普通人該如何從 AI 浪潮中獲利

大多數人認為 AI 就是聊天機器人。

我理解這種看法。你打開 ChatGPT，讓它協助修改郵件，它就能完成。這種體驗宛如魔法。你以為自己已經了解了背後的原理，但這其實就像在餐廳刷 Visa 信用卡後，便自認理解 Visa 的盈利模式。你只是使用了產品，卻沒看到完整的系統。

過去一年，我投入大量時間探索 AI 真正的資金流向。坦白說，我花了很久才意識到自己一直聚焦錯誤層面。我的目光總停留在 ChatGPT、Claude、Gemini 這些用戶可見的表層產品，而此時有 7,000 億美元正悄然流向那些我叫不出名字的基礎設施。那些我從未聽聞的晶片、各種封裝技術縮寫、冷卻系統、發電廠。如今，德州、愛荷華、海得拉巴都在大規模澆築水泥。

一年前，身邊沒人談論這些。現在，大家都在討論。

這篇文章篇幅較長。如果你暫時沒空，請先收藏再閱讀。我想帶你梳理完整的 AI 價值鏈——涵蓋每一層，從資料中心的電力供應到你手機上的應用。即使你從未讀過年報，我也希望你能看懂。

所有術語我都會解釋。每一個論斷都附有真實數據。對於尚未確定的部分，我也會坦誠說明，因為有些問題確實尚無定論。

讓我們開始。

I - 五層蛋糕（以及為什麼沒人談底下四層）

AI 是基礎設施。就像網路、就像電力，都需要工廠。——Jensen Huang

大多數人對 AI 的理解，大致就是：一台聰明的電腦可以回答問題。

這就像說「網路就是個看影片的地方」。雖然不錯，卻忽略了本質。

Nvidia CEO 黃仁勳於 2026 年 1 月達沃斯論壇上，將 AI 描述為五層系統：能源、晶片、雲端、模型、應用。他稱之為「人類歷史上最大規模的基礎設施建設」。

請認真思考「基礎設施」這個詞。公路、電網、水利系統，這些都是支撐文明運作的關鍵，只有出問題時人們才會關注。AI 正在成為這種存在——無形、不可或缺、建設成本極高。

我將其稱為 AI 堆疊（AI Stack）。五層結構，每層支撐上一層，資金在各層之間流動。

最簡明的版本如下：

1. 能源。需要大量電力驅動電腦。
2. 晶片。需要專用處理器執行運算，這不是普通筆記型電腦的 CPU。
3. 雲端。需要巨大的倉庫，塞滿晶片，並用高速網路連接。
4. 模型。需要真正的 AI 軟體，也就是能從資料中學習模式的「大腦」。
5. 應用。需要用戶實際使用的產品：ChatGPT、Google 搜尋、銀行的反詐欺系統。

所有只關注第 5 層的 AI 討論，實際上忽略了 80% 的內容。

如果你是投資者、創業者，或只是想了解世界趨勢的人，有一點很關鍵：資金並非在各層均勻分布，而是高度集中、複利效應明顯，且現階段多數人注意不到的地方正是資金聚集處。

II - 跟著資金走（它並不在你以為的地方）

所有人的注意力都在應用層。ChatGPT、Copilot、Claude、Perplexity，這些是你能直接接觸到的產品，所以你會覺得這就是全部。

但大家都忽略了關鍵。

2026 年，四大雲端廠商（亞馬遜、微軟、谷歌、Meta）全年資本支出預計在 6,500 億到 7,000 億美元之間。合計，一年之內。這大致相當於瑞士的 GDP。其中近 75%，約 4,500 億美元，直接投向 AI 基礎設施。

不是投向聊天機器人，不是投向應用，而是投向建築、晶片、電纜與冷卻系統。

這些話題沒人會在酒會上聊。這正說明資金就在這裡。

想想看。在你能用上 ChatGPT 之前，必須先建一個如購物中心般巨大的資料中心，塞滿數以萬計的專用處理器，用比大多數公司還昂貴的網路設備連接，然後每天供應足夠一座小城市用的電力。

這就是第 1 層到第 3 層。看不見的層面，也是大資金流向的地方。

「那 OpenAI 呢？他們不是賺了幾十億美元嗎？」

沒錯。OpenAI 到 2025 年底年化經常性收入達到 200 億美元，一年前是 60 億美元，再前一年是 20 億美元。兩年營收成長 10 倍，歷史上沒有哪家公司能做到。

