投资者内参丨马振阳 当美国科技巨头持续向人工智能投入数千亿美元时，一篇长达145页、约4万字的研究长文，近日在硅谷科技圈和投资界引发热议。 10月29日，彼得·蒂尔奖学金得主、AI创业者威尔·马尼迪斯（Will Manidis）与投资人乔·罗伯茨（Joe Roberts）联合发布长文《制高点》（The Commanding Heights），试图回答一个关系到万亿美元AI投资回报的问题：当人工智能越来越强大、越来越便宜，最终究竟谁能赚到最多的钱？ 两位作者提出了一个与当前AI投资热潮截然不同的判断：未来，人工智能可能成为吸引用户和商业活动的“免费赠品”，真正持久的利润未必属于开发大模型的公司，而可能流向那些控制AI分发渠道、商业交易网络和支付基础设施的企业。 按照报告援引的预测，2026年美国超大规模云计算企业资本开支可能达到约8000亿美元，2027年进一步突破1万亿美元。但与此同时，获得同等AI能力的成本正在以惊人的速度下降。 AI技术本身可能取得巨大成功，投入最多资金的企业却未必能够获得相应的投资回报。 值得注意的是，马尼迪斯曾创办医疗人工智能公司ScienceIO，2024年，该公司被美国医疗科技企业Veradigm收购，最初公布的现金交易价格为1.4亿美元。长文致谢名单中还出现了Palantir首席技术官希亚姆·桑卡尔、红杉资本合伙人拉维·古普塔等知名科技和投资界人士。 ▌万亿美元AI投资狂潮下，模型价格却持续下降 《制高点》首先呈现了AI产业正在发生的一组矛盾，一边是历史罕见的资本开支扩张，另一边是持续下降的智能使用成本。 报告指出，2025年，美国超大规模云计算企业资本开支超过4000亿美元，2026年预计达到约8000亿美元，2027年可能进一步突破1万亿美元。大量资金流向数据中心、AI芯片、服务器、电力和其他基础设施。 与此同时，训练最先进人工智能模型的成本也在迅速攀升。根据人工智能研究机构Epoch AI的数据，前沿模型训练成本的年增长倍数已从此前估算的约2.4倍上升至约3.5倍。2020年训练GPT-3的云计算成本估计约为460万美元，而按照相关增长趋势，2027年一次前沿模型训练的成本可能达到35亿美元，2028年进一步增长至100亿美元。 然而，模型越来越昂贵，智能本身却越来越便宜。Epoch AI的研究显示，自2023年以来，在五项主要能力基准测试中，达到同等性能水平的最低成本平均每季度下降约47%，相当于每年下降约13倍。 根据报告引用的安德森·霍洛维茨基金（a16z）2026年9月市场研究，以2025年12月1日为基期，截至2026年8月下旬，H100 GPU租赁价格上涨约49%，而使用量加权的Token价格指数却下降约7%。 GPU租赁价格上涨49%，Token价格指数下降7%。 新一代模型刚刚推出时，开发商能够凭借领先性能收取溢价。但随着竞争对手推出类似产品，以及算法和推理效率不断改善，这种溢价可能迅速消失。商品化模型的价格最终可能逐渐接近提供相应计算服务的成本。 巨额资本开支也开始对科技巨头的现金流形成压力。报告援引Epoch AI的预测，超大规模云计算企业现金资本开支的年增长率约为70%，而经营现金流的年增长率约为23%。按照这一趋势，资本开支可能超过经营现金流，并在2028年初之前形成累计约4600亿美元的资金缺口。 五大科技巨头AI资本开支或于2026年超过经营现金流 另一组来自Apollo Global Management的数据则显示，Alphabet、亚马逊、Meta和微软2027年的合计自由现金流预测，在一个月内被下调约870亿美元，调整后的预测接近零。 在传统资本周期中，投资回报率下降通常意味着企业减少新增投资。但AI产业可能有所不同：一旦企业停止投入，失去模型能力或基础设施上的领先地位，此前已经投入的巨额资本也可能失去价值。 对单个企业而言合理的资本配置，汇总到整个行业，却可能造成巨额资本损失。 ▌大模型或沦为“免费赠品”，万亿美元投资为别人做嫁衣 《制高点》最核心的判断，是对当前AI商业模式的重新审视。 目前，大模型公司主要通过API、订阅和企业服务向客户销售智能，并试图依靠不断增长的收入覆盖庞大的研发及基础设施成本。但未来的商业模式可能恰恰相反。 人工智能本身可能成为“Giveaway”，一种用来吸引用户和数据的“低价引流产品”（Loss Leader），利润则来自智能进入现实经济过程中必须经过的渠道。 这种商业模式与互联网时代存在相似之处。搜索引擎向用户免费提供信息，却通过广告系统获得巨额收入；互联网创造了大量免费服务，真正持久的利润却集中在少数拥有用户入口、商业网络和交易渠道的平台手中。人工智能可能沿着类似的路径发展。 目前的大模型产业仍然主要集中于模型研发、训练
