英伟达与台积电如何从AI热潮中持续获利 下游大模型公司盈利分析

AI价值链正在经历结构性重估

AI产业的利润版图，正在发生一场静默但深刻的迁移。过去几年，赚走行业大部分利润的芯片巨头们，正面临来自下游模型厂商的快速追赶。但故事远未结束，产业链上游的利润空间，其实远未触及天花板。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

专业机构SemiAnalysis的分析揭示了一个关键转折：Anthropic的年化收入在短短数月内，从90亿美元飙升至超过440亿美元，其推理业务的毛利率更是从38%跃升到70%以上。相比之下，英伟达当前的定价策略，仍然固守以成本为导向的传统框架，尚未充分反映智能体（Agentic）推理工作负载带来的全新经济学。一旦这个框架得以调整，英伟达的系统定价具备超过40%的上调潜力。同样，处于制造环节顶端的台积电，其N3制程产能也正站在价值重新分配的风口浪尖。

支撑这一判断的核心逻辑，在于供需两端出现了持续的结构性错配：台积电的N3制程预计到2026年下半年利用率将突破100%，DRAM工厂的产能利用率也已超过90%，而市场对前沿模型生成Token的需求，仍在以复合速度疯狂扩张。在这种背景下，英伟达通过其创新的SOCAMM内存模块实现差异化定价的时间窗口，已经悄然打开。

AI价值洼地转移：基础设施层让位于模型层

回顾2023年到2025年初，AI价值链的利润几乎毫无悬念地积聚在基础设施层。英伟达率先引爆市场，随后，电力资产如Vistra与GE Vernova在2024年分别上涨了265%和146%，存储厂商如SanDisk、西部数据、希捷和美光，在2025年更是集体实现了超过200%的涨幅。

这一繁荣景象的另一面，是模型创建者和推理服务商长期承受的低毛利困境。在那个阶段，AI的实际应用价值有限，市场对其投资回报率的质疑声不绝于耳。

真正的转折点出现在2025年12月。随着智能体AI（Agentic AI）从概念走向大规模实用，整个AI的经济逻辑被彻底改写。SemiAnalysis披露，其自身的年化Token消耗支出，已经接近员工薪酬总额的30%，平均每名员工每月消耗的Token量接近50亿个，这一数字是Meta内部人均用量的5倍以上。大量原本需要初级分析师耗费数小时才能完成的工作——比如财务建模、数据可视化、盈利分析——如今只需花费数美元的Token成本即可高效解决。

据SemiAnalysis估算，其团队在Anthropic Claude上的年化支出峰值曾达到1095万美元，但由此带来的竞争壁垒和效率提升，其价值远超这笔成本。Anthropic因此直接受益：其年度经常性收入从90亿美元飙升至440亿美元以上，推理毛利率从38%大幅提升至超过70%。

Token成本骤降，模型厂商利润率扩张具有持续性

推动模型厂商毛利率飞跃的另一个核心引擎，是Token生产成本的急剧下降。

从硬件性能看，在一项标准的8K输入、1K输出的推理任务上，经过完整软件栈优化（包括宽EP、计算与预取分离、多令牌预测等技术）的B300系统，每秒每GPU可产生约14000个Token。相比之下，未优化的版本仅能产出约1000个——也就是说，在同款硬件上，仅软件优化就带来了14倍的吞吐量提升。如果再叠加硬件本身的升级，最优配置的GB300 NVL72系统相比上一代的H100，在FP8精度下的吞吐量提升约17倍；如果切换到H100原生不支持的FP4精度，性能差距更会扩大至32倍。而GB300每GPU的总拥有成本，仅比H100高出约70%。

从定价结构看，智能体工作负载具有极高的输入输出比（例如Claude Code的使用场景约为300:1）和极高的缓存命中率（超过90%），这使得绝大多数生成的Token都落入了最低的计费档位。SemiAnalysis估算，Opus 4.7模型在处理智能体任务时的真实混合成本，大约为每百万Token 0.99美元，远低于其标价的每百万输入Token 5美元。

因此，即便面对Anthropic对Opus系列进行的大幅降价——例如Opus 4.5的定价较之前降低了三分之二——SemiAnalysis认为Anthropic的单位毛利实际上不降反升：一方面，硬件升级和软件优化持续压低生产成本；另一方面，用户大规模从Sonnet等中端模型切换至Opus高端模型，推高了产品的混合平均售价。

更具战略意义的是，Anthropic在高端产品线上依然牢牢掌握着定价主导权。其Opus Fast版本的定价是常规Opus的6倍，而已经宣布的Mythos模型定价为每百万Token 25美元（输入）/125美元（输出），是常规Opus的5倍。SemiAnalysis明确表示，如果Anthropic愿意开放定价为每百万Token 150美元/750美元的Mythos Fast版本，他们仍然会购买——因为生产力提升所带来的价值，远远超过这部分成本。

