顶级PE合伙人做客斯坦福：AI浪潮下，资本究竟流向何方？
Altimeter Capital合伙人兼资深科技领域投资人Apoorv Agrawl近日做客斯坦福大学课堂，系统剖析了当下总额逾3000亿美元的AI产业价值链中"利润倒挂"的独特结构，并断言AI应用层若要冲破现有变现困局，切入广告赛道将成为本年度最具标志性的产业转折。
在这堂面向公众开放的讲座里，Agrawal以"AI浪潮中的资金究竟沉淀在了哪一层"为主线，展开了一番穿透式的产业解读。
在全球头部科技企业将天量资本砸向AI基建的大背景下，资本市场对AI能否真正跑通商业闭环的追问日趋尖锐。Agrawal将此轮浪潮定性为一场体量惊人的超级周期，并援引英伟达创始人黄仁勋的比喻——当下的数据中心建造堪称一座涵盖能源供给、芯片制造、电力互联及上层应用的"五层蛋糕"。
然而，摆在每一位出资人和一线从业者面前的灵魂拷问始终是："我们在算力采购和机房搭建上烧掉了巨额资金，但归根结底，你造出来的那些模型，究竟能不能转化为真金白银的经济回报？"
**3000亿美元蛋糕里的"倒三角"：七成半利润被芯片层截走**
回望过去二十五年间互联网、移动互联及云计算三波浪潮，其利润分配大致遵循经典金字塔法则——越靠近底层的基础设施环节利润越薄，越贴近终端用户的应用层则收割了最肥厚的回报。但眼下的AI版图却呈现出一幅完全翻转的画面。
Agrawal在课堂上毫不回避地指出，生成式AI的经济结构与早期云计算时代有着本质区别，它构成的是一个"倒三角"。为阐释背后的深层逻辑，他搬出了硅谷传奇投资人马克·安德森的经典论述加以对照："安德森讲'软件吞噬世界'，底气在于开发者可以把一份软件复制给千万用户，边际成本趋近于零，软件公司毛利率动辄80%乃至90%。可AI的游戏规则根本不是这样。"
造成这一分野的核心变量是算力开销。"AI产品每多服务一位用户都不是零成本的，背后要实打实地燃烧大量GPU算力，获取并留住一个AI用户的代价远高于传统软件。"据Agrawal估算，过去两年AI行业新产生的约3000亿美元营收中，"差不多有四分之三直接落入了半导体口袋；应用侧虽然实现了十倍以上的增长，但对整体利润池的撬动仍然有限。"
放眼整条技术链条，芯片层无疑是当前利润最集中的环节。他给出了一组颇具视觉冲击力的毛利率对照："数据中心这块业务的毛利率大概在75%附近，上下波动几个点。至于应用层，我个人的估算是0%到30%区间……落差非常悬殊，根本原因在于芯片层有一个近乎垄断级别的霸主——英伟达。"
**什么力量才能撬动这个"稳态"：自研芯片与资本开支风向标**
关于这套由英伟达把持底层、利润向上层层递减的"倒三角"格局还能延续多久，业界争论不休。Agrawal给出了个人判断："我倾向于认为，云端层面维持现状的时间恐怕比大多数人预想的更长，差不多十年光景。要抵达真正的动态平衡实在太棘手了。"
与此同时，他为听众圈定了两个最值得盯防的破局信号：
其一，超大规模云厂商在自研芯片方向上的实质性进展。"假如某家超大云玩家的ASIC路线跑出成果——不管是谷歌的TPU、Meta的MTIA，还是亚马逊、微软各自的方案——都可能打开局面。一旦出现质的飞跃，我预计芯片层将迎来一次剧烈的价格重估。"
其二，巨头资本开支指引的转向。"另一个值得紧盯的信号是各大云厂商的capex展望。我建议所有人都去翻翻最近的财报电话会纪要……一旦他们不再给出大幅上调的资本开支预期，很可能说明眼前这套均衡已经撑不下去了。"