但問題在於，OpenAI 2025 年大約燒掉 90 億美元現金，預計 2026 年現金消耗將達 170 億美元。他們的推理成本（即你向 AI 提問時實際運行的成本）在 2025 年達到 84 億美元，預計 2026 年會到 141 億美元。預計要到 2029 或 2030 年才能實現現金流轉正。

那這些燒掉的錢去哪了？

它們流向了堆疊底部。流向 Microsoft Azure（OpenAI 到 2032 年要將 20% 的總收入付給微軟）、流向 Nvidia 購買晶片、流向建設和裝備資料中心的公司、流向發電企業。

你多看幾遍，會覺得這幾乎是個閉環。微軟投資 OpenAI，OpenAI 把錢花在 Azure，Azure 用收入買更多 Nvidia 晶片，NVIDIA 業績創新高，大家齊歡慶，現金持續向下流動。

用戶主要在堆疊頂層，利潤主要在底層。這種錯位就是全部邏輯。

這就是 AI 價值鏈的第一個教訓：收入向上流，資本向下流。

III - 你其實看過這部電影

人類所有問題本質上都是工程問題，而工程問題都能被解決。——Buckminster Fuller

要理解 AI 現在發生的事情，最好先看看 1880 到 1920 年間電力的發展。

1882 年，Thomas Edison 在曼哈頓 Pearl Street 建了全球第一個商業發電站，當時人們認為電只是新奇玩意，只是照明的新方式。既然煤氣燈用得好好的，為什麼還要用電？

但 40 年後，電力徹底重塑了地球上所有產業——製造、交通、通訊、醫療、娛樂。最終勝出的公司不是發明燈泡的那些，而是建電廠、鋪銅線、造發電機的那些。

通用電氣、Westinghouse、公用事業公司、銅礦公司、建築商。

AI 也在上演同樣的劇情，只不過時間被壓縮成幾年，而不是幾十年。

AI → 資料中心 → 晶片 → 原材料 → 能源

電力 → 工廠 → 機器 → 原材料 → 煤/水

箭頭的走向幾乎一模一樣。贏家依然不是應用層，而是基礎設施層。

我稱之為「基礎設施引力」（Infrastructure Gravity）。每一輪新計算平台誕生，最早的財富都出現在「賣鏟人」手裡，應用層要等後面才發力。應用層新聞滿天飛，但基礎設施層才是利潤高地。

NVIDIA 2026 財年（截至 2026 年 1 月）全年收入 2,159 億美元，同比增長 65%。僅資料中心板塊，最後一季就做到 623 億美元，同比增長 75%。這個板塊現在占 Nvidia 總營收 91% 以上。想想看，一家公司單季 680 億美元收入，九成來自同一業務線。

TSMC 負責實際製造 Nvidia 晶片（以及幾乎所有其他晶片），2025 年拿下全球晶圓代工近 70% 市場份額，營收 1,225 億美元。三星僅占 7.2%。這種壟斷程度，連標準石油都要自愧不如。

基礎設施總是最先贏。問題只是這個窗口能開多久。

你隨便問誰網路革命是什麼，大家都會說 Google、Amazon、Facebook。如果問最早的錢是誰賺的，答案是 Cisco、康寧和鋪光纖的公司。故事換了主角，邏輯沒變。

IV - 你不願聽到的部分

股市的本質，是讓不耐心的人把錢轉給耐心的人。——查理·芒格

我要坦白一件事。當我剛開始關注 AI 投資時，犯了和大多數人一樣的錯誤。

我盯著應用層，看著 ChatGPT 用戶暴漲，看到 Anthropic 融資數十億美元，心想：AI 公司會贏，所以要投 AI 公司。

有三件事改變了我的想法，而且是按順序發生的，每一步都建立在前一步之上。

第一，我發現幾乎所有「AI 公司」都在瘋狂燒錢。OpenAI、Anthropic、Mistral、xAI，全都燒得比賺得快。這不是因為他們業務差，而是算力成本是結構性的。每次你問 AI 一個問題，生成答案都是真金白銀的花費。模型越聰明，算力需求越大，運行成本就越高。

你以為的「AI 勝者」，其實是花錢最多的。

第二，我發現基礎設施公司正以我自 Google 早期以來沒見過的高利潤大賺特賺。NVIDIA 毛利率穩定在 75% 左右。TSMC 需求遠超產能，擴產同時還能漲價。這些公司沒有「何時盈利」的問題，只有「我們根本造不出這麼多」的問題。這是完全不同的兩類問題。

