第一部分：实际情况——2026年 AI 产业链的利润地图

一、NVIDIA赚走了多少钱

NVIDIA 2026 财年第七年第一季度（2026年 2–4 月）的财报显示：

我们注意到：

第一，毛利率在扩大而不是缩小——从一年前的 60.1% 升到74.9%，这意味着 NVIDIA 的定价权在加强；

第二，74.9%的毛利率在硬件行业没有先例——iPhone毛利率约45%，丰田汽车约20%；

第三，Q2环比增速近乎减半（+20%→+11%），这是否意味着需求增速在放缓，将在 8 月 26 日 Q2 实际数据发布后得到验证。

根据多家券商（GoldmanSachs、Jefferies、TrendForce）和研究机构（SemiAnalysis）的估算，AI 产业约 79% 的利润流向芯片层。NVIDIA 一家的利润约等于产业链其他所有参与者——Anthropic、OpenAI、Google、Microsoft、Amazon、Meta——利润总和的 3.8 倍。

二、100元 AI 消费的去向

跟踪一笔 AI 消费从终端用户到芯片制造商的完整路径：

综合计算：100元 AI 消费中，NVIDIA确认约 36.5 元毛利润。剩下的 63.5 元覆盖云厂商运维、电力、网络、模型公司研发、应用公司销售和市场等所有其他环节的成本和利润。

三、模型层的分化——Anthropic赚钱了，OpenAI还在烧

同一个 Token 市场，同一种 API 定价逻辑，两家最重要的基座模型公司展现了截然不同的财务面貌：

Anthropic 的 Claude Code 已占 GitHub 全部 commits 的超过 7%。Coding 是当前最大的单一 Token 消费场景。

四家超大规模云厂商 2026 年在 AI 基础设施上的资本开支：

Bank of America 预测 2027 年四家合计 CapEx 将突破 $1 万亿。Goldman Sachs 预计 2025–2030 年四家累计投入 $5.3 万亿。2026年前五个月，前五大超大规模企业发债 $1,590 亿用于支撑这场投资。

CapEx 增速（+67–79%）远超 AI 应用收入增速（约+30–40%）。这个缺口不可能无限持续。

以上是第一部分——2026年 AI 产业链的利润分配事实。我们明确四个核心事实：① NVIDIA 毛利率74.9%，芯片层占产业链利润约79%；② 100 元 AI 消费中 NVIDIA 拿走约 36.5 元毛利；③模型层一家盈利一家巨亏，分化加剧；④ CapEx 增速远超应用收入增速。下面进入历史比较——这种情况以前发生过吗？

第二部分：历史框架——每一次技术革命都走过这条路

五、四次技术革命的利润迁移

当前的 AI 产业链利润结构——高度集中在基础设施硬件层——在历史上不是第一次出现。以下是三次已经完整走完的技术革命和正在进行的第四次的并排比较。

5.1 第一次工业革命（1770s–1840s）：蒸汽机→铁路

谁在收租？博尔顿 & 瓦特（Boulton & Watt）。詹姆斯·瓦特没有发明蒸汽机——纽科门在他之前几十年就造出了第一台实用蒸汽机——但他把热效率从纽科门的约 0.5% 提升到了约3%。六个倍的效率差，让蒸汽机从”矿山抽水的小众机器”变成了”驱动整个英国的万能动力源”。

博尔顿 & 瓦特的收费方式：按”省下的煤炭费的三分之一”收费，收取 25 年。每台机器一年能省若干煤炭成本，他们拿走其中的三分之一。专利费累计收入远超制造成本。瓦特 1800 年退休时，已经是英国最富有的人之一。

这和 NVIDIA 的模式的相似之处：不是按设备售价收费——是按你的效率增量抽成。不是一次性的买卖——是持续性的收入流。CUDA生态在经济实质上延续了这个逻辑——每一代 GPU 升级都在延长”租”的收取期。

租如何消散？ 1800 年瓦特专利到期。蒸汽机从专利垄断品变成大宗工业品——博尔顿 & 瓦特的超额租消失。蒸汽机更便宜→更多工厂能用→棉纺织业 1800–1820 年间利润率翻倍。1830年利物浦-曼彻斯特铁路开通——铁路公司的利润开始远超蒸汽机制造商。

谁赢了迁移？不是蒸汽机制造商，也不是第一个买了蒸汽机的纺织厂，而是铁路公司。纺织厂用蒸汽机提效了，但消费者不会因为”这是蒸汽动力织的布”而付更高价格。铁路的乘客和货主愿意——“从伦敦到曼彻斯特 4 小时而不是 4 天”的差异化价值是颠覆性的。同样的技术，不同的商业模式→完全不同的利润归属。

