中美AI沙盘推演：2026→2046

推演日期：2026-07-06
理论框架：佩蕾丝技术革命周期 × 复杂经济学 × 阿瑟技术进化论 × 阿西莫格鲁权力博弈 × 波兰尼双向运动
一手印证：CRWV / NBIS 深度研究及 Twitter / X 生态讨论

一、为什么需要沙盘推演

2026 年 7 月 1 日，一条未经证实的传闻称 Meta 正考虑自建云计算，并出租过剩算力。当天 CRWV 暴跌 13.9%，NBIS 暴跌 17.0%。

这条消息本身未必重要，重要的是市场的反应。CRWV 的“卖瓶装水”杠杆模式，NBIS 的“打深井”技术模式，在同一条传闻面前同时被重估。

这正是佩蕾丝所说的技术革命导入期走向转折点时的典型症状：金融资本先于产业需求超前建设，估值先于现金流扩张，而大客户开始评估绕过中间商的可能性。

AI 革命正处在狂热期与转折点之间。中美两个最大经济体，正在围绕算力、芯片、电力、标准、资本和制度展开长期角力。

本文不是为了预言某一个年份会发生什么，而是为了画出不确定性的边界：哪些趋势大概率会发生，哪些变量会改变路径，哪些情景虽然低概率但足以影响仓位纪律。

二、局盘：2026 年的力量对比

2.1 美国阵营

维度	优势	隐忧
芯片	EUV、台积电联盟、先进制程和 GPU 生态仍处全球顶端	对中国市场仍有依赖，完全脱钩会反噬收入与规模
软件生态	CUDA 锁定极深，框架、算法和推理引擎高度依赖 NVIDIA	PyTorch 去 CUDA 化、Triton 等替代路线正在蚕食边界
人才	全球顶尖 AI 研究人员高度集中在美国	签证政策、成本压力和中国待遇提升会改变边际流向
金融资本	风险偏好高，愿意为长期叙事融资	CRWV 式债务循环对利率极其敏感
电力	数据中心存量大，可再生能源承诺强	电网审批周期长，新建数据中心受制于接入与扩容
算力定价权	H100 / B200 仍供不应求，卖铲人享受稀缺溢价	Meta 等大客户自建动机增强，供需逆转窗口开始出现

美国的核心优势仍然是“前沿能力”：最强芯片、最强模型、最深软件生态，以及最愿意承担远期不确定性的资本市场。

但美国的脆弱性也在同一条链条上。当前算力定价高企，更多来自稀缺，而不完全来自成本。若供应瓶颈缓解，卖铲人的暴利很难长期维持。

CRWV 与 NBIS 的估值分化已经说明，市场不再简单按“All in AI”定价。它开始区分债务驱动的算力中间商、技术栈更深的基础设施公司，以及真正拥有定价权的上游资产。

2.2 中国阵营

维度	优势	隐忧
工程化能力	制造、组装、调试、成本控制能力全球领先	原创性基础研究仍偏薄，突破更多来自工程优化
芯片突破	昇腾等国产芯片在政务、运营商、金融等确定性场景铺开	先进制程被 EUV 卡住，5nm / 3nm 仍不可及
电力禀赋	发电总量、新能源新增装机、特高压输电均具规模优势	西部算力东送仍受带宽、时延和消纳能力约束
模型创新	DeepSeek 等证明中国可以把训练与推理成本压到极低	美国在 Agent、多模态、前沿基础模型上仍领先
场景数据	制造业实践数据和 C 端用户生态极其密集	数据合规、跨境限制和高质量数据获取成本上升
政策空间	可集中资源突破卡脖子环节，政府采购市场庞大	企业端 AI 现金流偏弱，补贴依赖仍高
出海通道	东南亚、中东、非洲对高性价比 AI 方案需求强	美国正在拉拢印度和东南亚构建半导体同盟

中国最被低估的优势是电力。AI 下一阶段的物理瓶颈，可能会从“缺芯片”逐步转向“缺电、缺冷却、缺电网接入”。

如果训练和推理需求继续指数增长，美国电网审批慢、基础设施老旧的短板会被放大。中国在特高压、西电东送和新能源装机上的积累，会转化为算力竞争中的结构性优势。

中国最被高估的短板是“原创性”。DeepSeek 已经证明，在 Transformer 范式没有被推翻之前，工程优化本身就能创造巨大价值。

换句话说，中国未必需要每一次都发明新范式。只要能在推理效率、训练成本、长上下文和部署成本上持续压低价格，就能在大规模应用层形成复利。

2.3 关键不对称

美国更强在“最高性能天花板”，中国更强在“规模化成本曲线”。

这意味着中美 AI 竞争不太可能演变成简单的“谁全面碾压谁”。更可能的形态，是美国继续掌握前沿模型和顶级芯片，中国在推理成本、产业部署和发展中国家 AI 基建上取得主导权。