第三，也是最讓我不適的，我意識到自己一直像消費者而不是工程師那樣看 AI。消費者只看應用，工程師看的是堆疊。

一旦你看清了堆疊，就再也回不去了。

每一次 AI 新發布，其實就是資本支出公告。每次模型升級，背後都是晶片採購。每個新功能，都是資料中心租賃。整個產業像同心圓，越往中心走，利潤越集中。

所以，也許你是關注 AI 模型的軟體工程師，也許你是 300 美元買入 Nvidia 的散戶投資者，想知道接下來該怎麼辦，也許你在印度遠觀這場革命，思考它和你投資組合有何關聯。

（或者三者兼具，這是最有意思的。）

無論你是誰，原則都一樣。消費者看產品，投資者看供應鏈，最優秀的投資者在產品出貨前就看清了供應鏈。

當然，這些話現在說起來很順，但其實我為此糾結了好幾週。SaaS 時代的「價值都在應用層」思維我花了很久才改過來。我一直想找「下一個 OpenAI」，其實該找的是 OpenAI 把錢付給誰。AI 在結構上和 SaaS 不一樣，算力需求太大，這一輪週期裡基礎設施層捕獲了更多價值。

理解堆疊會改變你看待每一條新聞的方式，改變你評估每一家公司的方法，改變你配置資金的策略。

我接下來會寫更多類似的內容，深入分析投資、AI 以及財富流動背後的系統。如果你不想靠演算法推送下一篇，最好的辦法就是關注並打開通知。

V - 投資者地圖：AI 堆疊分層詳解

文章有點長，我加快節奏。以下是 AI 堆疊每一層的具體拆解：發生了什麼，誰是關鍵玩家，投資機會在哪裡。

請繼續往下看。

第 1 層：能源

AI 資料中心對電力的需求極高。一次大型 AI 訓練消耗的電，能頂一個小鎮一年的用電量。預計到 2026 年，這些設施每年將消耗約 90 太瓦時電力，是 2022 年的 10 倍左右。

這帶來了非常直接的投資邏輯：誰能發電、輸電，並穩定供電給資料中心，誰就能受益。核電、天然氣、可再生能源企業，尤其是靠近大型資料中心集群的。還有有富餘產能的公用事業公司，以及建設電網基礎設施的企業。

黃仁勳在 2025 年 10 月指出：「資料中心自發電的進展可能比接入電網還快。」現在已有公司直接在資料中心旁建自有發電設施，繞過電網。這些科技公司基本上成了自己的公用事業公司。

受益方：公用事業公司（尤其有核電能力的）、獨立電力生產商、變壓器／開關設備／電力基礎設施製造商。在印度，隨著超大規模資料中心園區擴展到亞洲，電力設備及輸電領域的公司也將受益。

第 2 層：晶片

這一層最為人熟知，因為有 Nvidia。但遠不止一家公司的故事。

晶片層內部還有子層，競爭格局各不相同。最頂層是設計者——負責晶片架構的公司：Nvidia（GPU）、AMD（GPU 和 CPU）、Broadcom（定制 ASIC）、高通，以及越來越多的超大規模雲端廠商（Google 的 TPU、Amazon 的 Trainium、微軟的 Maia）。然後是製造商。TSMC 在晶圓代工市場占近 70%，三星第二，僅 7.2%。Intel 正在重建代工業務，但那是一個多年的計畫，結果尚未確定。

再往下是設備層——製造晶片的設備廠商。ASML 是全球唯一能生產最先進極紫外光刻機的公司。應用材料、Lam Research、東京電子與其並列。再下面是儲存（AI 模型需要大量高頻寬儲存，SK 海力士、三星和美光是三大玩家）和封裝（TSMC 的 CoWoS 等先進封裝已成真正瓶頸）。

這裡的集中度令人震驚。Nvidia 占 AI 資料中心 GPU 市場約 92%。TSMC 為 Nvidia、AMD、Broadcom、高通、蘋果等幾乎所有大廠代工。ASML 是地球上唯一 EUV 光刻機供應商。

一家設計，一家製造，一家造製造設備。這種集中度既是投資邏輯，也是地緣政治風險。我認為很少有人能同時把這兩點放在心上。

第 3 層：雲端和資料中心

晶片就住在這裡。超大規模倉庫，塞滿伺服器，透過高速網路連接，並用越來越複雜的冷卻系統（液冷已成標配）維持運作。

市場由三大雲端廠商主導：亞馬遜 AWS（31% 市場份額）、微軟 Azure（24%）、谷歌雲（11%）。甲骨文也在積極擴張，2026 年資本支出目標 500 億美元。