5.2 第二次工业革命（1870s–1920s）：石油/电力/钢铁→汽车/家电

三个”NVIDIA”：

·通用电气（GE）：1892年由爱迪生通用电气和汤姆森-休斯顿合并而成，控制美国约 75% 的发电设备市场。收的是标准型租——定义了交流电的电压、频率、设备接口，后来者必须兼容。

·卡内基钢铁：1900年利润超过 $4,000 万（约相当于今天 $14 亿），当时美国联邦政府年收入才 $5 亿。卡内基在 1901 年以 $4.8 亿把公司卖给摩根，套现退休——在利润迁移来临之前把全部筹码换成现金，后来被广泛认为是”完美逃顶”。

·标准石油：洛克菲勒控制美国约 90% 炼油能力。1913年个人财富约相当于美国 GDP 的2%（按今天比例约 $5,600 亿）。标准石油的租来自一个制度性瓶颈：不经过它的管道，油就运不到东海岸。

租如何消散？ 1911 年标准石油被反垄断拆分成 34 家公司。拆分后——石油从”垄断品”变成”竞争性基础设施”→下游用油成本暴跌→直接催生了汽车工业的爆发（福特流水线 1913 年、通用多品牌矩阵 1920 年代）。1920年代，通用汽车的利润超过标准石油系任何一家单独的公司。

同一时期，GE内部发生了一场利润迁移：1900–1920年在发电设备上赚钱，但到了 1930 年代利润中心转移到了家电部门（电冰箱、洗衣机、收音机）。同一家公司内，“卖电的人”变成了”卖用了电的产品的人”。

关键事实：利润迁移≠ 上游被淘汰。标准石油被拆了，但埃克森美孚 2025 年营收 $3,200 亿。它只是从”唯一的赚钱机器”变成了”重要但不再垄断的公司”。

5.3 信息革命（1970s–2010s）：Intel→Microsoft→Google

信息革命的利润迁移分了三段，是最近、数据最丰富的一次：

第一段：Intel（1980s–1990s）。 x86 架构 + 自有制造工艺 = 双重锁定，和 NVIDIA 今天的 CUDA + 台积电先进制程的锁定结构高度相似。1990年代毛利率50–65%，运营利润率30–40%。每卖一台PC，最厚的利润不在 Dell 或Compaq（毛利率<20%），在里面的 CPU。Intel 从 1992 年到 2000 年市值从约 $100 亿涨到约 $5,000 亿——50倍。

第二段：Microsoft + Intel——“Wintel”联盟（1990s–2000s）。 Microsoft 证明利润迁移可以不流到应用层——它可以停在操作系统层。Windows毛利率约90%，比 Intel 的约 60% 更极端。2000年代利润比例开始倒转——Microsoft占比越来越高、Intel越来越低。硬件层的租被软件层的租覆盖了。

第三段：Google + Facebook（2010s）。迁移完成。Google 2010 年运营利润率约35%，利润是 Intel 的 1.5–2 倍。Facebook不建芯片、不建操作系统、不建公有云，2019年运营利润率约 40%。利润从”做芯片的人”迁移到了”用芯片赚广告费的人”。芯片层利润占比从 1990 年代约 50% 降至 2010 年代约 6%。Intel 仍在——2025年营收约 $500 亿——但不再是全球市值第一。

5.4 五条归纳性规律

把三次已经完成的利润迁移放在一起，可以归纳出五条经验性规律。这不是演绎推理的自然法则——它们基于历史观察，可能被未来证伪：

1.瓶颈租：谁控制稀缺基础设施，谁获取超额利润。蒸汽→瓦特。石油→洛克菲勒。CPU→Intel。GPU→NVIDIA。

2.迁移必然：瓶颈不会永远稀缺。技术扩散（专利到期、反垄断、开源替代）→供给过剩→租消散→利润向下游迁移。五次技术革命，无一例外。

3.比例重分：迁移不是”上游绝对利润暴跌”，而是”上游的租在产业总利润中的比例被总量膨胀稀释”。埃克森美孚仍是 $3,200 亿公司，Intel仍是 $500 亿公司——它们只是不再是利润占比最高的那个。