这也是全文推演的基准假设：AI 世界最终不是一个赢家通吃的世界，而是一个分层共存、局部互锁、长期博弈的世界。

三、三条历史镜鉴

3.1 新能源车路径：淘汰赛先于收割期

2015-2020 年，中国新能源车在补贴推动下出现数百家车企。随后行业快速出清，留下来的不是讲故事最多的公司，而是垂直整合能力最强的公司。

比亚迪把电池、电机、电控、IGBT 甚至部分芯片纳入自有体系。宁德时代依靠规模效应压低电池成本。蔚小理则在产品定义和用户场景上找到粘性。

AI 产业大概率也会经历类似路径。当前中国模型公司和 AI 应用公司，仍处在新能源车 2016 年左右的淘汰赛阶段。

十到十五年后，真正留下来的，大概率不是单点算法最强的公司，而是三类玩家：算力与模型一体化公司，核心元器件成本下降的推动者，以及深嵌行业工作流的应用公司。

AI 淘汰赛会比汽车更残酷。软件边际成本趋近于零，赢家规模效应来得更快，失败者被替代的速度也更快。

3.2 手机路径：备胎转正的窗口

华为手机从运营商代工到高端化，再到 2019 年被断供 GMS、2023 年 Mate60 突破自研芯片，前后用了二十多年。

最值得关注的不是二十年，而是 2019-2023 年这四年。鸿蒙从备胎变成正式产品，国产 EDA、射频芯片和半导体设备国产化率都被迫加速。

AI 芯片的国产替代，当前类似华为 2019 年的位置：备胎已经就位，尚不完美，但在关键场景已经跑通。

从“能用”到“好用”，确定性窗口大约是五到八年。差别在于，手机芯片遭遇的是硬断供，而 AI 训练芯片面对的是逐步收紧。

逐步收紧会让替代路径更多样，也可能让紧迫感被稀释。没有一次“死而后生”的极限压力，追赶节奏反而可能更慢。

3.3 AI 四小龙与自动驾驶：算法红利不是护城河

AI 四小龙的教训，是中国 AI 产业最值得复盘的一页。

2014-2018 年，它们拥有融资、人才、政府订单和技术领先。商汤、旷视、依图、云从都曾站在时代中心。

但到 2020-2024 年，上市即巅峰、股价下行、大客户被华为和海康分流、CV 算法价值被通用模型吞噬，成为更刺眼的现实。

核心教训很简单：单纯算法没有长期护城河。短期算法优势，最容易被开源、通用模型和平台能力覆盖。

持久壁垒来自三件事：数据飞轮、物理世界接口，以及对行业工作流的深度嵌入。

自动驾驶则给出另一条启示。激进 L4 路线烧钱巨大，商业化慢于预期；渐进式 ADAS 借助量产车和真实行驶数据，反而更快形成商业闭环。

对 AI 来说，真正有回报的路径，不只是“让 AI 更强”，而是“让 AI 可用、便宜、可嵌入”。这是中国模式最擅长的竞争角度。

四、分阶段推演：2026-2046

阶段一：狂热尾声与转折点（2026-2029）

这一阶段的核心动力，是金融资本超前建设后的现金流压力开始显性化。大客户对算力定价的不满，也会从私下抱怨变成公开动作。

2026H2-2027H1，CRWV 的 Q2 / Q3 财报会成为关键观察点。调整后营业利润率能否进入管理层承诺的上行拐点，将影响市场对整个 neocloud 赛道的风险定价。

如果 CRWV 出现任意一次明显 miss，“neocloud 信用事件”的叙事就可能扩散。Meta 自建云传闻即便只落实一半，也足以迫使市场重新估值中间商模式。

2027-2028 年，利率路径是最大变量。若美联储维持高利率，CRWV 的高债务会变成实质压力。若利率回落，借贷成本下降会延后信用风险暴露。

2028-2029 年，第一次大规模出清大概率发生。形式可能是一家知名大模型公司估值下修 30-50%，也可能是一家 neocloud 出现实质性违约。

中国端则会出现三条并行线。第一，DeepSeek、Moonshot 等模型公司继续扩大推理端性价比优势。第二，昇腾生态在金融、运营商、政府场景规模化部署。第三，CANN、PyTorch 适配和国产工具链被倒逼完善。

