洪灝×拉斯·特维德重磅发布：钱在加速涌向这些地方！

据Crunchbase更新后的统计，2026年第一季度全球风险投资总额达到约3000亿美元，同比和环比均增长超过150%；其中，人工智能企业获得约2420亿美元，占总额约80%。

OpenAI宣布完成承诺资本总额为1220亿美元的一轮融资，Anthropic与xAI则分别完成300亿美元的G轮融资和200亿美元的E轮融资。OpenAI另据集邦咨询（TrendForce）8月发布的预测，全球九大云服务商2026年合计资本支出预计同比增长约90%，超过8867亿美元。

钱在以前所未有的速度涌向AI。但资本从来不会均匀分布，它总在寻找稀缺性最强的地方。这些钱最终流向哪里，又会停留在哪里？

知名经济学家、莲和资产管理公司管理合伙人洪灝与《逃不开的经济周期》《超级趋势》等畅销书作者拉斯·特维德联合发布了一份《聪明钱去哪儿了？全球人工智能生态系统经济图谱》报告。

点击上方图片免费领取报告

这份报告从当前的算力瓶颈，到未来的应用层，再到那些无法被机器复制的稀缺资源来追踪钱的流向，也为我们梳理出了AI经济趋势信号。

卡住AI的不是需求，而是一条实体瓶颈链

目前限制人工智能行业发展的似乎是供给，而不是需求。Epoch AI估计，按照当前价格计算，人工智能推理需求每年增长约10倍；与此同时，如果以最终到达用户的Token数量衡量，全球推理供给每年只增长约3.4倍。如果这一估算大致准确，需求的增长速度接近供给的三倍。

这些供给约束彼此相连，形成了一整条瓶颈链。GPU仍然稀缺，高带宽存储器和先进封装已经成为严重瓶颈，电力、变压器、涡轮机、电网接入、网络和冷却能力也越来越成为限制因素，数据中心同样供不应求。瓶颈能够创造利润，但瓶颈不能被误认为持久的护城河。

讨论AI热潮的风险时，各种瓶颈经常被当作负面信号。但从经济角度看，这只是故事的一半。瓶颈同时也会保护那些控制稀缺产能的企业的经济利益，因为价值链任何一个位置发生短缺，都可能在其下游制造稀缺。

其中最主要的约束来自一系列高度专业化的实体瓶颈，先进封装尤其重要——相关产能实际上已经售罄至2027年年底；高带宽内存也存在严重短缺，最先进的HBM产量在2026年已经全部分配，2027年也基本被预订。

需要特别关注的是，利润池会发生转移。今天半导体行业的超高利润，部分来自供给无法像需求一样快速扩张。但高回报会吸引资本，资本会创造新的产能，而新增产能最终又会削弱稀缺性。科技发展史上，这一过程反复出现。

因此，对投资者而言，真正需要思考的不只是“利润在哪里”，还包括“创造这些利润的稀缺性究竟能够维持多久”。

利润正从模型流向应用

“聪明钱”正在大规模押注AI，而且越来越多地流向AI产业的边缘领域。本报告追踪的风险投资信号中，大约一半已经直接或间接受到AI驱动。在风险投资和流动性市场中，投资信念最强的领域集中于稀缺基础设施，包括算力和电力，以及应用、机器人和自主系统。

智能将逐渐由集中式AI工厂向边缘迁移。数据中心仍会继续扩张，但强大的模型将越来越多地运行于服务器、个人电脑、智能手机、机器人和自主机器之中。到2050年，数千亿个AI智能体可能与数十亿台智能实体设备同时运行。

随着智能变得充裕，稀缺性以及利润可能逐渐向应用和终端用户一侧移动。竞争优势将越来越少取决于谁拥有最聪明的模型，而更多取决于专有数据、客户关系、工作流程、分发渠道、品牌、网络效应和生态系统。

因此，模型排行榜的重要性可能下降，生态系统中的位置则可能变得更加重要。OpenAI可能发展为个人AI平台，Microsoft可能成为企业AI操作系统，Google可能成为知识平台，Anthropic可能成为企业智能平台，Meta和Tencent可能成为消费者分发平台，而DeepSeek则可能扮演类似Linux的角色。这些情景展示了未来可能出现的不同类型护城河。

点击上方图片免费领取报告

利润池的迁移：

从算力一路滚向无处不在的智能

随着硬件产能增加、智能成本下降，经济价值可能逐渐向产业链下游转移，从芯片和基础设施流向模型、智能体、应用、专有数据、工作流、分发渠道和客户关系。因此，人工智能的商业化可能经历几个彼此重叠的经济阶段。

2026年起进入应用阶段，随着推理规模扩大，利润逐渐从原始算力转向模型、智能体、编排层和分发渠道；

2028年起进入具身阶段，人工智能通过汽车、机器人、无人机和智能机器进入实体经济；2030年起进入解决方案阶段，企业越来越多地购买已经完成的工作成果，而不仅仅是软件工具；