4.差异化价值：下游赢家 = 用新技术在最多人愿意付费的场景上创造了最大差异化的人。铁路 > 纺织厂。汽车 > 石油分销。Google > Dell。

5.迁移加速：第一次约 30 年→第二次约 20 年→第三次约 20 年但分三段→AI可能 5–10 年。通信和协调成本越低，租消散越快。

可证伪条件：如果 NVIDIA 毛利率在 2028 年前未出现实质性下降（<70%），则第二条规律在本次 AI 革命中被证伪。

六、2000年互联网泡沫——一个完整解剖

6.1 发生了什么

1996 到 2000 年，美国电信公司铺设了约 8,000 万英里光纤。全球互联网基础设施总投资约 $4–5 万亿（按 2025 年通胀调整）。2000年 3 月纳斯达克见顶，到 2002 年 10 月跌掉 78%。WorldCom 以 $1,070 亿破产（当时美国历史上最大），Global Crossing 以 $120 亿破产，北电网络从 $3,600 亿市值近乎归零。

金融资本被消灭了，但物理资本没有。

泡沫破裂时被摧毁的是股票市值和债务凭证——工厂、机器、铁路、港口、光纤不受影响。它们不会因为所有者破产就从地里蒸发。

6.2 泡沫后留下了什么

2000 年后，四样物质资本以残值流转到了下一波建设者手中：

第一，光纤。 8,000 万英里光纤在破产清算后以面值 5–10% 被收购。跨大西洋带宽批发价从 2003 年约$1,500/Mbps/月暴跌至 2008 年约$100——降幅93%。在这个新的成本结构上，Google得以爬取整个互联网，YouTube得以把视频分发到全球——这两个应用在 1999 年的带宽成本下都不可行。

第二，数据中心和服务器。泡沫时期建的数据中心，破产后以残值 5–15% 流转。Amazon 2006 年推出AWS，最初跑在的就是电商业务”买多了”的服务器上——内部利用率只有约10%，剩下 90% 变成了公有云的种子。

第三，网络协议和标准。 TCP/IP、HTTP、HTML 在泡沫前已经存在，但泡沫时期的疯狂部署把它们从”少数人用的协议”变成了”全社会的默认基础设施”。当每一栋写字楼都布了网线、每一个家庭都装了宽带，下一代互联网应用才能在零边际成本的网络上生长。

第四，人力资本。泡沫时期涌入互联网行业的几十万工程师，没有因为公司倒闭而集体失忆。他们在泡沫中积累的技术、经验和社交网络，在泡沫后的十年里变成了 Google、Facebook、LinkedIn、Salesforce、YouTube、Netflix 的核心人才库。

6.3 泡沫→遗产的转换机制

2000 年不是孤例。每一次基础设施泡沫都服从同一个转换公式：

过度建设→ 资产价格崩溃→ 物理资产以残值流转→下一波应用层的生产成本暴跌→ 应用层爆发

铁路泡沫留下的铁路——1848年后 30 年，英国铁路货运成本降到泡沫前的约1/4。光纤泡沫留下的光纤——2000年后十年，Google能以近似零边际成本的带宽爬取整个互联网。泡沫的本质不是”钱被浪费了”——是金融资本通过破产被清零，物质资本以极低价格从金融投资者手里转移到产业资本家手里。这两拨人不是同一拨人——历史上从来不是。

6.4 用这个逻辑审视今天

如果 AI 基建正在积累类似的过度投资，泡沫破裂后三样物质资产不会消失：

·GPU 集群：几百万张 H100/B100/GB200 的物理算力不会蒸发。如果某些云厂商撑不住，GPU会以残值 10–30% 流入二手市场。算力成本暴跌后，今天”算力太贵所以做不了”的 AI 应用会突然变得可行。

·数据中心和电力设施：今天在建的几百个数据中心和配套电力设施，物理寿命 20–30 年。泡沫不会让它们消失——只是换一个主人，换一个更低的账面成本。

七、这是泡沫吗——三个可观测条件

将”这是泡沫吗”这个模糊问题拆成三个可以通过公开数据追踪的条件：

当前判断：

·条件①（融资结构）风险在积累——如果 2027 年 CapEx 继续 50%+ 增长而收入增速没有加速，将在 12–18 个月内从��变成��。

·条件②（供需剪刀差）正在出现——这是当前最值得警惕的信号。NVIDIA环比增速减半是第一个”需求可能在高位放缓”的物理信号。

·条件③（终端需求）是当前最强的反泡沫证据。2000年互联网的问题是需求不存在（没人付费）。2026年 AI 的问题是需求真实但供给跑太快。定性的区别大于定量的区别。

什么时候会被证伪？条件③先变成��——终端用户停止为 AI 付费——才是真正的泡沫证伪时刻。条件①和②是破裂的金融触发器。条件③是判断”这是不是一场泡沫”的定性标准。反过来也成立：如果 2027–2028 年条件③突然恶化——企业 AI 预算砍半、消费者取消订阅、Agent落地远不如预期——那么条件①和②会同时引爆。概率不是零。