此外，算力需求的结构性迁移同样不容忽视。目前英伟达出货的GPU中，大约六成服务于模型训练，四成承担推理任务。Agrawal判断，"随时间推移，推理端的占比会稳步攀升"，但推理工作负载天然碎片化且波动剧烈，这对硬件利用效率提出了全新挑战，也将深刻改写推理中间件赛道的竞争版图。
**应用层变现实战推演："我们不得不杀进广告"**
在离用户最近的应用侧，以ChatGPT为首的消费级AI产品正深陷"用户海量、变现低效"的两难。Agrawal亮出了一组关键数字：ChatGPT坐拥约10亿活跃用户——体量堪比Facebook起步阶段——但"其中约95%仍是白嫖党"。
横向对比当前互联网巨头的单用户年贡献收入（ARPU），差距一目了然："Alphabet覆盖约40亿用户，人均年创收约100美元；Meta约35亿用户，人均年创收约70美元。而站在AI应用最前排的ChatGPT，人均年创收仅约10美元。"
在基本排除"纯靠知识工作者付费订阅就能撑起万亿美元市值"这条路径之后，Agrawal亮出了自己对AI商业模式终局的押注："第二个绕不开的问题是：怎么把人均10美元拉到100美元？我不太确定光靠广告加订阅的组合拳就够。结论就是——必须正面进攻广告市场。"
在他看来，大语言模型天然赋予了广告投放一组稀缺优势："ChatGPT或Claude这类产品投出去的广告自带多重红利：定价更精准，因为它们真正读懂了你的意图；归因链路更清晰；用户信任门槛更低。"
尽管不少人对"在私密AI对话窗口里塞广告"持保留甚至抵触情绪，Agrawal将其类比回十年前业界对Facebook移动端广告一致唱空的旧闻。"我相信这会是今年另一桩重量级新闻，绝对是大事……我带着乐观的态度相信我们会找到解法，这将是对既有经济范式的一次重大跃迁。"
以下为课堂实录节选
Apoorv Agrawal 00:09
好，各位同学，接下来这段时间咱们就放轻松聊。我叫Apuvv，未来大约九个星期的课由我来带。
今天的议程是这样的：我先做个简短自我介绍，讲讲我为什么来做这件事，顺便交代一下课程节奏。对了，会有小测——没错，我就是那个第一天上完课就考你的人。然后我们会进入大家心心念念的那个核心话题：AI产业链上，钱到底赚在哪一环？
在座有些同学可能已经认识我了，知道我的职业轨迹最早始于印度。之后我去了新加坡，在那边结识了几位好友。大概十三四年前的样子，我和Sonil还有另外几位伙伴一起加入了Palantir，先后在不同工程小组待过，在政府机构里写了海量的Spark作业。后来实在写腻了，就回斯坦福念了个硕士。如今我在Altimeter负责一块业务。Altimeter是一家打法相当聚焦的投资机构，下设公开市场和一级市场两条线。半年前，我迎来了人生中一次意义非凡的"升职"——
Apoorv Agrawal 01:26
我当爸爸了。老话怎么说来着，这是我这辈子最大的一笔"投资"。有人开玩笑说这是唯一一笔确定会录得负内部收益率的交易，我倒觉得恰恰相反，这是唯一一笔确定能拿到正内部收益率的投资——当然，这里面的回报没法用财务报表来衡量。我家就住学校马路对面，有任何问题随时来找我，希望在这儿能给大家帮上忙。
另外还有一位非常出色的助教Chloe Fang和我一起配合教学。遇到比较棘手的题目，不妨多找她聊聊，别浪费了这次机会。
Apoorv Agrawal 02:06
课程安排尽量轻量：每周总投入控制在三小时以内，涵盖课前阅读材料，外加你拿ChatGPT琢磨作业所花的全部时间——课堂本身大约一小时，阅读预留一到两小时。
授课形式也很直白：从下一堂课起，每一期都会请一位外部嘉宾上台分享。按照查塔姆研究所的惯例，不少嘉宾讲到兴起时信息密度会非常高，甚至有点"溢出"，所以请大家务必不要录音。课后我们也会和几位嘉宾单独交流一……