在烧钱买未来，毛利率并不好看。

但 2025 年 12 月以后，情况开始变了。

Agentic AI，也就是智能体化 AI，开始真正走向成熟。

它和过去的聊天机器人不一样。

它不是只回答问题，而是可以连续执行复杂任务。

写代码、处理 Excel、做金融模型、分析财报、跑完整研究流程，这些过去需要初级分析师干几个小时，甚至几十个小时的工作，现在可能只需要几美元的 Token 成本。

这就是 AI 商业化逻辑的变化。

AI 的价值，不是 Token 本身便宜，而是 Token 相对于人力太便宜。

以 SemiAnalysis 为例，它在 Anthropic Claude 上的年化 Token 支出已经高达 1095 万美元。

这个数字看起来很夸张。

但关键是，这些 Token 带来的生产力提升，远远超过了它的财务成本。

它不只是省钱，而是在提升研究效率、压缩工作时间，并转化成真实的竞争优势。

这个点很有价值：AI 的商业化不是因为 Token 便宜，而是因为 Token 相对人力太便宜。

SemiAnalysis 在 Anthropic Claude Token 上的年度支出率已高达 1095 万美元

过去市场总盯着“AI 推理成本高不高”，但真正关键的问题是：

AI 的价值不在于 Token 本身的绝对价格，而在于其相对于人力成本的极高性价比。市场关注的重点正从“AI 推理成本”转向“Token 的产出效率”。

如果一个任务能将数千美元的人力成本降低至几美元的 Token 成本，那么即使模型公司提高定价，企业客户依然有充分的付费意愿。

二、模型公司的毛利率正在快速改善

利润率改善，不是因为它们减少了算力投入，而是因为同样算力能产出更多 Token，且 Token 能卖出更高经济价值。

Anthropic 的 ARR 从 90 亿美元上升到 440 亿美元以上，同时推理基础设施毛利率从 38% 提升到 70% 以上。

这个变化非常大，因为它说明 Anthropic 不只是收入增长，而是单位经济模型也在改善。

主要有三层原因：

第一，硬件吞吐量大幅提升

Blackwell 相比一年前的 Hopper，每秒 Token 生成能力可以提升约 30 倍，成本只高了70%

第二，软件优化本身就能大幅提升吞吐量

文章用 DeepSeek R1 在 B300 上的例子说明，同样硬件下，不同软件优化组合可以让吞吐量从约 1000 tokens/sec/GPU 提升到约 8000，再到约 14000。也就是说，不换硬件，仅靠软件优化，就可能带来 14 倍吞吐量差异。

第三，因为虽然标价下降，硬件和软件让单位 Token 成本下降，所以毛利率继续扩

在可预见的未来，Token 需求会远远超过供给。

各种工具调用，比如龙虾，比如绘图，算力供给不足，导致没有任何一家模型公司能吃下全部需求。

只要 Token 需求远大于算力供给，那么真正能提供前沿模型质量的公司，就不需要通过价格战把利润打没，而是可以按照 Token 创造的经济价值收费。

三、英伟达和台积电依旧被低估

过去我们以为 AI 产业链里最有定价权的是英伟达和台积电。

但在这轮 Agentic AI 带来的 Token 价值重估里，英伟达和台积电其实还没有充分涨价。

它们仍然用过去的框架定价：默认单位算力的支付意愿会随着时间下降。

英伟达正在从芯片公司变成“AI 算力系统的总承包商”和“稀缺资源分配者”。

但现在这个假设可能不成立了，因为 Agentic AI 让每个工作流消耗的 Token 大幅增加，需求不是线性增长，而是复利式增长。

台积电 N3 产能非常紧，英伟达、博通、Annapurna、联发科、AMD 都在争夺 N3 晶圆配额；DRAM 产能利用率也很高，内存价格上涨明显。

但台积电并没有完全按照稀缺性涨价，英伟达也没有把 Rubin 系统的性能提升和内存成本变化完全反映到价格里。

不代表没有定价权，反而可能是有意维持生态繁荣

这背后有两种可能的原因：

一种是战略克制。

英伟达像“AI 时代的中央银行”，不急着把所有利润榨干，而是维持生态繁荣，让 AI Lab、Neocloud、Hyperscaler 都能赚钱，从而扩大长期需求。

另一种是监管顾虑。

英伟达在 GPU、互联、软件生态里的主导地位已经非常强，如果激进涨价，可能加剧反垄断压力。

台积电过去也有类似行为，即使先进制程满产，也不完全按稀缺性定价，而是优先维持长期客户关系和生态稳定。

这种状态可能不会一直持续。随着推理 ROI 越来越清楚，基础设施提供商会从“成本加成定价”转向“价值定价”。

也就是说，未来英伟达和台积电仍有可能进一步提高价格和利润率。

四、云厂商资本开支是否是泡沫

很多人质疑 AI 巨头投入数千亿美元买 GPU 是在烧钱，担心这会演变成巨大的泡沫。

但观察 CoreWeave、Oracle、微软和 Meta 这些AI云公司的 AI 资本开支（Capex），不能只看支出的绝对金额，而要看这些 GPU 最终能否转化为三样核心资产：更便宜的 Token、更高的出租率，以及更稳定的现金流。

如果这三点能够实现，那么这些投入就不是单纯的烧钱，而是在建设未来的“ 算力工厂”。

这种模式的本质是“算力房东”。这些公司先采购英伟达服务器，再将 GPU 算力按小时租赁给模型公司、企业客户和 AI 开发者。在这个链条中，硬件的代际更替逻辑至关重要。以英伟达最新的 VR NVL72 为例，虽然它的单机架租金可能比老一代设备更贵，但由于性能提升巨大，分摊到单位算力上的成本反而更便宜了。

具体数据来看，VR NVL72 每 PFLOP 的租赁成本大约可以做到 0.28 美元，这比 GB300 NVL72 降低了约 60%。这就是问题的重点：表面上看，新一代 GPU 变得更贵了，但实际上，每单位 AI 产出的成本变便宜了。在“算力房东”眼中，GPU 不再只是单纯的资本开支，而是可以出租、可以定价、可以产生稳定回报率的算力资产。

英伟达新一代构架VR NVL72 带来的性能跨越，可能让产业链上的三方同时受益：客户用到了更便宜的单位算力，Neocloud 算力提供商维持了较高的项目回报率，而英伟达也保留了继续涨价的空间。

只要新一代硬件带来的 Token 成本下降速度，快于硬件价格的上涨速度，整个 AI 算力链条就不是零和博弈，而是一场共同扩张。

我们正处于从“堆人力的算术增长”向“堆算力的复利增长”跨越的临界点。

普通人在这场波澜壮阔的科技浪潮下，跟上时代最好的方式不是学习科技（因为你学不懂），而是和科技巨头站到一起，成为他们的股东。

相关内容详见：这一切，可能仅仅只是开始

我们社群中根据宏观分析把握大方向和趋势，根据策略来进行操作，