誰賺走了AI時代的錢？HALO資產交易必看的投資清單

原文標題：丹尼爾·格羅斯（Daniel Gross）引人矚目的 AGI 交易
原文作者：@johncoogan
翻譯：Peggy，BlockBeats

編者按：2024 年初，人工智能仍處於熱情和不確定並存的階段。當時，丹尼爾·格羅斯提出了一頁紙上的 18 個問題：價值將流向何方？能源是否成為瓶頸？軟體工程師是否會被取代？國與國之間的競爭格局將如何變化？

兩年後回顧，這些問題本身比任何具體預測都更具啟發性。人工智能的利潤確實集中在基礎設施層——英偉達成為最大贏家；能源與電力迅速成為新的戰略瓶頸；API 成本急劇下降，同時算力、資本與地緣政治風險卻在不斷擴大。

本文回顧了格羅斯當時提出的關鍵問題，並結合過去兩年的現實演變逐一檢驗。這不僅是關於人工智能投資邏輯的復盤，也是一份觀察科技革命如何重塑市場結構、產業鏈與全球權力格局的路線圖。

以下為原文：

2024 年 1 月，當時仍是 Safe Superintelligence CEO、如今擔任 Meta AI 產品負責人的丹尼爾·格羅斯發表了一篇題為《AGI Trades》的文章。

這篇文章只有一頁，列出了一系列關於人工智能進展可能帶來影響的問題。兩年多後再回頭看，這些問題顯得格外具有前瞻性，儘管當時每個問題並未給出明確結論。下面我們逐一回顧他提出的 18 個問題。

市場（Markets）

在後 AGI 世界中，價值將流向何方？

目前來看，價值確實集中在基礎設施層——晶片、封裝、電力等領域。英偉達幾乎獨攬了人工智能熱潮中超過 100% 的利潤，因為許多公司仍在虧損。這一點在市值變化上也體現得非常明顯：英偉達市值增加了 3.2 萬億美元，從 1.2 萬億升至 4.4 萬億美元；相比之下，雲平台的漲幅要溫和得多（微軟上漲 4%，亞馬遜上漲 30%）。

在私募市場上，OpenAI、Anthropic 和 xAI 的估值增長也非常驚人，但三者合計 1.4 萬億美元的總價值增長，仍然低於英偉達在同期增加的市值。

這是 2024 年一開始就非常關鍵的一個問題。

英偉達和微軟會發生什麼？

英偉達表現極其強勢。其營收從 2024 財年的 609 億美元增長到 2026 財年的 2159 億美元，幾乎增長了三倍。

微軟則沒有那麼佔優勢。Azure 的增長確實加速到 40% 的同比增速，但從 2024 年 1 月到 2026 年 3 月，微軟股價僅上漲 4%。市場對其每年超過 800 億美元的 AI 資本開支產生了質疑——投資何時才能轉化為回報仍不清晰。

在這場「賣鏟子和鐵鍬」的 AI 淘金熱中，英偉達顯然是最大贏家，而微軟在基礎設施上的押注，暫時還沒有給股東帶來明顯收益。

銅是否被錯誤定價？

確實被嚴重低估了。2024 年 1 月，銅價為 每磅 3.75 美元，兩年後達到 每磅 6.61 美元的歷史新高。

AI 對銅的需求極其龐大。例如，英偉達 GB200 NVL72 伺服器機架使用 超過 5000 根銅線。如果全部拉直，總長度超過 2 英里，一個 100MW 數據中心大約需要 3000 噸銅。

總體來看，數據中心每年可能消耗 50 萬噸銅。有人因此說「銅是新的石油」。當然，也有很多其他東西被稱為「新的石油」，因為 AI 基礎設施建設極其複雜，幾乎每個環節都有瓶頸。所以這種說法也需要謹慎看待。

房地產（Real Estate）

如果 AI 可以寫所有軟體，那麼舊金山會不會變成新的底特律？

這要看「新的底特律」指的是什麼。

AI 實際上 拯救了舊金山，避免它變成像底特律那樣衰落的城市。現在舊金山依然在繁榮：

·辦公室空置率從 36.9% 降至 33.5%

·OpenAI 擁有 100 萬平方英尺辦公空間

·Anthropic 擁有 一棟 25 層辦公大樓

·Sierra 簽下 30 萬平方英尺辦公面積

2025 年上半年，78% 的美國 AI 風險投資流向灣區。當然，也存在另一面：舊金山整體就業人數仍低於疫情前水平，但房價依然堅挺。因此，它絕對談不上是一座「空殼城市」。城市環境也變得更加整潔。

AI 會如何影響財富不平等？

現在下結論還為時尚早，數據變化並不明顯，但已有一些研究值得關注。

IMF 2025 年研究認為，AI 可能減少工資不平等（因為自動化高收入工作），但可能加劇財富不平等（資本收益集中在科技公司所有者手中）。OECD 的研究發現：低技能岗位工資增長最快（組裝工 +11.6%），高技能岗位增長最慢（CEO +2.7%）不過這可能更多反映的是 最低工資政策，而非 AI 本身。

在資本市場上，集中度也在上升：「七巨頭」（Mag7）占標普 500 市值約 32%，貢獻了 2025 年約 42% 的總回報；同時，AI 初創公司巨額融資（OpenAI 1100 億美元、Anthropic 300 億美元）也讓少數創始人和投資者獲得了巨大的私人財富。