一个标志性拐点是：美国头部 AI 公司开始公开采购中国 AI 芯片或推理服务。2026 年看似不可能，但若美国出口管制持续收紧、中国性价比突破临界点，这会成为真正的信号。

对投资而言，纯算力中间商是最脆弱的资产。它们由金融资本撑起，真实利润率不足以覆盖高杠杆成本。

NBIS 式的自建技术栈和客户预付款驱动更健康，但好商业模式不等于好价格。若估值已经隐含乐观假设，仍然需要等待财报验证。

阶段二：出清与产业资本接管（2029-2035）

这一阶段的核心动力，是泡沫出清后的廉价算力基建被产业资本接管。供给侧发生质变，AI 才真正进入实体经济。

2029-2031 年，GPU 租赁价格可能下降 50-80%。这类似 2000-2004 年光纤带宽价格的快速下行。

被金融资本超前建设出来的算力中心，会被制造业、医疗、物流、金融等真实产业客户低价使用。泡沫期的浪费，可能成为展开期的基础设施红利。

2029-2033 年，AI Agent 经济开始成形。数以亿计的 AI 代理会在客服、物流、金融、软件开发和企业运营中并行工作。

这会催生海量、稳定、低单价的推理需求。它不是训练端的“少数巨型任务”，而是移动互联网流量爆炸式的日常消耗。

2030-2035 年，前沿模型可能从收益递增走向收益递减。Scaling Law 的尾部收益下降后，行业会从“堆算力”转向“高效数据”和“真实场景”。

中国最大的变量有三个。

第一，国产先进制程。乐观情景是 2030-2032 年实现 14nm 等效路线规模化量产；保守情景则可能延迟到 2035 年。

第二，一带一路 AI 基建。东南亚、中东、中亚和非洲对高性价比 AI 方案的需求会快速增长。中国可以输出“算力 + 模型 + 应用”的一站式方案。

第三，电力红利兑现。若美国数据中心持续受电网接入限制，中国承建和运营全球新增 AI 算力中心的比例，可能高于其存量份额。

这正对应佩蕾丝所说的展开期与协同阶段。2000 年科网泡沫铺下的光纤，在 2010 年后被短视频、移动支付和直播消耗。今天的超前算力，也可能在 2029 年后被新应用填满。

阶段三：新均衡，分层共存与准分工（2035-2046）

到 2035 年后，AI 成本曲线可能接近基础设施化。中美差距不再表现为绝对代际差，而更像不同层级的能力差。

基准情景是分层共存，概率约 55-65%。

美国继续把持最高性能天花板：前沿基础模型、国防级 AI、AI for Science、空间探索和 3nm 以下先进制程。

中国把持全球性价比层：低成本推理算力、面向发展中国家的 AI 基建、制造业和公共服务中的大规模应用部署。

G2 之间不会完全脱钩，而会形成互锁。美国公司在全球业务中需要低成本推理和中国供应链，中国公司在科学研究和前沿算法上仍会吸收美国创新。

分层共存之所以是基准情景，是因为完全脱钩不符合经济规律。底层硅、软件生态、供应链、标准协议和开发者习惯，都不是十年内可以重建两套完整系统的东西。

乐观情景是中国在推理规模上反超，概率约 15-20%。这需要国产 EUV 级能力在 2035-2040 年突破，并且中国在具身智能和机器人上率先规模化落地。

悲观情景是技术冷战走向极端，概率约 15-25%。若台海出现严重危机，全球半导体供应链会被硬切断，中美形成两套平行 AI 技术栈。

这种平行世界的代价极高。双方研发效率都会下降，全球 AI 应用扩散也会被拖慢数年。

五、供应链瓶颈时间表

5.1 芯片制造：最硬的卡点

环节	瓶颈性质	追赶难度	乐观窗口	保守窗口
EUV 光刻机	技术、专利、人才三重封锁	5/5	2033-2036	2038-2042
7nm 级先进制程	依赖 DUV 多重曝光与工艺整合	3/5	2030-2032	2035-2038
5nm 以下制程	需要 EUV 级能力	5/5	2035-2040	2040+
HBM / 3D 封装	工艺整合难，专利壁垒相对低	3/5	2028-2032	2035-2038
CoWoS 先进封装	非光刻瓶颈，设备限制中等	2/5	2028-2030	2033-2036
成熟制程 28nm+	产能充足，国产替代基本完成	1/5	已完成	-