一个重要的区分：泡沫和”不必是泡沫”可以同时为真。在金融时间尺度（2–3年），1999年买纳斯达克的人 2002 年亏了78%——泡沫论是对的。在产业时间尺度（10–20年），互联网改变了人类文明——未来论也是对的。在资产类别上，买北电股票的人亏光了，在 2003 年用废墟价光纤建 AWS 的人成了世界首富。AI基建在 2026 年的位置，大致相当于 1998 年的互联网基建——狂热期正在加速但尚未到达顶点。

如果这个剧本成立：今天以溢价买 GPU 的云厂商——和 1845 年买铁路股票的人、1999年买北电股票的人一样——可能不会成为最终获利方。三年后在废墟价上接盘 GPU 的人——和 1848 年买破产铁路的工厂主、2003年买废墟价光纤的 Amazon 一样——将成为下一个时代的建构者。

八、小结

以上是第二部分——历史框架。核心结论：当前 AI 产业链的利润集中现象不是新事物。蒸汽机、石油、CPU——每一次技术革命初期，瓶颈控制者都攫取了超额利润。每一次，利润最终都向下游迁移。区别只在时间和方式。下面进入第三部分——经济学分析：为什么这种现象会发生？

第三部分：经济学分析——十个框架解释同一个现象

九、李嘉图租——为什么 NVIDIA 能拿走 79%

框架定义：李嘉图租（RicardianRent）来自大卫·李嘉图 1817 年的《政治经济学及赋税原理》。学派：古典政治经济学。意识形态：自由主义/反地主阶级。政治含义：地主阶级不创造价值但抽取剩余——这不是道德判断，是结构判断。

原问题：19世纪初英国《谷物法》限制粮食进口，粮价飙升，地主暴富。主流舆论认为地主赚钱是因为“提供了土地”——李嘉图反驳：地租不是地主的贡献，而是谷价高的结果。谷价高是因为人口增长 + 耕地有限 + 进口限制。李嘉图的理论为 1846 年废除《谷物法》提供了经济学弹药——拆掉贸易壁垒，粮价下降，地租自动消散。

核心命题：租由稀缺性产生，不由努力产生。土地供给固定、需求增长→地租上涨。如果土地供给可以无限增加（或者进口放开），租就消失了。

应用于 NVIDIA

2026 年的 AI 产业链上，GPU就是当年的“土地”。NVIDIA同时收了两种租：

·李嘉图租来自 CUDA 生态。全球数百万开发者使用CUDA，任何替代方案（AMDROCm、昇腾CANN、开源Triton）都面临巨大的迁移成本。这不是硬件更差——是软件生态的路径依赖（W. Brian Arthur, 1989：技术采用中的正反馈→锁定）。CUDA的稀缺性是”自然”形成的——不是 NVIDIA 用枪逼着开发者用它——但结果和一个自然瓶颈一样。

·垄断租来自芯片制造瓶颈。台积电 3 纳米产能是当前全球 AI 加速器的事实标准，NVIDIA是台积电最大的客户。

在一个竞争性市场中，超额利润会吸引进入者→供给增加→价格下降→利润回归正常。过去三年 AI 加速器市场没有走这条路——毛利率从 60.1% 上升到了74.9%。这意味着进入壁垒在加强，市场在一个远离均衡的位置上运行。

可证伪测试：如果 GPU 供给翻倍 + ASIC 替代成熟 + CUDA 锁定被打破，毛利率是否下降？如果下降——则今天的毛利率就是李嘉图租。如果不下降——则存在更深层的垄断力量。

十、马克思利润率均等化——为什么同一产业链上利润差异巨大

框架定义：马克思《资本论》第三卷（1894）。学派：马克思主义/历史唯物主义。意识形态：社会主义。政治含义：利润率的差异反映的是不同资本之间的权力关系——技术壁垒、进入门槛、对生产资料的垄断——而不是”效率差异”。

原问题：19世纪工业化中，不同行业的利润率差异巨大——铁路10%，纺织5%，银行15%。为什么资本不全部涌入最赚钱的行业，直到所有行业利润率相同？马克思的回答：资本确实会流动——但流动有障碍（进入壁垒、技术门槛、垄断）。长期趋势是利润率趋于均等化，但某些环节的资本有机构成特别高，其利润率可以持续高于社会平均水平——只要它的技术壁垒不被攻破。