能源與數據中心（Energy & Data Centers）

如果 AI 變成一場能源競爭，該如何投資？

這個判斷完全正確。AI 的確變成了一場能源遊戲。

抓住這個交易的人賺得非常多。例如：

·Vistra：+321%，2024 年標普第二大漲幅（僅次於 Palantir）

·Constellation Energy：自 ChatGPT 發布以來股價翻三倍

·NRG Energy：2025 年單年上漲約 95%

·Oklo：12 個月上漲 700%+

核能迎來了爆發：

·微軟簽署 160 億美元、20 年期 PPA，重啟三哩島核電站

·Google 與 Kairos Power 簽署 500MW 小型模組化核反應堆（SMR）協議

·Meta 與多家核能公司簽訂 6.6GW 電力合同

能源成為 AI 時代最成功的投資主題之一。

在整個數據中心供應鏈中，哪些環節最難擴張 10 倍？

晶片行業的瓶頸是 CoWoS 封裝技術（台積電的 Chip-on-Wafer-on-Substrate）。

在數據中心領域，最大的瓶頸則可能是電力變壓器。

·交付周期接近 3 年

·2025 年出現 30% 的供應缺口

·成本自 2020 年以來上漲 150%

這個已有 100 年歷史的技術，卻成為數據中心接入電網速度的關鍵限制。

煤炭是否被低估？

某種程度上是，但遠不如銅。2025 年煤價實際上下跌約 22%，到 2026 年初有所回升。

煤炭公司表現尚可：

·Peabody Energy：+34%

·CONSOL Energy：+37%

與此同時，美國煤電發電量 到 2025 年 9 月增長 13%。

數據中心增長較快的州表現尤為明顯：

·俄亥俄州：+23%

·俄克拉荷馬州：+58%

國家（Nations）

誰是贏家，誰是輸家？

贏家顯然是美國。

2024 年美國私人 AI 投資 1,090 億美元（中國僅 93 億美元），自 2013 年以來累計投資 4,700 億美元，超過其他國家總和。2024 年美國發布 40 個重要 AI 模型，中國為 15 個。

遊戲還沒結束，但目前來看，美國是 AI 競爭的中心。

印度 2,500 億美元的 GDP 出口依賴 GPT-4 token，會發生什麼？

情況已經開始顯現，但仍在早期階段。印度 IT 外包行業的招聘明顯下降。2024–2025 年間，大型 IT 公司 裁減約 5.8 萬人，而在 2021–2023 年間，該行業曾新增 36 萬員工。

軟體工程師會不會像歷史上的打字員那樣被替代？

目前軟體工程師還沒有去做藍領工作，但職業結構已經出現分化：

· AI 工程師需求增長 143%

· 大型科技公司 初級職位招聘下降 25%

· 實習職位減少 30%

未來的選擇可能是：要么向上升級為「AI 代理的管理者」，要么轉向製造業等領域——畢竟很多工廠也需要懂軟體的人來自動化生產流程。

會不會出現類似「新政」的大規模就業計劃？

目前還沒有。

2025 年 7 月，特朗普政府推出「美國 AI 行動計劃」，包括：

· AI 教育行政令

· 技能培訓計劃

· 勞工部 8400 萬美元學徒項目補助

但美國勞動力培訓支出僅佔 GDP 的 0.1%，在 OECD 國家中幾乎最低。目前還沒有任何計劃達到當年 WPA（850 萬人就業計劃）的規模。

終身學習是否值得投資？

這是一個非常抽象、也非常個人的問題。但我的答案是：值得。

通脹（Inflation）

如果 AI 真的是通縮性的，我們會如何首先看到這種信號？

最好的指標可能是 AI API 價格。

GPT-4 級別的推理成本：

·2022 年底：每百萬 token 20 美元

·2025 年 12 月：0.40 美元

三年下降 50 倍。這一速度甚至超過 PC 計算力成本下降或互聯網帶寬成本下降。這很可能成為服務價格通縮的 領先指標。

如果知識產品需求不斷增長，而生產成本下降，該如何理解通縮？

雖然 AI API 價格暴跌，但 AI 公司收入卻在飆升。價格下降 → 使用量爆炸 → 總支出增加。與此同時，SaaS 公司還在續費時加收 20%–37% 的「AI 稅」。因此，即便 軟體生產成本趨近於零，SaaS 收入仍在增長。

這與摩爾定律時代的計算行業類似：單個產品越來越便宜，但整體市場規模不斷擴大。

地緣政治（Geopolitics）

互聯（interconnect）真的重要嗎？

極其重要。

在大型 GPU 集群中，30%–50% 的訓練時間用於 GPU 之間通信，而不是計算

例如，Google TPUv7 Ironwood 使用 3D torus 拓樸連接 9216 個晶片、Nvidia NVL72 連接 72 個 GPU，因此互聯網路對 AI 規模化至關重要。

如果一個國家有更多能源，是否可以用落後製程實現 AGI？

目前來看不太可能。

所有領先 AI 晶片都使用 4 奈米或 3 奈米工藝，Nvidia Blackwell、Google TPUv7、AWS Trainium3

中國華為 Ascend 910C（SMIC 7nm）在推理方面具有競爭力，但在訓練方面需要更多晶片和更多能源。單純通過增加能耗來彌補技術差距，最終會遇到經濟成本的限制。

最可能的「台灣事件」是什麼？

最可能的是台灣海峽封鎖。

而緊張局勢已經在升級：

·2024 年：中國舉行「聯合利劍-2024B」演習

·2025 年："正義使命 2025" 動用 100 多架飛機、13 艘軍艦

·27 枚火箭從福建發射，其中 10 枚落入台灣毗連區

同時，中國在 2026–2030 五年規劃中開始將「和平統一」和「統一」分開表述。

台積電也在提前佈局：亞利桑那州正在建設 8 座晶圓廠，未來可能承擔 30% 的先進晶片產能。

但整個體系仍然處在極其脆弱的平衡之上。

[原文連結]