AI的钱不会消失，只会换地方流。这是这场闭门会最核心的一个判断，也是整个讨论框架的起点。
现场围绕一份2024年6月的报告展开——出自当时27岁的OpenAI研究员之手，题为《Situational Awareness》。报告在两年前预判了几条主线：算力成为核心战略资源、数据中心和电力成为真实瓶颈、AI代理逐步渗透高频商业场景。两年过去，这些判断大部分兑现了。但也有几个地方过于乐观：AGI时间表太激进；企业大规模付费采购的速度远比技术突破慢；自动化渗透需要解决的不只是技术，还有合规和法律责任归属这些组织层面的阻力——出了问题怪谁，这个问题一天解决不了，全自动化就一天落地不了。
这个框架的价值不在于它预言了什么，而在于它帮我们理解AI的利润是怎么流动的。
第一阶段：GPU独吃
过去两年，英伟达几乎吃下了AI算力爆发的全部红利。它本质上是一家芯片设计公司，把制造交给台积电，但定价权牢牢握在自己手里，毛利率惊人。算力需求超预期、训练和推理规模持续扩张、AI agent带来新的token消耗——这些都是英伟达的上行逻辑，市场已经把一个相当完美的未来定价进去了。
正因如此，现在持续重仓英伟达的收益风险比变得微妙。它是很好的公司，但最强的公司不一定是最好的投资。现场有人做了一个类比：苹果做AirPods之后，整个无线耳机市场的盘子变大了，苹果自己的份额被稀释了一些，但它并没有输。英伟达也不是零和博弈——不是说其他人起来了英伟达就完了，而是整个算力的蛋糕在变大，超额利润开始向更多节点扩散。
第二阶段：物理瓶颈扩散
这个阶段有几个具体方向值得认真对待。
台积电是现场最没有争议的标的。不管GPU、ASIC还是TPU，没有一种算力芯片能绕开它的代工。它是整条产业链里雨露均沾的节点——就像铁路时代卖铁轨的，不管哪家铁路公司跑出来，铁都是你的。地缘政治折价是它最大的压制，但客户分散性在持续提升确定性。三年维度的长期标的，不适合短线。
Broadcom的估值错误比台积电更大。很多人还在用网络芯片公司的框架理解它，但ASIC不是GPU的补充，它是GPU的替代品。谷歌TPU的内部占用率已经接近甚至超过30%，并且从2026年开始对外商业化销售——这是一个重要信号。随着各大云厂商陆续开始自研定制芯片，Broadcom是这波浪潮里最直接的受益者。建议等ASIC大客户订单确认后再追入，右侧建仓比蓄势阶段更合适。
SK海力士的逻辑很直接：GPU算得再快，内存跟不上，厨师就一直在那等着。高带宽内存是矩阵运算的真实瓶颈，没有HBM，GPU的算力大量闲置。估值已经不算低，弹性空间不如Broadcom，适合小仓位表达，严格止损。
CPU是现场提到的一个容易被忽视的方向。AI agent大规模跑起来之后，token消耗是单人对话的十到三十倍，任务调度复杂度暴增，CPU的需求会跟着飞。这个逻辑还没被市场充分定价，但好标的需要自己去找。
第三阶段：应用入口和生态锁定
2027年之后，利润会更多向工作流平台和云入口迁移。这个阶段的核心是：有平台才有生态，有生态才有支付闭环，支付闭环是最深的护城河。
谷歌是现场提到最多的长期标的。TPU内部占用率接近30%，说明它已经具备部分摆脱GPU依赖的能力；Gemini覆盖多模态；YouTube是天然的内容分发和变现入口；搜索有自然的支付生态。现场有人还补充了一个细节：科技七姐妹里，只有谷歌悄悄做了一条公链，不发币，只提供底层基础设施。这个动作几乎没人关注，但它说明谷歌的战略视野一直在布更长的局。相比之下，微软满脑子是卖office套件，Meta每隔一段时间就押注一个新概念，逻辑上没有谷歌这种系统性。太全能反而让市场低估了它，而这恰恰是机会。
一个横跳进来的方向：AI+医药
现场有做药企投资的人介绍了AI制药赛道，值得单独说一下。AI用在制药上，最直接的价值是压缩临床前研发时间——原来从化合物筛选到进入临床要8到10年，AI辅助之后理论上可以压缩到4到5年，同时节省数亿美元的人力和材料成本。省下来的主要是做晶体筛选的博士研究员的工作，这部分以前必须靠大量高学历人力堆。
目前这个方向在港股有两家公司——晶泰科技和英矽智能——都是近几年上市，还处于跟药企交换数据、打磨平台的早期阶段，多数还没进入稳定盈利期。但行业的逻辑是清晰的：AI的介入没有引发裁员潮，更多是让科学家先做初筛，再让AI过滤一遍，效率提升明显。这个赛道的泡沫程度远低于大模型层，还在相对早期。
软件股被误杀的问题
现场有人提到了软件股的困境，这个问题值得单独讲一下。AI一来，市场给所有软件公司来了一刀，不管三七二十一，估值腰斩。但实际上企业级软件的护城河比消费端高得多——企业换掉一套核心软件系统的成本和时间，远超个人用户换一个app。AI更可能做的事是让这些软件公司的人效变高，而不是把它们直接替代掉。
现场有一个很实在的观察：现在真正愿意给AI付费意愿最强的人群，是程序员。他们用Claude写代码、用AI工具摸鱼，这是已经形成习惯的付费群体。这说明AI的商业化不是没有，但它集中在特定场景，还没有漫到普通用户。全球可能有30%到40%的人在用AI，但真正付费的只有3%左右——这个差距本身就是机会，也是泡沫还没充分释放的信号。
一个更大的判断
有一个争议始终贯穿全场：AI现在是泡沫吗？
现场的分歧不在于AI有没有价值，而在于哪一层已经被过度定价。结论比较清晰：大模型层确实过热，供给超过需求，同质化严重，未来必然整合；但算力基础设施层还在早期，应用层更是几乎还没有开始。
这个结构和互联网泡沫破裂前后很像。很多公司破产了，但互联网没有消失，反而进入了云计算、电商、移动互联网的黄金年代。AI如果出现一次估值崩塌，那很可能是应用层真正爆发的起点——因为到那时，算力才会便宜到能支撑大规模商用。卖水果的阿姨也开始用AI优化进货流程，那才是真正的大规模商用，但那一天还没到。
美国和中国的AI逻辑是两套体系。美国是赌场，资本驱动模型竞争，赢家通吃；中国是工地，用低成本模型嵌入真实生产，完成交付，可复制性是核心。在美国充一块钱算力，和在国内用同样的钱，产出是完全不同量级的体验。两套贝塔，不能混着用一套框架判断。
最后一个判断：现在的AI，像1997年前后的互联网。谷歌1998年成立，2004年上市，2001年互联网泡沫崩了，但谷歌没有消失。现在最优秀的AI人才还全部在业界，没有成批流入学界——这是一个行业还在非常早期的信号。早期意味着认知积累比焦虑更值钱。