2035年起则进入泛在智能阶段，人工智能逐渐由一个独立行业转变为基础性设施，重新组织医疗、金融、制造、物流和生物技术等产业。

由此可以得到关于“聪明钱去哪儿了”的一个更宏观结论。最初，稀缺性会给瓶颈环节带来高额回报；随后，资本投入开始消解这些稀缺性，瓶颈逐渐消失，利润向应用层迁移；最终，相当大一部分价值将以生产率提高、产品改善和价格下降的方式流向企业、消费者乃至整个社会。

这也带来了最后一个悖论。随着机器智能变得充裕，稀缺性可能只是转移到了其他地方，而价值也会随之转移。人类可能越来越集中于那些真实性、信任、关系、领导力、手艺、文化、娱乐和个人在场感尤为重要的活动，因为这些东西无法以完全相同的方式被机器复制或大规模生产。于是，两种经济可能同时扩张：一种是规模庞大、成本不断下降的超智能机器经济；另一种则是围绕真实性、关系与体验形成的人类热情经济。

AI不是行业，是底层技术基础

推动AI革命的企业中，有许多极其聪明的人，他们对于自己所在市场的判断当然值得关注。但如果希望得到一个更加中性的信号，观察那些可以把资金投向任何领域、完全没有义务投资AI的投资者，可能更具有启发性。

这里所谓的“聪明”，指的是那些长期以来能够较早识别重要技术和企业、成功实现投资退出，并在多个投资周期中反复取得类似成绩的投资者。

他们实际上把资金投向了哪里？他们对AI是乐观、悲观还是中性？如果他们看好AI，这种信念究竟有多强？在整个AI生态体系中，他们又更青睐哪些部分？

这一格局显示，AI投资周期正在发生重要变化。第一轮大规模浪潮主要围绕芯片、基础模型和数字应用展开，而正在形成的新一轮浪潮则扩展到机器人、半导体、能源、国防，以及让机器智能能够进入现实世界的实体基础设施。

总体而言，“聪明钱”目前似乎最看好AI价值链的两个端点，一端是使机器智能成为可能的稀缺实体资源，另一端则是机器智能最终创造经济价值的应用和机器。如果这些投资者实际上是在为数年后的经济结构下注，那么这一信号十分鲜明。

“聪明钱”似乎越来越不把AI视为一个独立的科技行业，而是把它视为一种正在向经济体系大部分领域扩散的底层技术基础。

点击上方图片免费领取报告

钱正加速涌向机器人与实体AI

在风险投资与创业孵化领域，这一信号十分明显。Y Combinator正在大规模引导创业者进入由AI驱动的经济领域，即使其中一些机会并没有被明确标记为AI。

四个重点主题直接涉及AI原生企业应用，其他主题则把 AI 延伸至半导体、医疗、农业和智能体基础设施。尤其值得注意的是“AI原生服务公司”和“SaaS挑战者”——其潜在含义在于，AI可能不仅仅是改善现有软件和服务企业，还可能逐渐挑战这些企业原有的底层商业模式。

风险投资基金通常比加速器稍晚进入创新周期。即使还没有把半导体、能源、网络安全、国防以及其他类别中大量4隐含的AI敞口计算在内，这些直接AI类别已经占全部投资信号的大约4%。本报告认为，可以合理推断，目前大约一半的领先风险投资信号已经直接或间接受到AI驱动。

投资规模告诉我们“聪明钱”今天在哪里，而投资动能则告诉我们它正在向哪里移动。所有主要直接AI类别相对于整体风险投资市场都在获得份额。基础模型、AI基础设施以及横向和垂直AI应用的动能指数都为1.23～1.24。最突出的是机器人与实体AI，指数达到1.73，意味着本报告追踪的投资者在这一领域的投资活动，正在以明显快于整个风险投资市场的速度扩张。风险投资市场显然已经开始为实体AI的起飞进行布局。

除了追踪领先风险投资者实际把资金投向哪里，本报告还利用AI分析这些投资者对于投资市场和新兴技术的公开观点。

其中一个主题明显占据主导位置。AI应用与智能体占全部测量关注度的25%，大约是排名第二类别的两倍；AI基础设施以12%的关注度位居其后；再往后是稳定电力，占11%。值得注意的是，投资者对稳定电力的部分兴趣，本身也是由AI基础设施迅速增长的用电需求推动的。

价值链拆解：

稀缺性与定价权一步步移向下游

当前价值链最重要的经济特征，在于需求可以按照数字技术的速度增长，而供给只能按照工业建设的速度扩张。晶圆厂、发电厂、电网、变压器和矿场都需要数年才能建成，由此形成一条不断迁移的瓶颈链条，从GPU和高带宽内存，延伸至先进封装，并越来越多地转向电力和电网基础设施。

