如果回看 2023 到 2025 年，AI 产业链里最赚钱的部分，其实不是模型公司，也不是终端应用，而是基础设施。2023 年，最典型的赢家是 Nvidia。几乎所有 AI 公司都需要 GPU，没有 GPU 就没有训练，也没有大规模推理。2024 年，电力和能源基础设施开始成为市场焦点，Vistra、GE Vernova 这类公司被重新定价。因为 AI 数据中心不是只需要芯片，它还需要电，需要冷却，需要基础电网承载能力。到了 2025 年，价值又进一步外溢到内存，尤其是 HBM。因为新一代 AI 系统不只是算力问题，更是内存带宽、容量和封装能力的问题。这说明一件事：在 AI 早期，真正稀缺的不是应用，而是算力。当所有人都在抢 GPU、抢电、抢 HBM、抢先进封装时，利润自然优先流向最稀缺的环节。那时候，模型公司虽然重要，但商业价值还没有完全释放出来。AI 更多是在改善搜索、提升办公效率、辅助写代码，应用场景还没有真正变成大规模、持续性、高价值的工作流。但 Agentic AI 出现之后，情况开始变了。
二、Agentic AI 改变了游戏规则
过去的 AI，更像是一个“问答工具”。你问一句，它答一句。你让它写一段代码，它写一段。你让它总结一篇文章，它给你一个摘要。但 Agentic AI 不一样。以 Claude Code 这样的产品为代表，AI 开始从“回答问题”变成“执行任务”。它不只是生成文本，而是能够在更长上下文里连续推理、调用工具、修改代码、反复验证，最终完成一个完整工作流。这带来的变化非常大。过去，一个复杂的软件任务可能需要一个团队，花费几天甚至几周完成。现在，用户可能只需要不断消耗 token，让 AI 一步步推进任务。这意味着，AI 的使用量不再是线性增长，而是会随着任务复杂度大幅上升。换句话说：Agentic AI 不是让人少用 AI，而是让人用得更多。这也是为什么 Anthropic 这类模型公司的收入和利润预期会突然变得非常重要。据Semianalysis测算，Anthropic 的 ARR 可能从 9B 走向 44B，而基础设施利润率也可能从 38% 提升到 70%。这背后不是简单的“模型涨价”，而是整个使用范式变了。AI 不再只是一个工具，而开始变成一种“数字劳动力”。一旦 AI 能够替代一部分高价值人力劳动，客户对 token 的支付意愿就会显著提高。因为客户比较的对象不再是“这次 API 调用贵不贵”，而是“相比雇人做这件事，AI 帮我省了多少钱”。这才是 Agentic AI 的真正商业意义。
三、Token 正在变便宜，但模型公司的利润反而在变高
这里有一个看似矛盾的现象：模型服务的价格在下降，但模型公司的利润率可能在上升。原因很简单：价格下降的速度，低于成本下降的速度。虽然 GPU 单价越来越高，但新一代硬件的吞吐提升更大。也就是说，一台更贵的机器，能够产出更多 token，单位 token 成本反而下降。与此同时，推理软件栈也在快速优化。比如更好的并行策略、disaggregation、MTP、KVcache 优化等，都能显著提高吞吐。这对模型公司的意义非常直接：只要 token 成本下降得足够快，即使模型 API 价格下降，毛利率也可以继续提高。更重要的是，Agentic AI 的任务流天然有利于模型公司赚钱。因为 Agentic 工作流通常是多轮的，输入上下文会越来越长，input/output ratio 也会变大。同时，很多上下文可以被缓存，cache hit rate 提高后，实际推理成本会进一步下降。所以，表面看是“模型越来越便宜”，实际看却是：模型公司每服务一个高价值任务，可能赚得比以前更多。
四、为什么模型公司的利润不会很快受到竞争的影响？
很多人会说：模型行业竞争这么激烈，OpenAI、Anthropic、Google、Meta、xAI，还有各种开源模型，最后利润一定会被抹平。这个逻辑看起来合理，但短期内未必成立。原因有两个。第一，顶尖闭源模型依然明显更好用。尤其是在复杂 Agentic 任务里，模型的可靠性、长上下文能力、工具调用能力、代码能力和多轮推理稳定性，都非常关键。只要闭源模型在这些场景里领先，客户就愿意为更高成功率付费。第二，算力供给本身不够。即使有很多模型公司，也没有任何一家能够无限供应 token。AI 需求增长太快，而 GPU、HBM、先进封装、电力和数据中心建设都存在瓶颈。这意味着，在未来一段时间里，市场不是“模型公司抢客户”，而更可能是“客户抢高质量模型和算力”。如果需求远远大于供给，那么顶尖模型公司就不需要把价格压到成本线附近。它们可以按照 AI 为客户创造的经济价值定价，而不是按照单位 token 成本定价。这也是 AI 产业和传统软件很不一样的地方。传统软件一旦边际成本趋近于零，竞争可能把价格不断压低。但 AI 推理不是零边际成本，它受制于真实的算力供给。因此笔者认为，短期内，顶尖模型公司的利润不会轻易消失。
五、Nvidia -- “AI 的中央银行”？
如果 Agentic AI 让 token 需求暴涨，那么最关键的问题就变成：谁控制 token 的生产资料？答案绕不开 Nvidia。Nvidia 不只是卖 GPU。它实际上控制了 AI 时代最关键的一整套系统能力：GPU、网络、软件栈、整机方案、供应链协同，以及对上游 TSMC wafer、HBM 和先进封装资源的获取能力。Nvidia 正在变成 AI 的中央银行。中央银行控制货币供给，而 Nvidia 控制 AI 算力供给。当算力是整个产业最稀缺的资源时，Nvidia 理论上拥有极强的定价权。但有意思的是，Nvidia 似乎并没有把价格涨到极限。从纯供需角度看，如果市场极度缺 GPU，Nvidia 完全可以继续大幅涨价。但现实中，Nvidia 似乎更愿意让 AI labs、云厂商、Neocloud 都保留一部分利润空间。为什么？因为 Nvidia 追求的可能不是短期利润最大化，而是长期生态最大化。如果 Nvidia 把所有利润都吃掉，下游玩家扩张能力会下降，监管风险会上升，竞争对手也会更有动力绕开 Nvidia。相反，如果它让生态里的其他参与者也赚到钱，整个市场会继续扩大，所有人也会更深地绑定在 Nvidia 平台上。这和台积电的策略其实很像。TSMC 在先进制程极度紧张时，也没有完全按照稀缺性把 wafer 价格涨到天花板，而是通过长期合约、产能承诺、预付款等方式变现，同时维持客户关系和产业生态稳定。Nvidia 现在做的，某种程度上也是同样的事：不把价格一次性推到极限，而是通过控制供给、扩大生态、压制替代方案，等待未来更大的价值定价空间。
夜雨聆风