知名PE合伙人斯坦福授课：AI时代的资金究竟流向了何处？

Altimeter Capital 合伙人 Apoorv Agrawal 在斯坦福大学公开课中指出，当前 AI 产业呈现与传统互联网截然不同的“倒金字塔”盈利结构。在约 3000 亿美元的生态收入中，高达 75% 流向了毛利率约 75% 的半导体层；而应用层则受制于高昂的边际算力成本，毛利率仅在 0% 至 30% 之间。为破解当前单一用户每年仅 10 美元（ARPU）的低收益瓶颈，他断言 ChatGPT 等 AI 应用进军广告领域将是今年产业的重大突破口。

3000 亿美元的“倒金字塔”：75% 的收入流向了半导体

回顾过去 25 年的互联网、移动通信与云计算革命，其商业变现模式通常呈金字塔状——底层基础设施利润相对微薄，而顶层的应用端攫取了最丰厚的利润。然而，当前的 AI 生态却呈现出截然相反的形态。

Agrawal 在授课中直言，生成式 AI 生态系统与过去的云计算生态截然不同，它呈现出一个“倒金字塔”。对于这一现象的底层逻辑，他引用了硅谷知名投资人马克·安德森（Marc Andreessen）的观点进行对比：

“正如马克·安德森所说，软件吞噬世界，是因为我可以开发软件并将其分发给数百万人，而运行这些软件的边际成本接近于零，软件企业的毛利率高达 80% 甚至 90%。但人工智能的经济模式并非如此。”

这种差异的根源在于算力成本。“人工智能应用的增量用户并不是免费的，因为你需要消耗大量的 GPU 资源，拥有人工智能用户的成本要高得多。”Agrawal 指出，在过去两年 AI 行业新增的约 3000 亿美元收入中，“约 75% 都直接流向了半导体行业；应用业务虽然增长了十倍以上，但仍然没有产生太大的影响。”

在整个技术栈中，半导体层是目前最赚钱的部分。Agrawal 给出了极具冲击力的利润率对比：

打破“均衡态”的催化剂：巨头自研 ASIC 与资本支出拐点

针对这种由英伟达主导、底层拿走绝大部分利润的“倒金字塔”格局会维持多久，市场分歧巨大。Agrawal 给出了自己的预判：“我猜它在云端保持当前状态的时间可能会比我预期的要长，大约是十年。我感觉这种情况可能会持续更久，因为要达到稳定均衡状态实在太难了。”

不过，他也为投资者指出了观察这一格局可能被打破的两个核心催化剂：

云端巨头在自研芯片上的突破： 如果某个超大规模数据中心运营商的 ASIC 项目取得突破——无论是 Google 的 TPU、Meta 的 MTIA，还是亚马逊、微软的项目——都可能成为突破口。如果出现突破性进展，这将是该层级最大的重新定价。

巨头资本支出指引的变化： 另一个催化剂是超大规模数据中心运营商的资本支出（Capex）指引。如果各大巨头停止对资本支出做出大幅预期，可能意味着当前的均衡状态行不通了。

此外，算力需求结构的切换也值得高度关注。当前英伟达售出的 GPU 中约有 60% 用于训练，40% 用于推理。Agrawal 认为，“随着时间推移，推理任务的份额会逐渐增加”，但推理任务的工作负载极不稳定，这不仅将考验硬件的利用率，也将重塑中介层（推理中间层）的竞争格局。

AI 变现的终极猜想：“我们必须进军广告领域”

在应用端，以 ChatGPT 为代表的消费级 AI 正面临海量用户与低效变现的矛盾。Agrawal 分享了一组核心数据：ChatGPT 拥有约 10 亿用户（相当于 Facebook 早期的量级），但“约 95% 的用户都是免费用户”。

对比当前互联网巨头的单一用户每年收益（ARPU），AI 应用的差距显而易见：

[Alphabet] $100 / 年 (约40亿用户) 

[Meta]  $70 / 年 (约35亿用户)

[ChatGPT]    $10 / 年 (约10亿用户)

在排除了纯靠知识型工作订阅模式能撑起万亿估值的可能性后，Agrawal 抛出了他对 AI 商业化模式的终极预判：“第二个问题是：我们如何将每用户每年 10 美元的收益提升到 100 美元？我不确定单靠广告和订阅是否可行。答案是，我们得进军广告领域。”

他认为，AI 大模型在广告投放上具备得天独厚的优势：

更优惠的价格： 大模型能更精准地理解用户真实意图。

极佳的归因分析： 能精确追踪转化路径。

更高的信任度： 对话式互动建立起强烈的用户信任。

尽管市场对“在私人 AI 对话中插入广告”持悲观或怀疑态度，但 Agrawal 将其类比为十年前市场看空 Facebook 移动端广告的论点。“认为这将是今年另一个重大新闻，这绝对会是一件大事……我乐观地认为我们会找到答案，这将是对现有经济模式的一次重大突破。”