但雲端層遠不止這些巨頭。富士康（鴻海）現在組裝了全球約 40% 的 AI 伺服器。Arista Networks 和 Credo Technology（2025 年股價因高效能耗資料傳輸上漲 117%）搭建網路基礎設施。Vertiv 負責液冷。Equinix、Digital Realty 等資料中心 REIT 持有土地和建築。甚至還有人負責澆築混凝土。每一層都有自己的供應鏈。

據美銀估算，2026 年雲端巨頭將把 90% 的經營現金流投入資本支出，2025 年這一比例還是 65%。摩根士丹利預計今年這些公司將為建設資料中心舉債超 4,000 億美元，是 2025 年 1,650 億美元的兩倍多。第一次看到這個數字時我都愣住——一年內僅為建「電腦倉庫」就要發債 4,000 億美元。

第 4 層：模型

這是「大腦」層。負責訓練和建構 AI 模型的公司。

主要玩家有：OpenAI（GPT 系列，年化收入 200 億美元+）、Anthropic（Claude，2026 年初年化收入約 190 億美元）、Google DeepMind（Gemini）、Meta AI（Llama，開源）、Mistral、xAI（馬斯克的公司，開發 Grok）。

這層最有意思，也最不賺錢。OpenAI 收入增速前所未有，但 2026 年現金消耗 170 億美元。Anthropic 成長很快，但極度依賴巨額融資（2026 年初 50 億美元，估值 1,700 億美元）。

商業模式問題是結構性的：模型越好，算力投入越大，而投入成長快於收入成長。這有點像你開餐廳，每上一道菜都要更昂貴的食材，但顧客還希望價格不變。利潤率長期受壓。我不知道何時會改變，也許永遠不會。

對投資者來說，這一層高風險高回報。大部分公司未上市。公開市場能參與的機會主要是雲端廠商（微軟持有 OpenAI 大量股份，且 OpenAI 運行在 Azure 上）和晶片廠商（模型訓練消耗他們的產品）。

第 5 層：應用

這是你每天能看到的層。ChatGPT、Gemini 驅動的 Google 搜尋、Office 裡的 Microsoft Copilot、銀行的 AI 反詐欺、Netflix 推薦、手機照片增強。

應用層是最寬、最擁擠的。成千上萬的創業公司和巨頭都在這裡布局。未來總市場規模可能最大（有預測稱 2030 年初超 2 兆美元），但現在利潤率最薄，勝者歸屬最難預料。

這一層的核心壁壘在於資料。擁有獨特專有資料的公司將建立持久優勢。Salesforce 有企業 CRM 資料，彭博有金融資料，Epic 有醫療紀錄。擁有這種資料護城河的企業能對 AI 模型進行專屬微調，這是通用聊天機器人做不到的。

對投資者來說，應用層最終會誕生最大回報，但也是資金損失最慘重的地方。大多數 AI 創業公司會失敗，倖存者則會加速複利。

未來三到五年，最佳回報路徑大致是：現在投基礎設施，後面投應用。最聰明的資金已經提前布局。

最終能在第 5 層勝出的公司，是那些擁有別人拿不到資料的。而且它們大多還沒把自己叫做 AI 公司。

VI - 「這不就是泡沫嗎？」

投資者最大的問題，甚至最危險的敵人，很可能就是他自己。——本傑明·格雷厄姆

我來直面這個問題。

「那網路泡沫怎麼辦？不是一樣嗎？巨額基礎設施投入、不賺錢、全產業一窩蜂？」

好問題，需要認真回答。

區別在這裡。網路泡沫時期，企業在為尚未出現的需求投資基礎設施。他們鋪光纖、建伺服器，但用戶還在撥號上網。基礎設施建好了，需求 5 到 7 年後才到位，中間一切都被清算。

但到 2026 年，AI 需求已經來了。NVIDIA 晶片供不應求，TSMC 先進封裝產能售罄，雲端運算租賃價格上漲而非下跌。OpenAI 僅 2025 年 3 月到 10 月就新增 4 億週活用戶。模型在被使用，算力在被消耗，客戶在付費。

這並不代表沒有風險。風險非常大，我比想像中還常常思考風險。尤其有三點：

第一，資本錯配。2026 年企業在資料中心投入超過 6,500 億美元。如果 AI 服務收入成長速度不足以支撐這些投入，有些公司利潤率會嚴重受壓。亞馬遜今年自由現金流可能會轉負。沒錯，就是那個幾乎發明了雲端運算的亞馬遜。

