算力即权力：为什么是现在？
巨头与黑马：一张牌桌，几种打法
牌桌上的庄家，毫无疑问是英伟达。它的护城河不是芯片本身，而是CUDA生态。二十年积累，超过400万开发者，这才是最深的壁垒。AMD拼命追赶，MI300系列纸面参数漂亮，但软件栈还是弱点——开发者不买账。Intel呢？拿着Gaudi 2想分一杯羹，性价比不错，但生态孤岛，难成大气候。 但有意思的是云厂商。AWS早就不甘心只做买卖，搞出了Trainium和Inferentia，自研芯片用在自己的云上。Google的TPU v5已经第五代了，用在Gemini训练上，效率惊人。它们要的是“去英伟达化”，降低对外部单一供应商的依赖。这有点像当年的苹果，自研M1芯片摆脱英特尔。云厂商这招，其实在重塑市场。如果未来50%的AI训练用自研芯片完成，英伟达的垄断地位就瓦解了。 黑马在哪里？看那些专为特定模型架构设计的ASIC。比如Groq的LPU（语言处理单元），推理速度奇快。因为大模型推理将是最大的成本中心，一旦规模起来，Groq这类方案可能突然爆发。还有小公司SambaNova，走软硬一体路线，专攻企业级AI。它们的策略不是正面硬刚，而是在细分场景做到极致，然后等巨头来买。 接下来12到18个月，行业洗牌不可避免。英伟达的股价不会一直涨，它的估值透支了太多预期。一旦某个季度的增速不如预期，泡沫就会破裂。而AMD如果软件生态没起色，可能会收购一家软件公司来补课。云厂商的自研芯片会加速内部替换，迫使英伟达让利。最可能发生的并购：某个云巨头买下一家优秀的AI芯片初创，比如亚马逊收购Annapurna那样，快速补齐设计能力。或者英伟达出手，吃掉网络互联公司（如Mellanox），巩固集群优势——已经发生过，可能继续。
算力生意的利润密码：把沙子变成金矿
很多人好奇，GPU计算到底怎么赚钱？租卡给AI公司，是不是一锤子买卖？不是，这是一个高粘性、高边际利润的生意。 核心逻辑是规模效应。一台8卡HGX服务器，采购成本20万美金，若按小时出租，每小时收费30美元，75%的利用率，一年收入约19.7万——一年就能回本。之后全是利润。大规模集群电费、运维有谈判空间，边际成本递减。而且AI训练不是一次性，模型要迭代，数据要重训，客户绑定了你的平台，迁移成本高得吓人。这就是SaaS模式的变种，只是卖的不是软件，是算力。 新需求也被创造出来。以前企业做不起的图形渲染、药物模拟、天气预测，现在GPU算力足够便宜后，需求井喷。比如一家生物制药公司，过去模拟一个蛋白质折叠要等三个月，现在3天，它愿意付多少钱？它愿意付省下的研发人员工资和上市时间溢价。所以算力降价并不压缩利润，反而拉大市场盘子。这就像亚马逊AWS降价后，企业上云量暴增，总收入反而涨了。 再来看一个清晰的商业模型：一家区域性算力中心，初期投资5000万建2000张H100集群，采用“切片”出租，单卡月租1.5万，80%出租率，年收入约2.9亿。扣除电费、运维、折旧，净利率20%以上。而且随着卡折旧完，后几年几乎躺赚。唯一的风险是芯片更新换代快，老卡算力贬值。但现阶段，需求远超供给，三年内无需担心。
别当观众，现在要行动