核心命题：竞争越充分的部门利润率越低，壁垒越高的部门利润率越高。长期趋势是均等化——但在壁垒被攻破之前，壁垒持有者可以持续收割超额利润。

应用于 AI 产业链

AI 产业链是利润率均等化”被暂停”的典型案例：

·芯片层毛利率 75%

·模型层Anthropic API>80%，但OpenAI -122%，行业整体亏损

·基础 Token 层（硅基流动MaaS）毛利率 -119%

·同一家公司（硅基流动），公有云MaaS -119%，本地部署工程服务 +82.5%

三个部门的利润率不是趋同，而是发散。马克思的框架预测：长期来看资本会涌入高利润部门（ASIC替代GPU、开源替代CUDA），最终拉低芯片层利润率。但在壁垒被攻破之前，75%的毛利率是“利润率均等化被结构性延迟”。

可证伪条件：如果 2028 年前出现”芯片层毛利率下降 + 模型层出现第二家持续盈利公司 + 第一层 MaaS 公司持续出清”三重信号同时发生→利润率再平衡正在展开。

十一、熊彼特创造性破坏——为什么 Anthropic 赚钱而 OpenAI 不赚

框架定义：约瑟夫·熊彼特《资本主义、社会主义与民主》（1942）。学派：奥地利/演化经济学。意识形态：保守精英主义。政治含义：创新必然摧毁旧结构——不要保护被淘汰者，他们是进步的代价。

原问题：为什么资本主义永远不会停在均衡状态？新古典经济学关注价格竞争——同一成本曲线上谁价格更低。熊彼特说这不是资本主义的本质竞争。真正的竞争是“新商品、新技术、新供给来源、新组织类型”——创新不是在同一成本曲线上移动，而是把整条成本曲线往下移，或者创造一条全新的需求曲线。这种竞争是“创造性破坏”——它不保护任何人。

核心命题：创新创造临时垄断→超额利润→模仿者进入→租消散→新一轮创新。市场结构的“静止”是例外，“变化”是常态。

应用于 Anthropic vs OpenAI

Anthropic通过Claude Code（占 GitHub commits >7%和Agent协议（MCP）把需求曲线推到了更远的位置——同样的Token，因为嵌入到了开发者的工作流中，产生了更高的替代价值→买家对价格敏感度降低→毛利率 >80%。OpenAI没有建立同样深度的“工作流嵌入”→它卖的是更接近大宗商品的Token。

这是典型的熊彼特式竞争——不是谁比谁价格更低，是谁用创新把需求曲线向右推得更远。但熊彼特也预测：模仿者会追上来。过去四年，第二层模型定价权的王座从OpenAI→Anthropic→被 DeepSeek 短暂冲击→经智谱短暂接棒→在Kimi和Anthropic之间拉锯——没有一家公司在这个位置上坐了超过 18 个月。智谱的三周窗口尤其残酷——花了半年把能力堆到国内最强，对手一场发布会就让定价从“旗舰溢价”变成“次旗舰折价”。

十二、明斯基 vs 佩雷斯——同一组数据，两种诊断

12.1 明斯基：稳定性孕育不稳定性

框架定义：海曼·明斯基《稳定不稳定的经济》（1986）。学派：后凯恩斯主义。意识形态：干预主义/反自由放任。政治含义：市场不会自动趋向均衡——金融资本主义内生不稳定，需要“大政府”和“大银行”作为最后贷款人和稳定器。

原问题：战后美国经历了近 30 年相对稳定（1945–1973），经济学家普遍认为资本主义已驯服了周期。明斯基反问：稳定本身会不会就是下一场危机的原因？长期繁荣→贷款人和借款人越来越乐观→债务结构从“对冲融资”（现金流还本付息）→“投机融资”（借新还旧）→“庞氏融资”（连利息都覆盖不了，全靠资产价格上涨）。任何一个微小扰动都可能触发”明斯基时刻”：资产抛售→价格暴跌→更多违约→系统性崩溃。

应用于 AI CapEx：2026年前五个月发债$1,590 亿，微软CapEx/收入比~47%，Meta~54%。当前仍处于“投机融资”阶段——经营性现金流仍然健康。但如果CapEx继续以50%+增长而收入增速无法匹配，向“庞氏融资”的迁移概率在累积。

12.2 佩雷斯：这不是泡沫，这是转折点的先决条件

框架定义：卡洛塔·佩雷斯《技术革命与金融资本》（2002）。学派：新熊彼特主义/演化经济学。意识形态：制度改革派。政治含义：技术革命必然伴随制度重构——“转折点”不仅是经济事件，更是政治事件。谁来制定新规则、谁在狂热期获利、谁在部署期被排除——这些是权力斗争，不是技术必然。