第二，集中風險。AI 供應鏈高度集中。TSMC 生產全球近 70% 晶片，ASML 是唯一 EUV 設備供應商，NVIDIA 設計 92% AI 資料中心 GPU。任何擾動（地緣政治、自然災害、競爭）都可能影響整個堆疊。台灣新竹一場地震，全球 AI 發展就可能倒退數年。這一想法應該讓你感到不安。

第三，DeepSeek 問題。2025 年 1 月，中國 AI 實驗室 DeepSeek 發布了一個用極低訓練成本就能接近前沿性能的模型，挑戰了「投入越多 AI 越強」這個假設。如果開源與高效模型持續縮小差距，基礎設施投資邏輯就會變弱。我不認為 DeepSeek 讓邏輯失效，但它帶來了一個新變數，而這種變數不會輕易消失。

但我始終堅持這個架構。麥肯錫預計到 2030 年全球資料中心累計投資將達 6.7 兆美元。PwC 預計到 2030 年 AI 對全球 GDP 貢獻將達 15.7 兆美元。IDC 預計 AI 解決方案和服務到 2030 年累計影響 22.3 兆美元。

即便這些數字錯一半，這也是自網路以來最大規模的技術驅動經濟變革。問題不在於方向，而在於量級。

我常聽到有人說「我對 AI 持懷疑態度」，好像這是一種立場。沒問題，對模型持懷疑態度，對時間表持懷疑態度都可以。但不要對供應鏈無知。這是兩回事。前者是健康的理性，後者會讓你虧錢。

五年後，這一輪週期的勝者名字會變得顯而易見。每次都是如此。現在的遊戲，就是在大家還沒反應過來之前看清結構。

VII - 在正確的層玩對遊戲

把 AI 想像成一個五層疊加的電子遊戲。

第 1 關（能源）是新手教程。基礎、沒什麼光環，玩了基本不會輸。低風險、穩收益。就像那些永遠不死，但總給你發任務的 NPC。

第 2 關（晶片）是 Boss 戰。權力最集中、利潤最高，但也最容易被顛覆、地緣政治風險最大。回報巨大，但難度極高。

第 3 關（雲端）是多人伺服器。大家都在這裡。雲端巨頭是伺服器管理員，什麼都要抽成。

第 4 關（模型）是 PvP 競技場。競爭慘烈、創新極快，大多數玩家會被淘汰，只有裝備最強的才能活下來。

第 5 關（應用）是開放世界。無限可能，但沒有保底獎勵。你得自己找任務。

元策略很簡單。你沒必要五關全打。大多數人都選第 5 關，因為最顯眼。聰明資金現在都在刷第 2、3 關，因為這兩關 XP 最多。

你在堆疊的哪個位置，決定了你該關注什麼。

對非技術人士來說，你不需要懂 GPU 原理，只要知道有人得造它、有人得安置它、有人得供電。而這些「有人」都是上市公司，每季會公布業績。

對技術人士來說，你已經知道模型在變強。你可能低估了物理限制（電力、冷卻、封裝）正在成為最大瓶頸。未來十年 AI 的進步，勝負取決於工程而不是論文。

對投資者來說，AI 價值鏈就是五筆投資疊加，每層風險回報、週期和贏家都不同。把「AI」當成一個板塊，就像 1998 年把「科技」當成一個板塊。AI 內部最優和最差的結果差距極大。

這種情況不會永遠持續。基礎設施建設最終會成熟，應用層會整合，價值會像網路時代一樣向堆疊上游轉移。Amazon、Google、Facebook（網路時代的應用層）最終捕獲的價值超過了光纖和伺服器製造商。

但 AI 還沒到那一步。我們還在基礎設施階段，「賣鏟子」階段。而「鏟子」正源源不斷創造利潤。

理解整個堆疊的人，會在轉折發生前就看出來。其他人只會一次又一次對資金流向感到意外。

十年後，理解 AI 堆疊就像理解資產負債表一樣基礎。

學會堆疊，繪製分層，跟著資本走。

這就是遊戲。

~ Anish Moonka

免責聲明：

1. 本文轉載自 [AnishA_Moonka]，版權歸原作者 [AnishA_Moonka] 所有。如有異議，請聯繫 Gate Learn 團隊，工作人員將及時處理。

2. 免責聲明：本文僅代表作者個人觀點，不構成任何投資建議。

3. 本文其他語種譯文由 Gate Learn 團隊翻譯，除特殊說明外，禁止轉載、分發或抄襲譯文。