AI利润池的迁移可以拆解为五个依次展开的阶段。

第一阶段自2026年开始，核心是算力稀缺；

第二阶段自2028年左右开始，核心是智能商业化，另一个庞大的利润池开始围绕智能本身的商业化形成；

第三阶段自2029年左右开始，核心是具身智能，AI通过自动驾驶汽车、人形机器人和专业机器人、无人机以及智能工业机械进入实体经济；

第四阶段自2030年左右开始，核心是自主企业，企业购买的将越来越不是单独的软件工具，而是能够自主完成业务活动的能力；

第五阶段自2035年左右开始，核心是无处不在的智能，AI作为一个独立产业的存在感可能逐渐降低，转而成为类似今天电力、数据库和互联网的基础性经济设施。

这一演变可以简化为一条路径：算力 → 智能 → 自主工作 → 实体工作 → 无处不在的智能。

每进入一个阶段，经济重心都会进一步向价值链下游移动。因此，真正重要的投资问题并不只是AI能力在哪里进步最快，而是稀缺性下一步会迁移到哪里，以及定价权和持久利润会随之流向哪里。

前沿AI实验室正在积极建立自身的护城河。客户越来越不是为原始Token 本身付费，而是为完成的任务、可靠的结果和实际交付的工作付费。

因此，AI定价的相关基准正在从生产智能的成本，转向被替代的人类劳动价值，并最终可能进一步转向那些人类在经济上根本无法完成的成果所具有的价值。

持久价值：

最大的财富不在卖智能，而在用智能

今天正在进行的投资规模，为未来AI经济可能达到的体量提供了一些线索。Goldman Sachs估计，2026—2031年全球可能累计投入约7.6万亿美元建设AI基础设施。然而，这基本上只是建设AI经济实体基础所需要的成本。

关于成熟AI经济可能达到的规模，SpaceX的投资者材料给出了目前公开资料中较为大胆的一项估算，其提出的AI总潜在市场规模达到26.5万亿美元。在这一情景中，基础设施在成熟AI市场中的占比不到十分之一，接近86%的市场规模最终来自企业应用。基础设施使这场技术革命成为可能，但更大的经济机会最终可能来自把智能真正应用于工作。

如果智能本身变得越来越充裕，投资者面对的核心问题也会随之改变。判断今天哪一个模型稍微更聪明的重要性可能下降，更重要的问题将变成哪些企业能够把智能转化为持久的竞争优势。

前沿模型之间的性能领先可能迅速缩小，也可能随着每一代新模型发布而不断轮换；相比之下，客户关系、专有数据、开发者生态系统、企业集成、基础设施和分发能力往往更难复制。

历史上，技术进步往往通过更好的产品、更高的生产率和更低的价格，把巨大的经济利益转移给技术使用者。William Nordhaus曾估算，1948—2001年美国非农商业部门的技术创新所创造的全部社会剩余中，创新者自身最终只获得约2.2%，这意味着绝大部分收益最终流向了经济体系中的其他参与者。

没有理由认为AI一定会复制完全相同的分配比例，但这一研究揭示的基本逻辑仍然重要——变革性技术创造的财富，完全可能远远大于直接供应这种技术的产业自身所获得的利润。

点击上方图片免费领取报告

终局答案：

钱现在卡在上游瓶颈，最终流向“智能+稀缺”

由此会产生一个看似矛盾的结果。AI企业正在竞相让智能变得能力更强、供给更多、价格更低。如果它们取得巨大成功，智能本身最终反而可能不再是一种特别稀缺的资源，而市场最终奖励的恰恰是稀缺性。

AI的经济演进因此可能从GPU和数据中心开始，经过模型和AI智能体，进入自主企业与机器人，最终延伸到远远超出今天所谓“AI行业”的经济领域。

最初，稀缺性使价值集中于上游瓶颈，随后大量投资开始攻击这些瓶颈。随着供给增加，利润会进一步迁移到模型、应用、客户、工作流程和分发渠道；而在智能最终变得无处不在之后，价值还会再次流向那些仍然难以复制的资源。因此，AI时代最大的财富最终可能并不是通过出售智能本身获得，而是来自把越来越廉价的智能与真正稀缺的东西结合起来。

AI还可能引发第二种不那么明显的变化，即提高那些本身并不会因为AI而大幅增加供给的资产价值。随着机器智能变得充裕而廉价，土地、原材料、人的注意力和真实体验等无法轻易规模化扩张的资源，会在相对意义上变得更加稀缺，也可能变得更加有价值。最终，拥有本质上稀缺的资产，甚至可能比生产智能本身获得更高的经济回报。

这或许也是本报告所提出问题最重要的答案。钱在哪里？

目前，大量利润正在围绕制造智能所必需的瓶颈积累。

随着时间推移，本报告预计这些利润会逐渐迁移到那些能够把越来越充裕的智能转化为有价值应用的企业。而在更长的时间尺度上，AI所创造的大量财富可能最终离开AI行业本身，以更低的价格、更高的生产率、新产业、更丰富的体验，以及今天甚至还没有名称的新可能性出现在整个经济体系之中。

文中内容仅为报告《聪明钱去哪儿了？全球人工智能生态系统经济图谱》信息呈现，不构成任何投资建议。

【重磅活动预告】

拉斯·特维德闭门会，开放限量席位

扫描图片下方二维码

立即报名

-End-

2026.10.17

编辑：闪闪 | 审核：孙小悠