护城河、边际成本与电力：Ben Thompson的AI商业逻辑（下）

核心洞见

• 算力大宗商品化与繁荣-崩盘周期：当前算力短缺源于此前投资滞后，但算力本质将走向大宗商品化（如航运业或内存产业），价格由边际成本决定。随着2028-2029年新建算力集中释放，行业或面临资本耗尽与产能过剩的周期风险。
• 差异化路线的分化：前沿模型冲刺需要“宗教般”的信念驱动，而传统科技巨头更适合利用自身既有护城河（如硬件入口、云计算基础设施或既有商业化场景）来消化和赋能 AI，而非盲目卷入底层大模型的前沿训练。
• 应用层的真正闭环在商业场景：AI 变现的最大受益者依旧是能通过真实市场（如广告 A/B 测试闭环）快速验证生成效果并带来交易增量的平台，而非纯模型提供商。

核心公司看法

英伟达（NVIDIA）

• 短期算力霸主：受益于当前严重的算力短缺与大厂大规模资本开支，在 GPU 硬件与 CUDA 生态上占据绝对主导地位。
• 受制于供应链瓶颈：产能受限于上游晶圆厂（台积电等）较长的扩产周期。
• 长期面临大宗商品化与替代冲击：长期面临算力供给释放后的价格下行压力，以及各大巨头（如亚马逊自研芯片）推进去垄断化的挑战。

亚马逊（Amazon）

• 内部需求驱动创新：擅长先为自身庞大业务打磨基础设施（如 AWS、Graviton/Trainium 芯片、AI 客服），跑通规模后再对外出售。
• 护城河极深：实体物流与电商主业难以被 AI 大模型颠覆，AI 更多是为其核心主业直接降本增效。

苹果（Apple）

• 终端入口垄断：作为“聚合者”，凭借硬件与生态掌控用户入口，无需自研顶尖模型，按需采购 AI 能力或在端侧运行即可。
• 基因与范式风险：擅长追求确定性、高品质的硬件制造，但在需要概率性思维的 AI 领域并不占优；需防范过度依赖手机入口而错失泛在/环境 AI（Ambient AI）的风险。

微软（Microsoft）

• IBM 式中间件策略：不直接死磕模型最前沿，而是复刻 90 年代 IBM 路线，在企业旧系统与大模型间搭设稳定可信的中间件平台与咨询服务。
• 记录系统面临解构风险：尽管策略理性并保有充足现金流，但底层交互界面与文档/邮件等传统记录系统正面临 AI 工具（如 Cursor、Claude 等）的根本性冲击。

Meta

• 广告市场构成检验闭环：拥有全球最大的真实广告交易市场，可通过海量 A/B 测试直接验证并迭代 AI 生成素材与精准预测匹配，带来数十亿美元增量收益。
• 社交模式重塑：流量已被 TikTok 式的全网算法推荐重构；AI 时代若自制内容，利润率不及原本免费的用户生成内容，但人类对真实连接的需求回升可能让其重回社交本源。

OpenAI & Anthropic

• 信念驱动前沿：具备类似“宗教式”的狂热信念感，愿意承担最高风险去冲刺 AI 前沿，具备最大的上行空间。
• 商业落地压力：必须在庞大的算力投入与资本耗尽前尽快把商业化路径彻底跑通。