“吃透当下，判明三年，算透五年”，这是业界对知名商业分析师 Ben Thompson 最新观点的高度评价。
当前，全行业正为模型自迭代（RSI）和智能体（Agent）狂热不已。作为 Stratechery 创办人及“聚合理论”提出者，Ben Thompson 在《Invest Like the Best》播客中，以冷静的经济学常识为这场狂欢算了一笔清醒账。
Ben 的视角之所以稀缺，不仅因其早年在苹果与微软的一线业务经验，更因他长期定居中国台北，对台积电、存储芯片及亚洲硬件制造拥有深厚的一手体感，摒弃了硅谷软件派“算力无限、万物皆代码”的傲慢与幻觉。
本次访谈深入剖析了大模型产业链的商业本质：从 OpenAI 复刻 Dropbox 的消费者变现困境，到台积电如何通过保守扩产将风险转嫁给巨头；从美国“赢下 AI”可能打破全球技术均衡的地缘博弈，到算力大宗商品化后的能源终局。
AI 到底是一门什么生意？
消费者不愿为软件付费，企业才是买单主力
Patrick 提问：你 2015 年提出的“聚合理论”解释了 Google、Meta 等平台如何控制互联网利润池。但 AI 存在真实推理成本，这套逻辑还成立吗？
Ben 指出，硅谷每十年需重新学习两个关于消费者的事实：第一，消费者不愿意为软件付钱；第二，消费者并不像想象中那样在乎生产力提升。
以 Dropbox 为例，其早期增长迅猛，但乔布斯曾直言其“只是一个功能，不是一家公司”。随后 Dropbox 经历停滞并重构底层逻辑，转向企业市场。因为消费者喜欢产品不代表愿意长期付费，而企业愿为员工效率提升支付 ROI 合理的软件费用。
OpenAI 的困境与广告模式的必然性
Ben 认为 OpenAI 正在将 Dropbox 的故事放大百倍。虽然订阅制有一定收入，但若想建立大规模消费者业务，必须重视广告模式。硅谷对广告存在“羞耻感”，但广告模式能解决“收钱难”的问题：订阅有价格弹性，而广告由广告主承担成本，终端用户免费，变现空间更大。
目前 OpenAI 一方面补齐广告业务，另一方面又争夺企业客户，定位略显模糊。更关键的是，AI 推理成本导致商业模式分化：普通查询成本低，而深度推理成本高。微软等巨头正面临从“按人头收费”向“按用量收费”的转变，这将迫使 CFO 重新审视每一笔支出，动摇传统 SaaS 的捆绑销售体系。
这门生意为何如此烧钱
资本期限错配与铁路狂潮的重演
针对上游高达数千亿美元的资本开支，Ben 表示担忧并非缺算力，而是“钱先不够”。随着自由现金流、债务市场乃至股票发行的耗尽，若收入增长与资本消耗出现时间差，可能引发金融冲击。
他类比 19 世纪 70 年代的铁路狂潮，指出核心问题是“期限错配”：修铁路需当下筹资，回报却在数十年后。但这并不意味着泡沫破裂后产业消失，铁路至今仍在贡献 GDP。因此，“AI 是真实革命”与“AI 形成巨大泡沫”可同时成立。
Google 的赌注：从利润率到绝对利润
Ben 引用巴菲特旗下的 See’s Candies（高毛利、低资本需求）与 BNSF 铁路（低毛利、高资本吸收、高绝对现金流）为例，指出资本体量足够大时，企业关注的是绝对利润而非单纯利润率。Google Search 类似 See’s Candies，但 AI 若对应全部白领工作及机器人领域，其市场规模将呈数量级增长，即便利润率较低，绝对利润依然可观。
中美 AI 博弈：最危险的不是落后
绝对优势可能带来地缘风险
若美国在 AI 军事能力及制造业上形成绝对优势，对手可能在优势形成前采取极端手段（如破坏台积电）。Ben 认为，这种单边压倒性优势对世界而言极其危险。
供应链依赖难以短期解除
尽管美国推动芯片本土制造，但其对中国供应链的依赖被低估。企业在正常商业环境下难以主动解除依赖，除非成本劣势变得不可承受。苹果将部分产能移至印度而非完全离开中国，即是出于成本考量。
动态平衡下的六至九个月差距
目前的格局是：OpenAI 和 Anthropic 居前，Google 位置待定，Grok 和 Meta 追赶，中国团队通过高效蒸馏工程保持约六至九个月的差距。这种平衡总体对美国有利。但随着“AI 改进 AI”阶段的到来，前沿加速可能导致追赶难度加大。Ben 强调，美国应保持开放生态与创新包容，而非走向封闭管制。
谁在替 AI 的投资周期承担风险？
台积电的风险转移策略
台积电谨慎扩产，旨在避免产能过剩长期压制资产负债表。它将“产能过剩风险”转移给 Google、Amazon、Microsoft 等巨头。这些巨头承担的并非直接亏损，而是因缺芯导致的“错失收入”。
算力稀缺意外拯救 Intel
过去使用 Intel 代工如同购买昂贵保险，但在台积电产能短缺时，这笔账变得划算。Intel 因此获得喘息机会。这体现了产业链中的“牛鞭效应”：终端需求的微小变化在上游被放大，制造商最怕在需求高点错误扩产。
AI 如何重写巨头价值链
Amazon：自身即最大客户
Amazon 的优势在于其内部业务是新产品的第一个大客户。AWS 和物流体系均遵循此逻辑。Trainium 芯片也是先在内部打磨成熟，再通过托管服务向外输出，降低了早期版本的市场阻力。
Apple：入口控制权与潜在危机
Apple 掌控用户入口，模型供应商需主动合作。但其风险在于是否将 AI 仅视为手机功能。若未来 AI 发展为无处不在的环境智能（Ambient Intelligence），iPhone 的中心地位可能受到挑战。
Microsoft：类似 IBM 的整合者角色
Microsoft 正扮演类似 90 年代 IBM 的角色，帮助企业管理不同模型、合规及数据，而非直接替换核心资产。但其面临的“生存焦虑”在于，Agent 可能重构人机交互层，削弱 Windows 和 Office 等传统 UI 的价值。
真正威胁英伟达是谁
算力商品化与隐性降价
Ben 认为算力长期将走向商品化。Nvidia 通过投资 NeoCloud、提供融资支持等方式，隐性降低客户成本并承担部分风险。这种“风险定价”实质是一种降价策略。
Google 与 Amazon 是最强竞争者
相比传统芯片公司，Google 和 Amazon 更危险。它们自研 TPU、Trainium，且不追求 Nvidia 般的高毛利，可将计算作为基础设施商品出售。凭借更低的资本成本，这场竞争本质上是资本战争。
CUDA 护城河变浅，电力成为关键变量
CUDA 仍是护城河，但随模型通用性增强，其壁垒逐渐减弱。Nvidia 的优势在于通用性与流动性。若电力成为瓶颈，高效芯片将获得溢价；但电力瓶颈来得越晚，云服务商自有芯片成熟的机会越大。
泡沫后的遗产：能源基础设施
正如互联网泡沫留下光纤、铁路泡沫留下铁路，AI 泡沫若能留下升级后的电网、核电等能源基础设施，将是极具价值的遗产。即便经历资本出清，这些基础资产仍将长期造福人类。
声明：本文为 AI前线编译，不代表平台观点，也不构成投资建议，未经许可禁止转载