---
type: yt_article
date: 2026-05-22
source: YouTube
youtube_url: https://youtu.be/ODj7ndsKnts?si=i7_bW-x0sKuDhpSg
channel: "Stanford Online"
video_title: "Stanford MS&E435 | Spring 2026 | Economics of Generative AI"
tags: ["AI投資", "半導體", "生成式AI", "產業結構", "Altimeter"]
---

# AI 超級週期的經濟結構：價值為何持續集中於半導體層

> 原始影片：[Stanford MS&E435 | Spring 2026 | Economics of Generative AI](https://youtu.be/ODj7ndsKnts?si=i7_bW-x0sKuDhpSg) | Stanford Online | 2026-05-20

## 導言

這部影片記錄了史丹佛大學 MS&E435 課程的開場，授課教師 Apoorv 是 Altimeter 投資公司的負責人，曾在 Palantir 帶領工程團隊，擁有 13-14 年的產業經驗。這門課不是學術性的技術課程，而是從投資視角切入，試圖回答一個問題：在 AI 價值鏈中，錢究竟在哪裡？

過去兩年，整個 AI 產業投入了數千億美元的資本支出，但營收結構並未如預期般「正常化」。Apoorv 在課堂上展示的數據顯示，2022 年到 2024 年間新增的約 3,500 億美元營收中，有高達 75% 直接流向了半導體層，而應用層雖然成長超過 10 倍，仍未對整體結構產生明顯改變。這對投資人意味著什麼？是佈局晶片製造商的時機已過，還是應用層即將迎來爆發？

---

## 講者背景：從 Palantir 到 Altimeter

Apoorv 的職涯始於 Palantir，與 Sunil 等同事在政府大樓裡寫了多年的 Spark 程式碼。後來他回到史丹佛讀研究所，才「終於寫累了那些 Spark 程式碼」。現在他經營 Altimeter，這是一家專注於高度集中投資的機構，旗下有公開市場與私募市場兩項業務。

他對學生說：「一半的你們將來會創辦 AI 公司，另一半會投資它們。無論你屬於哪一邊，至少你得知道把那筆 A 輪資金投到哪裡去。」這門課的設計目標，是讓學生在五年後回顧時，能夠自信地說：「是的，我在 AI 浪潮剛開始時就看到了。」

---

## AI 價值鏈的「三角形」結構

### 為何不是雲端生態的形狀？

Apoorv 在課堂上展示了一張投影片，呈現當前 AI 產業的收入分佈。他指出，雲端生態經過十年的發展，呈現出相對均衡的結構，基礎設施、平台、應用各層都有顯著的營收份額。但 AI 生態目前呈現的是一個極度傾斜的三角形，基礎層（半導體、晶片、記憶體）佔據了壓倒性的份額，應用層的佔比遠低於預期。

他請學生提出解釋，第一個猜測是「產業還處於早期階段」。方向正確，卻不是全部的答案。

另一個學生的觀察更觸及要害：「可能是因為 Nvidia 擁有壟斷地位，所以能收取任何價格。」Apoorv 讚許這是個好觀點，並預告下週 Nvidia 代表來訪時可以進一步追問。

第三個學生點出了軟體與 AI 經濟模型的差異：「軟體吃掉了世界，因為我可以打造軟體、把它分發給數百萬人，邊際成本趨近於零。這些軟體業務能維持 80%、甚至 90% 的毛利率。但在 AI 的新經濟模型中，這種情況並不適用。」AI 應用的每一個新增用戶都不是免費的，你必須燃燒那些 GPU。Cursor 或其他大型 AI 企業即便達到數十億美元營收規模，仍可能處於虧損狀態。

### 雲端花了多少年才「翻轉」？

Apoorv 用 AWS 的歷史說明這個轉型需要多長時間：

「AWS 在 2004 年啟動，第一個客戶 Netflix 在 2010 年才加入。亞馬遜最終完全轉向 AWS 是 2012 年。從破土動工到完成轉型，花了八年。」

他回憶，當時華爾街最大的爭論是：「亞馬遜會破產嗎？」這與今天外界對大型科技公司 CapEx 支出規模的質疑如出一轍。到目前為止還沒有人真的面臨破產危機，但這些數字確實很大。