中国芯片追赶最成功的案例是存储芯片。长江存储用不到十年追上美光、三星、SK 海力士约八年的技术代差。

逻辑芯片更难，因为 EUV 是不可轻易绕开的硬约束。但国产设备在非关键环节突破很快，系统架构创新也能部分弥补单点性能差距。

因此，更可能复制的是通信设备路径，而不是手机 SoC 路径。前者依靠系统工程弥补单点短板，后者则被单一先进制程强约束。

5.2 电力：最被低估的中国优势

环节	美国现状	中国现状	中国优势
数据中心供电	电网老旧，新建变电站审批慢	特高压成熟，审批和建设速度更快	高
可再生能源	IRA 补贴强，但环评和地方法规复杂	光伏、风电新增装机全球第一	很高
冷却水资源	部分地区面临干旱与地下水限制	东数西算可布局冷凉和富水区域	中
核电进展	SMR 仍受审批约束	高温气冷堆已有商业示范	高

当 AI 算力需求持续增长到 2030-2035 年，电力、冷却水和电网扩容速度，会成为比芯片更底层的物理约束。

美国擅长一次性技术突破，但中国擅长大规模基础设施长跑。AI 基建越接近能源与工程问题，中国优势越明显。

5.3 稀土：最强反制筹码

元素	AI / 芯片用途	中国占比	美国替代时间
镝 Dy	永磁电机、HPC 冷却系统	精炼约 90%	5-7 年
镓 Ga	GaN、射频芯片	粗镓产量约 94%	3-5 年
锗 Ge	光纤、红外光学	约 68%	2-3 年
钪 Sc	SOFC 燃料电池	约 66%	2-4 年

2023 年 7 月，中国对镓、锗出口实施管制，已经展示了这一筹码的使用方式。

中国不会轻易动用这张牌，因为它也会伤害自身出口与产业信誉。但在供应链硬脱钩的极端情景下，稀土反制的杀伤力非常强。

芯片断供主要影响增量产能，稀土和关键材料管制则可能影响存量产能。这是两者最大的区别。

六、G2 竞争格局的分支变量

6.1 台海：最大 VUCA 变量

情景	概率粗估	对 AI 格局的影响
斗而不破	65-75%	混合供应链维持，台积电继续服务全球，但产能分配高度政治化
经济封锁加剧	15-20%	中国成熟制程国产替代加速，先进制程追赶失去部分跳板
全面冲突	5-15%	全球半导体供应链断裂，技术阵营强制二分，所有推演需要重写