原问题：为什么每一次技术革命——从运河到铁路到互联网——都伴随一场金融泡沫？佩雷斯研究 1771 年以来五次技术革命后发现，每一次都必然经历”安装期”（爆发→狂热→转折点）和”部署期”（协同→成熟）。狂热期不是市场的”错误”——它是新技术扩散的必经阶段。金融资本的过度投资，看似浪费，实则在为部署期的大规模应用铺设基础设施。

应用于 AI CapEx：$8,000亿 CapEx 在明斯基尺度上是金融脆弱性积累，在佩雷斯尺度上是狂热期的标准配置。两者不矛盾——它们在描述同一个现象在不同时间尺度上的含义。明斯基看 3–7 年，佩雷斯看 40–60 年。在金融尺度上泡沫会破裂；在产业尺度上狂热期的建设是部署期繁荣的必要条件。当前 AI 在佩雷斯五阶段中的位置：狂热期。关键判断：转折点何时到来？以什么方式到来？

十三、奈特不确定性下的五种场景

框架定义：弗兰克·奈特《风险、不确定性与利润》（1921）。学派：芝加哥学派（早期）/新古典。意识形态：保守主义/亲企业家。政治含义：利润是对承担”真正不确定性”的企业家的正当报酬——不是剥削，不是租，不是市场失灵。这个立场和马克思形成直接对立：同样的利润，马克思说”剩余价值”，奈特说”不确定性的报酬”。

原问题：完全竞争均衡中所有要素按边际生产率获得报酬，利润为零——那现实中利润从哪来？奈特的回答：风险是可以概率化的（骰子有六个面），不确定性无法概率化——你根本不知道骰子有几个面。企业家承担不确定性，判断正确获得利润，判断错误承担损失。

应用于 AI 基建：五种场景是对奈特不确定性的回应——不是分配精确概率，而是推演逻辑上可能且历史上有先例的路径。它们可以叠加发生。

场景A：软着陆（需求自然追上供给）

CapEx 增速 2027–2028 年自然放缓到20–30%，AI应用收入增速爬升到40–50%。供给曲线和需求曲线以相近速度右移→均衡价格温和下降→不出现出清式断裂。基础 Token 继续向边际成本逼近，推理 Token 的定价从”算力稀缺溢价”缓慢过渡到”能力差异溢价”，Agent Token 受益最大——成本温和下降让更多场景突破 ROI 门槛。

场景B：硬着陆（明斯基时刻 + 废墟价Token）

一家或多家云厂商 AI 收入远低于预期→信用评级下调→债务接续困难→被迫抛售GPU→费雪债务通缩螺旋。H100从$25,000/张跌到$2,500–7,500→基础Token价格被废墟价碾碎。Agent在废墟价Token上爆发——废墟价光纤之于YouTube，等于废墟价Token之于Agent。金融层受灾，物理层保留——和 2000 年完全一致。

场景C：主权 AI 托底（政府成为最后买家）

即使商业AI的ROI不成立，主权AI的“安全产出”也会支撑算力需求。国家数据局将Token命名为“词元”，运营商卖词元套餐，地方政府争夺”词元成本洼地”。政府成为算力最后买家→价格信号被扭曲→延缓算力从稀缺到充裕的自然进程→可能出现”僵尸算力”。

场景D：效率冲击（软件吃掉硬件的午餐）

学术研究（Du,2026）显示，Token成本三年降 280 倍，全要素生产率残差解释了103.7%，GPU硬件本身贡献-0.9%。如果2027–2028年某个架构创新让同等GPU的Token产出再翻5–10倍→哈耶克式的“过度投资”问题被熊彼特式的“技术冲击”解决→不需要更多资本品，现有资本品的有效产出被乘了倍率。

场景E：Agent大爆炸（需求远超供给）

Agent 可靠性跨过临界阈值→从“尝鲜”变成“主流”。Agent Token消耗量不是普通对话的100倍而是500–1,000倍——Agent之间的互调、自纠错、长序列规划消耗了远超当前模型的Token量。今天看是过剩的$8,000 亿CapEx，三年后看是刚刚够。

五种场景共同指向一个方向：Token成本在3–5年尺度上将出现结构性下降。Token越便宜，用Token构建差异化价值的人越赚钱这个方向在五次技术革命中从未出错。

