文 |议史纪
编辑 |议史纪
AI 产业链上那一瓦电，已经从 6 美元一路滚到了 500 美元。
有人把它当“电费”，有人把它当“房租”，有人干脆当成“印钞机”，结果是同一度电，在不同人手里，是一杯咖啡的钱，还是一整年工资的差距。
现在的问题已经不是“AI 到底赚不赚钱”，而是：谁在赚钱，谁没资格上桌？

6 美元变 500 美元如今，AI 行业里最热闹的不是哪家模型多聪明，而是谁掌握了更多“瓦”。别看这个单位听起来冷冰冰，每 1 瓦背后，是一整条从沙子到现金流的产业链。
最上游是晶圆厂，按行业测算，大概 6 美元的设备投资，能支撑每年多产出 1 瓦的高端 AI 芯片算力。

这 6 美元本身赚不了什么响动，但它像第一颗多米诺骨牌，后面一路向下，每一环的利润只会往上加，不会往下减。
芯片做出来要进机房，进冷却系统，进光纤网络。等落到数据中心，一次性建设成本已经拉到每瓦 40～50 美元。
建完就好比盖了一座“算力厂房”，接下来就是长期收租。面向大客户签下多年的大合同，批发价一般是每瓦每年 10～15 美元，电费、运维扣掉，差不多 5 年左右回本。
如果不签长约，走零售、短约路线，价格直接抬到每瓦每年 25～40 美元。
这还没到利润顶层。模型公司租下这些算力，把它们变成模型训练和推理，最后变成各种 token、API 调用次数、企业方案。
以当前行业标杆的效率，一瓦算力一年能卖出 50～100 美元收入已经是现实数字。再往下，是真正的“食物链顶端”——重度使用 AI 的机构。

大型量化交易公司、广告优化平台、自动化客服体系，用同样一瓦算力，一年抠出 200～500 美元也不是神话，已经有头部机构在这个区间里运转。
合在一起看：起点 6 美元一瓦的设备投入，到终端 200～500 美元一瓦的业务变现，中间穿过晶圆厂、云厂商、模型公司、应用方，一路抬价接近 100 倍。
链条上几乎每一节都赚钱，但谁赚大头，一眼就能看出来——不是做设备的，也不是出场地的，而是最能把 AI 变成真金白银业务的那一小撮玩家。
同样是一瓦电，普通用户拿去生成几张图、写几段文案，省的是零花钱；顶级机构拿去跑模型，赚的是年终分红。

增量等于全部，几家公司吃掉地球“脑力”看利润结构只是热身，真正让人后背发凉的，是算力的流向问题。这两年，一个关键信号非常清晰：全球新增的高性能 AI 算力，正在快速向寥寥几家前沿实验室靠拢。

芯片每一代迭代，单瓦性能能做到前一代的 3～5 倍，新机柜一插上去，旧机房半层的“老瓦数”就被超过去了。
算力这个行业，存量看着很吓人，其实很多早期 GPU 已经接近“养老”，真正干重活的是最新一两代芯片。
这样一来，新部署的那一小撮增量，反而决定了谁才掌握了“大部分有效算力”。
近期的公开访谈里，半导体与 AI 分析机构 SemiAnalysis 的创始人 Dylan Patel 算过一笔账：到 2028 年，按当前投建节奏和已签合同推进，OpenAI 和 Anthropic 两家有望拿下全球大部分可用 AI 计算力，这个判断已经得到多家行业媒体反复引用。
这不是“拍脑袋”的预言，而是看得见的产业动向。OpenAI 一边对外说自己广告收入要在今年做到数十亿美元体量，一边持续签下多座多 GW 级别的数据中心合作项目，有外媒统计，到 2030 年前相关算力投资预期金额可以上升到万亿美元级别。

另一边，Anthropic 在 2026 年 6 月已经向美国证监会递交了保密版招股书，正式走上 IPO 轨道，目的之一就是继续筹资扩张算力。
两家公司一个靠产品订阅、企业方案和广告现金流“喂机房”，一个直接打开资本市场融资“喂机房”，方向都很一致：算力越多越好，晚拿一年就少一轮优势。
与此同时，全球数据也在证明，算力投资在整个科技投资中的占比，正在从“基础设施之一”变成“基础设施之首”，多家咨询机构给出的预测中，到 2030 年全球数据中心相关投资可能累积到数万亿美元级别。
更关键的，是算力被买去干什么。看起来，模型公司对外卖 API、给企业提供推理服务已经能持续产生现金流，但内部算力分配并不是“赚钱优先”。
行业内部公开的结构是：差不多一半算力被用来做研究，推理服务和正式大规模训练反而不是大头。

某头部实验室训练一代旗舰模型，用到的算力只有整体机房容量里的一小截，剩下大部分都花在反复尝试新架构、新训练方法上。
算力集中，研究优先，加上资本持续加码，这三件事叠在一起，构成了今天全球 AI 竞争的一个现实图景：谁先把未来 5～10 年的增量算力锁在自己名下，谁就有机会坐在新一轮全球产业分工的上游。
这个趋势，对任何一个大国来说，都不是可以忽视的小新闻，而是关乎数十年产业安全的大问题。

人类要抢的是“算力主权”如果一种“员工”可以全年无休、批量复制，只需要电费和折旧，那一家公司的员工总量，还需要上限吗？
人类自然增长的节奏，已经不再是上世纪那样的“人口红利”。但对 AI 来说，增长逻辑完全相反。

在那期引发热议的访谈里，有这么一组推演思路：如果前沿实验室的总算力能保持每年大约 4～5 倍的扩张，而算法效率每年再带来相当于 3 倍的节省，那么综合下来，能供养的“AI 劳动力”规模，就有机会以每年 10 倍左右的速度增长。
这时候只需要再加一个假设：未来某个时间点上，通用大模型可以完全独立完成一个白领岗位的全部工作，比如基础的程序开发、财务分析、法律文书初稿、市场研究等等。
当前来看，这个能力还没到，但各家对 AGI 的规划路线图里，这一层是写在明面上的。以这个假设为前提，算账就很直白了。
按行业里的粗略换算，1 GW（10 亿瓦）高性能算力，大约可以支撑 100 万个“AI 白领岗位”级别的推理负载。

OpenAI 和 Anthropic 这样的头部实验室，在 2026 年底如果确实能把算力建到 5 GW 这个数量级，那相当于一家公司名下已经挂着数百万名“全职 AI 员工”。接下来，只要保持每年 10 倍左右的综合增长：
1 年之后，是几千万；
2 年之后，是几个亿；
再往后几年，跨过几十亿并不困难。

由于平台规则，只有当您跟我有更多互动的时候，才会被认定为铁粉。如果您喜欢我的文章，可以点个“关注”，成为铁粉后能第一时间收到文章推送。