台海变量不是普通风险，而是会让整个推演框架失效的尾部风险。

这也是为什么投资讨论不能只看产业趋势，还必须保留仓位纪律。低概率不等于低影响。

6.2 一带一路 AI 基建：中国的蓝海路径

一带一路 AI 基建，是当前最容易被低估的方向。

它可以类比三件事：华为在发展中国家铺设移动通信基站，中国光伏组件产能走向全球，以及亚投行支持的基础设施项目在东南亚和中亚扩散。

AI 基建出海的第一条逻辑是标准先行。模型接口、数据合规框架和安全协议，会随着基建输出成为事实标准。

第二条逻辑是算力下沉。大量产业 AI 场景不需要最先进训练芯片，成熟制程加规模效应足以满足农业、物流、公共服务和教育需求。

第三条逻辑是成本壁垒。中国若能提供“算力 + 模型 + 应用”的一站式方案，总拥有成本可能比西方方案低 50-70%。

这不是简单卖芯片，而是输出 AI 时代的成套基础设施。

6.3 欧洲：G2 之外的第三极

欧洲不会在 AI 竞赛中消失。它的角色不是速度最快，而是合规最强、制造业最深、标准影响力最大。

法国和德国正在增加开源模型和自主算力基础设施投入。欧洲 AI 法案也正在塑造全球最严格的监管框架。

欧洲还握有若干不可替代资产：ASML 的 EUV 光刻机，西门子的工业软件，SAP 的企业场景，以及高端制造中的工艺知识。

最可能的演化路径是，欧洲不会完全倒向任何一方。它会维持一套高合规、高伦理、高门槛的 AI 体系。

这会让欧洲在消费级 AI 上慢于中美，但在工业 AI、医疗 AI、合规审计和高信任度场景中保留结构性优势。

对中国而言，欧洲是“合规先行的 AI 出海”最好的磨刀石，而不是简单的竞争对手。

七、穿透周期的确定性

以下五条规律，不会因为短期政策、地缘冲突或技术路线改变而消失。

7.1 算力边际成本终将趋近于零

从摩尔定律到 Scaling Law，计算效率长期提升是信息技术的底层趋势。

H100 的高售价和 GPU-hour 的高价格，是稀缺定价，不是长期均衡。它更像早期电力，而不是成熟电网。

当 GPU / TPU 出货量从百万级走向更大规模，当推理市场超过训练市场，单位 token 成本会走出类似移动流量的曲线。

今天昂贵的大模型 API，更像 2014 年 70 元 / GB 的 4G 流量费，而不是长期常态。

7.2 工程化能力比原创发明更持久

原创突破是概率事件。即使硅谷人才最密集，AGI 何时出现也无人能确定。

但把已有技术规模化，是系统能力。它来自产业政策、教育、供应链、基础设施和长期组织经验。

光伏、锂电池、5G 基站都证明了中国模式：技术从成熟走向转化时进入，把工程化和成本做到极致。

这也是中国在 AI 革命中最可确定的竞争优势。

7.3 权力不会自动跟随效率走

阿西莫格鲁在《权力与进步》中的核心命题，在 AI 时代仍然成立：技术进步不自动带来共同繁荣。

AI 红利归属于资本还是劳工，归属于模型公司还是数据提供者，归属于硅谷还是政府，最终取决于博弈。

在中国，这种博弈可能体现为算力定价干预、数据确权立法和 AI 税收调节。

在美国，则会体现为政府监管、工会与科技公司的版权斗争，以及大选周期中的保护主义 AI 政策。

这不会消灭 AI 投资机会，但会改变哪些 AI 投资能获得超额回报。

7.4 社会的双向运动必然出现

波兰尼所说的双向运动，在 AI 时代会再次发生。

当 AI 把认知、创造力和情感劳动进一步商品化，社会一定会出现保护性反应。

在中国，它可能体现为岗位替代后的再安置压力，以及公众对深度伪造和信息操纵的容忍边界。

在美国和欧洲，它会体现为好莱坞罢工、数据版权诉讼、AI 法案和更强的数据保护机制。

这些反应不会杀死 AI 革命。19 世纪劳动法没有杀死工业革命，AI 监管也不会杀死 AI。

但它会重新定义哪些商业模式合规、可持续，并且能被社会接受。

7.5 技术冷战很难完全脱钩

即使在悲观情景下，底层标准和中层供应链仍会互相渗透。

历史上的技术标准战，如 GSM / CDMA、蓝光 / HD DVD、Windows / Linux，都没有真正形成完全平行的两个世界。

原因很简单：全球经济在没有全面战争的情况下，无法承受彻底撕裂的成本。

中国 AI 芯片厂商仍需要 EDA 工具中的西方技术，美国 AI 公司也仍需要中国的稀土精炼、PCB 和基础制造能力。

因此，完全脱钩是小概率情景。更可能的状态是：同一张桌子上有两套坐法，但很多底层食材仍然共用。

八、投资启示

8.1 当前阶段：狂热期到转折点

资产类型	风险评级	建议	逻辑
纯算力中间商	高	回避或极小仓位投机	高杠杆、利率敏感，转折点最脆弱
自建技术栈 + 预付款驱动	中	等待回调或财报验证	模式更健康，但估值可能已反映乐观假设
NVIDIA 与核心供应链	中低	核心观察，可分批配置	确定性最高，但估值已反映多年增长
推理端性价比标的	中低	积极研究，试探建仓	中国最具优势的方向之一

当前阶段的关键，不是判断 AI 是否长期成立，而是判断谁在用什么资本结构承接 AI 叙事。

债务驱动的算力资产，在转折点最脆弱。拥有真实技术栈、客户预付款和产业需求的公司，抗压能力明显更强。

8.2 中期：从出清到协同期

佩蕾丝周期给出的策略，是在导入期和展开期之间切换赛道。

导入期的 alpha 来自卖铲人：芯片、算力基建、数据飞轮型公司。

转折点附近，重点应从算力供给端转向应用端：低价算力资产，以及真正嵌入工作流的 AI 应用公司。

展开期的最大 alpha，会出现在广泛应用层和产业链重构者身上。

8.3 中国工程化红利的方向

方向	核心假设	时间窗口	风险
电力配套数据中心	AI 增长受困于电力，中国电网优势获得定价权	2028-2035	电力市场化改革进度不确定
国产算力生态链	昇腾 / CANN / 华为云在确定性场景跑通	2028-2035	若美国放松出口管制，替代动力减弱
性价比模型 + 场景应用	中国模型公司把成本优势转化为全球优势	2027-2032	美国能力代差维持，中国方案被低端化
具身智能 + 机器人	制造业生态与 AI 组件在中国率先规模化	2030-2040	技术成熟时间可能长于预期