十四、小结

以上是第三部分——经济学分析。六个框架（李嘉图、马克思、熊彼特、明斯基、佩雷斯、奈特）从不同角度解释了同一个现象：为什么利润集中在芯片层，以及它会不会变。下面进入第四部分——当制度因素被加入后，分析会有什么不同。

第四部分：制度经济学与政治维度

十五、中国的情况——制度如何改变市场结构

上述分析基于全球市场的假设——NVIDIA统一供芯、CUDA统一生态、全球 Token 定价在一个连续竞争光谱上。中国有三个制度性变量改变了这个结构。

15.1 芯片的”国家间不可贸易性”——比较优势的人为撤销

李嘉图 1817 年证明，即使英国在所有产品上都比葡萄牙更有效率，两国仍可通过各自专注比较优势最大的产品而共同获益。这个命题的隐含前提：商品可以自由流动。

美国对华出口管制打破了这个前提。GPU 变成了一种“不可贸易品”——不是物理上运不过来，是制度上不让运。中国 AI 产业的瓶颈从“如何高效使用 CUDA GPU”变成了“如何在昇腾 CANN 上达到 CUDA 的效率”。学术研究（Du,2026）显示软件层 TFP 贡献了解释了 Token 成本下降的103.7%——这意味着软件生态效率差距（CANN vs CUDA）对 Token 成本的影响可能比硬件本身的差距更大。

中国的“NVIDIA税”没有消失——它被转移了。不再以“购买 NVIDIA GPU 的美元”的形式支付，而是以“国产芯片效率损失”的形式支付。后者比前者更难量化、更难通过市场机制解决。

15.2 私有部署的制度性需求——制度租的诞生

中国政企和国央企的数据必须留在本地——不能上公有云。这是具有法律强制力的制度约束，不是市场选择。它创造了两层经济后果：

第一层：一个独立的“工程服务”市场。帮地方政府和国央企”把算力变成AI”的工程服务，不被云厂商覆盖。硅基流动招股书提供了直接证据：同一家公司，公有云 MaaS 毛利率-119%，本地部署工程服务毛利率82.5–92.4%。中间的差距不只是商业模式的差距——制度性准入壁垒为能在本地部署 AI 基础设施的团队创造了一种“制度租”。

第二层：中国式科斯问题。科斯（Coase,1937）问“为什么会有企业”——当市场交易成本高于内部管理成本时，经济活动会内部化到企业。中国 AI 市场的科斯问题是：制度性的“不可上云”约束人为抬高了市场交易成本→地方政府和国央企被迫将 AI 能力“内部化”→但自己不具备运营能力→必须采购工程服务。这是一个制度扭曲创造的、不属于完全竞争市场结构的独立利基。

15.3 Token 的法定化——基础 Token 作为准公共品

国家数据局 2026 年 3 月将 Token 正式命名为”词元”，明确为智能经济法定价值锚点。信通院启动”高质量 Token 服务能力攀登计划”。运营商上线词元套餐（移动 5 元/月、电信 9.9–49.9 元/月）。无锡和汕头分别上线城市级“Token超市”和“词元全闭环工厂”。

用萨缪尔森（1954）的公共品理论来定义：基础 Token 正在从“私人品”（排他且竞争）向“准公共品”转变。对于私人部门在第一层（MaaS Token 套利）的商业模式，这是国家提前宣布了它们的死"亡日期。但对于在第二层和第三层用 Token 构建差异化价值的参与者，这是结构性的需求创造。

15.4 中国路径不遵循佩雷斯的”纯市场”剧本

佩雷斯的技术革命五阶段假设了一个相对自由的市场环境——金融资本在狂热期过度投资→泡沫破裂→制度重构→部署期。中国的 AI 基建走的是另一条路径：国家资本替代金融资本成为狂热期的主要驱动力（智算中心建设、运营商 Token 零售、信通院标准化）。这意味着”转折点”可能不会以硬着陆的方式到来——制度已经在主动构建，而不是被动等待泡沫破裂后再重构。

代价是：当算力资产的最终买家是政府时，低效率的算力可能被”僵尸化”——延缓而非加速算力从稀缺到充裕的自然进程。

十六、十个框架的政治光谱——为下一篇铺垫

本文使用了十个经济学框架。它们不是中性的分析工具——每一个都带着自己的意识形态底色和政治推断。列出这张表是为了下一篇文章的转向：从“利润分配”转向“组织与权力”。

