前兩篇，我們做了兩件事。
第一，我們拆解了AI生態系的四層結構。
第二，我們確認了一件事——AI目前改變的是效率，而不是制度。
現在，我們要往前走一步。
既然AI只是效率革命，那麼問題就變成，當效率提升時，紅利會優先流向哪一層？
在討論Openbot或大模型時，大家的注意力通常集中在工具本身。
但如果我們從分配結構來看，整個AI產業大致可以分為三層：
-
應用層
-
模型層
-
基礎設施層（算力層）
這三層的風險、競爭強度與盈利穩定度，其實差異非常大。
一、應用層：最熱鬧，也最不穩定
應用層，是最接近用戶的一層。
包括：
-
各種AI助理
-
自動化工具
-
垂直領域AI產品
-
內容生成平台
這一層的特點是：
-
創新速度極快
-
進入門檻相對較低
-
競爭非常激烈
為什麼？
因為很多應用層產品，本質上是對同一套大模型能力的不同包裝。
當底層模型能力開放時，應用創新會爆發，但同時，也會快速內卷。
應用層的盈利模式通常依賴：
-
訂閱制
-
企業服務
-
廣告或數據變現
這一層可能出現明星公司，但同樣也會快速淘汰。
熱度最高，波動也最大。
二、模型層：技術壁壘高，但資本壓力巨大
模型層，是大模型提供者。
例如：
-
OpenAI
-
Anthropic
-
Google
這一層的特點是：
-
技術門檻極高
-
訓練成本巨大
-
算力消耗極高
模型層的競爭，本質上是資本競爭。
誰能投入更多算力？誰能持續優化模型？誰能建立生態系？
這一層不是小公司能輕易進入的，但問題也很明顯，模型能力正在商品化。
當多家公司都能提供接近水準的模型時，價格壓力就會出現。
換句話說，模型層很重要，但利潤空間未必永遠寬鬆。
三、基礎設施層：最不顯眼，卻最穩定
基礎設施層，包括：
-
雲端服務商
-
GPU供應商
-
晶片製造商
-
半導體設備商
例如：
-
NVIDIA
-
台積電
-
ASML
-
Amazon Web Services
這一層的特點是：
-
高資本門檻
-
供應鏈壁壘
-
客戶依賴度高
只要模型在訓練，只要應用在運行，算力就會被消耗。
基礎設施層不需要猜哪個應用會成功。
它只需要確保，不管誰成功，都要用到算力，這是一種抽成式收益結構，歷史上，每一次技術浪潮都出現過類似情況。
淘金熱時，賣鏟子的人最穩定，互聯網時代，伺服器與網路設備商受益，移動互聯網時代，晶片供應商長期存在。
AI只是把這條邏輯再次放大。
四、紅利分配的節奏
如果從時間軸來看，紅利通常這樣分配：
第一階段：應用爆發
第二階段：模型競爭
第三階段：基礎設施穩定收費
應用層創造故事，模型層創造技術話語權，基礎設施層創造長期現金流。
這並不代表基礎設施永遠最賺錢，但它往往是最可預測的一層。
五、那普通人應該怎麼看？
這一篇不是投資建議。
但它提供一個思考框架：
當你看到某個AI產品爆紅時，不要只問這個工具好不好用？
也要問：
-
它依賴哪個模型？
-
它消耗多少算力？
-
它是否建立在某個基礎設施之上？
當你習慣這樣思考，你就不會被表層熱度牽著走。
AI熱潮不會只造就一種贏家。
但如果從分配結構看，越往底層，壁壘越高，穩定性越強。
應用層最耀眼，模型層最關鍵，基礎設施層最穩定。
看清這三層的差異，比追逐單一工具重要得多。
所以，我們一般人待在應用層就好，多學適合自已的工具，在從這些工具中，學習如何創造自已的財富，或提昇自已的工作效率。