这些方向都不是短线题材，而是“逻辑成立、尚未兑现”的长期赔率。

8.4 必须回避的方向

第一，CUDA 替代的纯叙事炒作。CUDA 锁定非常深，三到五年内很难被单一软件突破取代。

第二，大模型时代的“AI 四小龙”。只靠算法优势、缺乏垂直整合和工作流嵌入的 AI 公司，无论在中美都很脆弱。

第三，对 AGI 快速实现押重注。AGI 时间高度不确定，很多算力资产赌的是五到八年内有足够需求消化供给。

如果 AGI 延迟，或者 Scaling Law 进入收益递减，供给过剩后的价格崩塌会非常剧烈。

8.5 一条始终适用的原则

基础设施投资的最佳时机，不是所有人相信它伟大的时候，而是泡沫破裂、基建价格跌到地板价的时候。

2000 年光纤泡沫破裂后，拿到廉价光纤的产业资本创造了移动互联网黄金时代。

若 2029-2032 年出现 GPU 和算力资产出清，那里可能才是重仓 AI 应用层的最佳窗口。

在此之前，更合理的方式是以期权心态参与，保持现金弹性等待。

九、复盘：框架的有效性与局限

9.1 有效框架

理论	为什么适用于 AI 推演	在 CRWV / NBIS 案例中的印证
佩蕾丝技术革命周期	识别当前处于导入期狂热阶段晚期	CRWV 高债务、市场估值分歧，符合转折点前的典型矛盾
复杂经济学收益递增	解释 CUDA 生态和 neocloud 平台效应	强者恒强与赢家通吃的定价逻辑开始显现
阿瑟组合进化	AI 成为超级积木，重组云、软件和行业流程	GPU 从芯片被重新组合为云服务能力
阿西莫格鲁权力博弈	AI 红利分配取决于博弈，而非效率本身	Meta 自建云传闻体现客户对产业链位置的重新选择
波兰尼双向运动	AI 商品化会触发社会保护机制	罢工、版权诉讼和 AI 法案都是反向运动的表现

这些理论的价值，不在于给出精确年份，而在于帮助识别结构：狂热如何形成，转折点如何出现，基础设施如何从泡沫变成生产力。

9.2 局限

第一，模型本身不生产概率。台海风险、先进制程窗口、AGI 时间表等变量，仍然依赖主观判断。

第二，AI 的能力演化可能出现非连续跳跃。若 AGI / ASI 在十年内实现，所有基于人类经济博弈的周期框架都需要重写。

第三，地缘政治黑天鹅无法由技术周期预测。战争、制度剧变、大流行病都不在周期理论的变量集合内。

第四，本文偏向制度主义和供应链视角，可能低估了突发原创创新的冲击。Transformer 的出现提醒我们，AI 领域经常发生范式跳跃。

写在最后

中国移动互联网史，给今天的 AI 讨论提供了一个清晰蓝本。

2005 年，移动流量贵到令人绝望。2018 年，流量资费下降后，短视频和直播全面爆发。2026 年，流量已经成为几乎无人关心的基础设施成本。

AI token 的价格，正在走同一条曲线。

今天投资人反复追问：“AI 的真正回报在哪里？”

答案可能不在今天最贵的 GPU 上，也不在最热的融资故事里。

它更可能出现在 GPU 价格被打到地板价之后，出现在 API 成本变得不值一提之后，出现在 AI 真正嵌入每一个行业核心流程之后。

这需要时间。但这条路的确定性，可能比任何单一技术路线都更高。

关联阅读

blog/《技术革命与金融资本》_20260629/从技术革命与金融资本到AI浪潮.md
blog/《复杂经济学》_20260629/从复杂经济学到AI浪潮.md
blog/《技术的本质》_20260629/从技术的本质到AI浪潮.md
blog/《权力与进步》_20260629/从权力与进步到AI浪潮.md
blog/《大转型》_20260629/从大转型到AI浪潮.md
投资研究/CRWV_deep_research_20260702/CRWV_最终报告_20260702.md
投资研究/CRWV_deep_research_20260702/CRWV_vs_NBIS_对比与NBIS估值_20260702.md

目录