十个框架，四种意识形态阵营：

·古典/马克思主义（李嘉图 + 马克思）——关注“谁剥削谁”，答案指向权力结构

·奥地利/熊彼特主义（熊彼特 + 佩雷斯）——关注“谁被谁取代”，答案指向创新节奏

·后凯恩斯/干预主义（明斯基）——关注“系统何时崩溃”，答案指向制度缺失

·芝加哥/新古典（奈特 + 贝克尔 + 库兹涅茨 + 科斯）——关注“个体如何最优决策”，答案指向激励和产权

从经济制度上，我们将会转移到组织形态以及意识形态，这就是“生产关系”要适应AI时代变革的问题——“你站在谁的立场上”！

第三篇文章将转向一个新的问题：基座模型公司在 AI 产业链上的组织形态和权力位置。它们是科斯意义上的”企业”还是”市场”？它们在产业链上的议价权来自技术能力还是制度卡位？当出口管制暂停 Anthropic 的 Mythos 5 模型发布时——这是国家安全问题还是数字主权问题？

第五部分：结论与演变

十七、三个命题及其可观测条件

本文用十个经济学框架分析了一个经验现象——AI产业链 79% 的利润流向芯片层。收束到三个命题：

命题一：租不会消失，只会换宿主（李嘉图,1817）

NVIDIA 今天的毛利率来自李嘉图租 + 垄断租的叠加——CUDA 制造了土地的稀缺性，台积电先进制程制造了供给的刚性，AI需求制造了需求的上涨。但 GPU 出货量三年从 200 万张翻到 500 万+，ASIC在 Google/Amazon/Microsoft 内部加速替代，开源推理框架在蚕食 CUDA 的软件锁。

租不会消失——它只会换一个宿主。下一个宿主可能是基座模型公司。Anthropic的 >80% API 毛利率是第一片租已经在那里沉积的证据。但熊彼特式的竞争意味着 Anthropic 不能躺着收租——任何一家的能力窗口都可能被下一代模型关闭。

可观测条件：NVIDIA毛利率在 2028 年前从 ~75% 降至<65%，同时 Anthropic 或 OpenAI 的 API 毛利率>85%——则租正在从 GPU 层向模型层迁移。

命题二：利润率均等化被暂停了，但不会永远暂停（马克思,1894）

同一产业链上——芯片层75%，模型层 Anthropic >80% 但 OpenAI -122%，基础 Token 层-119%。马克思预测的”利润率均等化”被狂热期暂停了。五次技术革命一致的规律是：狂热期结束后，利润率会经历一轮剧烈再平衡。再平衡的方式不一定温和——可能是费雪式的债务通缩（硬着陆），佩雷斯式的制度重构（软着陆），或熊彼特式的技术冲击（效率突破）。

库兹涅茨的产业结构变迁提供了一个补充视角：老产业不消失，但占比被新产业稀释。如果 AI 行业总投入从约 $4,000 亿膨胀到约 $8,000 亿，同时芯片层利润占比从 79% 降至 40%——NVIDIA 绝对利润仅降约11%，但下游总利润从约 $550 亿涨到约 $3,000 亿（约 5.5 倍）。这不是 NVIDIA “变穷了”——是下游从”几乎分不到”变成了”分大头”。

可观测条件：2028年前出现”芯片层毛利率下降 + 模型层第二家持续盈利公司 + 第一层 MaaS 公司持续出清”三重信号→利润率再平衡正在展开。

命题三：转折点一定会来，区别只在方式（佩雷斯,2002）

$8,000 亿/年 CapEx、$1,590 亿/五个月发债、CapEx增速远高于收入增速——历史上每一个狂热期末端都出现过类似的信号。转折点到来的方式决定谁在部署期获益：A软着陆、B硬着陆（废墟价GPU）、C主权托底（国家作为最后买家）、D效率冲击（软件替代硬件）、E Agent 爆炸（需求远超预期）。

答案不在经济模型中，在 Token 需求的二阶导数里。如果 Agent 在 2027–2028 年完成了从 Demo 到基础设施的质变——场景 E 压倒一切。如果 Agent 爆发比预期晚 3–5 年——场景 B-D 的某种组合。

关键观测点：2026年 8 月 26 日 NVIDIA Q2 FY2027 实际数据。如果毛利率从 ~75% 开始松动——佩雷斯转折点的信号将首次在财务数据中浮现。如果毛利率继续维持甚至上升——狂热期还在加速，转折点仍在未来。

#下一篇：基座模型的”中枢”命题——制度经济学与政治经济学的视角。 Anthropic 冲向万亿估值。基座模型的核心权力来源是什么——技术领先、生态锁定、还是制度卡位？科斯的”企业的边界”如何回答”模型公司应该自建推理还是外包”？当模型被纳入出口管制清单时，它在成为一种什么样的政治存在？