他因此預測，AI 產業的這個「三角形」結構可能會維持比雲端更久的時間，因為「底層的 substrate（基座）太難做到正確」。

---

## 盈利能力分佈：半導體層的暴利與應用層的掙扎

Apoorv 在課堂上直接回答了學生關於利潤分佈的問題：

「整個技術棧中獲利最豐厚的部分，是半導體層，而且遠遠領先。Nvidia 的資料中心營收毛利率約 75%，這個數字加減幾個百分點。」

應用層的營收毛利率大約在 0% 到 30% 之間，取決於不同的公司。

「從盈利能力來看，這個三角形甚至更加集中。」

把結構拉開來看：3,000 億美元中的大部分營收來自 Nvidia。應用層高度集中，前兩家公司就佔了 90%。基礎設施層是競爭最激烈的區塊，既有橫向的新創公司彼此競爭，也有來自 hyperscaler（大型雲端業者）從上往下切的壓力。

Apoorv 形容：「基礎設施層是新創公司新陳代謝率最高的地帶，有大量公司正在成立，也有大量公司被併購。我會說這是目前最競爭、但也是最不穩定的均衡點。」

### 訓練與推論的動態變化

關於什麼時候「三角形會翻轉」，一個學生提問：「唯一的翻轉方式是推論需求大於訓練需求。你怎麼看這個時間點？」

這是 Nvidia 財報電話會議上最受關注的數據之一。根據 Apoorv 的說法：「Nvidia 的 GPU 約 40% 用於推論，60% 用於訓練。」他預期這個比例會逐漸向推論傾斜，但無法給出具體時間表。

兩種工作負載的本質不同：

「訓練工作負載非常可預測，短期內能達到高利用率。推論工作負載則是爆發性的，通常在人類清醒時使用，直到 agent（智慧代理）接管為止，可能變成 24/7 運作。更難以預測。」

他開玩笑說，推論流量在聖誕節和感恩節期間會下降，「因為某些原因」。

---

## 應用層的成長困境：規模有了，貨幣化遠遠落後

### 消費 AI 的現況

Apoorv 展示的另一組數據凸顯了貨幣化的挑戰：

「消費 AI 目前最大的市場是 coding（程式碼撰寫）之外的領域，但使用率驚人地高。ChatGPT 的用戶中，大約 95% 是免費的。」

當 DeepMind 的 Demis Hassabis 宣佈 Gemini 不打算以廣告作為營收模式時，這引發了一個問題：這些 AI 企業最終會有多大？他比較了最大的消費型 franchise：

- 30 億用戶級別：WhatsApp、Chrome，接近「必需品」，沒有它們幾乎無法正常生活
- 15-20 億用戶級別：Instagram、TikTok、Facebook，社交屬性強，有網路效應
- 較小眾的主流消費品：Amazon、Spotify、Twitter，特定用途，但並非所有人都需要

「ChatGPT 目前處於什麼位置？它才剛剛超越了小眾應用的類別。Gemini 還沒有。」

他進一步量化了這個鴻溝：

「Alphabet 約有 40 億用戶，每位用戶每年貨幣化約 100 美元。Meta 約有 35 億用戶，每位用戶每年約 70 美元。ChatGPT 約有 10 億用戶，每位用戶每年僅 10 美元。」

### 兩個待解的問題

Apoorv 點出了 AI 貨幣化的兩大挑戰：

「第一個問題：我們如何把用戶數從 10 億擴大到 40 億？我不確定知識工作（knowledge work）是答案。ChatGPT 目前還不是一個你和別人訊息往來的場所，它不是你的 email inbox，也不是你獲取文件的工具，它是一個你需要主動提問的地方。」

「世界上會主動向科技提問的人，並不是所有上網人口的全部。全球約有 80 億人，其中 40 億上網。」

「第二個問題：如何把每位用戶每年 10 美元提升到 100 美元？我不確定廣告模式或訂閱模式能單獨承擔這個任務。我懷疑我們最終需要進入廣告領域。」

他解釋，ChatGPT 能夠提供的廣告有機會比現有平台定價更好，因為「用戶已登入、意圖明確、歸因精準、信任度更高。」

他預言：「這將是今年另一個重大頭條。你在這裡最先聽到這個預測。理解廣告模式可能蘊含大量 alpha。十年前 Facebook 上市的時候，很多做空報告說，這些廣告在手機上沒用，因為手機螢幕空間不夠。後來我們在手機上找到了空間。」

---

## 垂直整合：誰能笑到最後？

一名學生問：「歷史上有沒有真正垂直整合的成功案例？這會如何改變力量平衡？」

Apoorv 的回答：

「網路超級週期中最大的贏家可能是 Google，市值約 3 兆美元，在搜尋市場佔有率接近 99%。它是一個非常垂直整合的選手，從自己的伺服器到搜尋到廣告再到用戶體驗，全部一手掌握。」

「行動網路的贏家是 Apple，市值約 2.5 兆美元。」

「社群媒體贏家是 Meta，市值約 2 兆美元。它們沒有那麼完整地垂直整合，結果可能失去了一兆美元市值，因為它們沒有完整滲透到伺服器層。」

「雲端時代則相對異質化。我們沒有單一贏家，而是 AWS、GCP、Azure 三大家寡頭壟斷。它們都沒有完全垂直整合。」

他指出 Nvidia 正在積極嘗試各種垂直整合策略，包括 DGX Cloud（進軍雲端生態）以及一系列垂直應用程式。但這個方向能否成功，仍是未知數。

### 晶片新創的客戶困境

另一個尖銳的問題來自想創業的學生：「如果 Google、AWS、Nvidia 都在自研晶片，OpenAI 也在找 ASIC，傳統的晶片新創還有空間嗎？」

Apoorv 說：「這個市場有 3,000 億美元的營收可以爭奪。但根據 Jensen 在財報電話會議上披露的數據，大約有一半是來自大型 hyperscaler。」

「如果你今天要創辦一家晶片公司，你的客戶形狀會是少數幾筆非常大的訂單，這與消費品或企業軟體的創業模式完全不同。如果你想創辦晶片公司，你的首要考量應該是：五巨頭（hyperscaler）中，你打算先賣給誰？」

---

## 何時翻轉？時間軸的判斷框架

整堂課最直接的問題，由一位學生提出：「如果成功的話，這個三角形應該會翻轉。但如果新技術失敗了，它會維持三角形。如何預測哪種情況會發生？」

Apoorv 坦承：「我認為 AI 不太可能是個一時風潮，不太可能是一個失敗的嘗試。這個判斷我是很有信心的。」

但他也承認：「我經常思考這個產業的穩定均衡是什麼形狀。我曾在 Twitter 上和一位非常聰明、對這個問題思考很深的人辯論過。我的猜測是，它維持這種形狀的時間可能比我原先預期的更長。」

他提出兩個潛在催化劑：

「第一，如果某個 hyperscaler 的 ASIC 計畫，Google 的 TPU、Meta 的 MTIA、亞馬遜、微軟、OpenAI，或是我們甚至不知道存在的實驗室，出現突破性的成功，我認為那將是該層最大規模的重新定價。」

「第二，如果 hyperscaler 停止對 CapEx 給出巨額指引，這意味著當前的均衡模式運作不下去了。這就是為什麼 hyperscaler 的 CapEx 指引會成為新聞頭條。」

他對學生說：「我們確實認為翻轉會發生，我們認為這遲早會到來，但它發生的速度遠遠不夠快。是 5 年、10 年、15 年，還是永遠不會？我們的內部答案是：會發生，但時間比多數人預期更久。」

---

## 結語

Apoorv 整堂課反覆回到同一個圖表：AI 產業的營收三角形在兩年間幾乎沒有改變形狀，即便總體規模成長了五倍。GPU 必須燃燒、訓練成本高漲、每個新用戶都有邊際成本，這些物理限制讓 Nvidia 的 75% 毛利率與應用層的 0-30% 毛利率之間的鴻溝短期內難以彌合。雲端生態花了十年才翻轉成健康的結構，AI 的底層基座難度更高，他預計需要更長時間。

消費 AI 的貨幣化是另一個懸而未決的問題。從 10 億用戶到 40 億用戶，從每人每年 10 美元到 100 美元，這兩個跨越都需要超越現有的知識工作場景。Apoorv 押注廣告模式最終會成為解答，但如何在一個「非常私人對話」的環境中安插廣告，沒有人知道答案。