模型厂商的定价权为何难以被竞争侵蚀

对于前沿模型的高利润率能否持续，最常见的质疑声音来自市场竞争。对此，SemiAnalysis给出了两个有力的反驳理由。

第一，顶尖的闭源模型与开源模型之间，仍然存在显著的能力差距，这种差距在短期内难以弥合。以Kimi K2.6（定价为每百万Token 0.95美元/4美元）为代表的低价开源模型，对Anthropic Opus的定价体系几乎构不成实质性的压制。

第二，算力约束意味着，任何一家前沿AI实验室都无法独自服务整个市场。Anthropic已经通过将Claude Code的月订阅门槛锁定在100美元以上、限制第三方接入等方式，主动管理需求侧。可以预见，在未来相当长一段时间内，Token需求将持续超出供给。这意味着，那些有能力提供真正前沿性能模型的实验室，完全可以按照Token所能创造的经济价值来定价，而非仅仅基于竞争性的成本。

英伟达的定价克制：监管逻辑还是战略误判

面对AI价值链的深刻重构，英伟达迄今为止尚未对其定价框架作出实质性调整，这本身就是一个值得玩味的结构性问题。

英伟达当前的定价仍然主要锚定在成本上，这反映的是一种“需求价值随时间递减”的旧范式——而这个假设在今天已经不再成立。当前的需求增长并非线性，而是以复合速度扩张，这由智能体工作负载的爆发和每个工作流程中Token消耗量的持续跃升共同驱动。

SemiAnalysis认为，英伟达保持定价克制，部分原因在于监管层面的顾虑。其在GPU、互联技术和软件栈上的绝对主导地位，已经引发了日益密切的反垄断审查。在下游AI实验室同样赚取高额利润的背景下，激进提价可能会加剧监管风险，也可能加速客户向谷歌TPU、亚马逊Trainium等替代计算平台分散。

从这个意义上说，英伟达的行为模式与台积电颇为相似。台积电长期以来，即便在满负荷运营、扮演先进制程供应瓶颈的情况下，也并未将定价提升至稀缺溢价的极限，而是优先维护整个生态系统的长期稳定与客户关系。这一逻辑可以概括为扮演“AI央&行”的角色——通过适度让利来支撑下游生态的扩张，而非最大化短期利润提取，从而确保自身在AI时代的长期主导地位。

然而，这一策略存在着真实的机会成本。在算力需求持续超过供给的结构性背景下，掌握稀缺资源却未进行充分定价，相当于将部分价值拱手让给了生态链的中游和下游参与者。台积电在N3制程上同样面临这个问题——SemiAnalysis直接指出这是一种“战略失误”，认为其至少应该要求更大规模的预付款安排。

Rubin定价空间：SOCAMM成为利润新杠杆

英伟达即将推出的Vera Rubin（VR NVL72）系统，提供了一个重新评估其定价框架的绝佳契机。

从成本端测算，VR NVL72要实现与GB300 NVL72相同的15.6%的项目内部收益率（基于5年期、15%预付款的假设），所需的最低GPU租金约为每小时4.92美元。然而，从价值端看，如果以FP8密集算力维度，锚定当前GB300每PFLOP（每秒千万亿次浮点运算）约0.70美元的租金，那么VR NVL72对应的理论最高定价可达每GPU每小时12.25美元，这大约是成本地板价的2.5倍。

这一巨大的价差表明，英伟达在VR NVL72的定价上拥有充足的上调空间。SemiAnalysis估算，即便英伟达将系统定价提升约40%，仍然可以为Neocloud（英伟达的云服务合作伙伴）保留足够的利润空间——即使Neocloud将租金提价至每小时8美元以上，其对应的每PFLOP成本仍然低于历史趋势线。

在具体操作机制上，SOCAMM成为了最关键的定价杠杆。与GB300将LPDDR5X内存直接焊接在主板上、嵌入整体系统定价不同，VR NVL72采用了可插拔的SOCAMM模块。这允许英伟达将内存作为独立的计费项目，进行单独列示和定价。

SOCAMM（小型化压缩附加内存模组）是英伟达主导，联合三星、SK海力士和美光等内存巨头开发的新型模块化内存标准。它基于LPDDR5X（或未来的LPDDR6）DRAM技术，专为AI服务器和个人AI超级计算机场景设计。

市场模型显示，英伟达在2026年第一季度支付的SOCAMM合同价格约为每GB 8美元，较上一季度大幅提升，这主要反映了LPDDR5X供应紧张和整体DRAM价格的上行趋势。基于对2026年底移动DRAM定价的预测，到2026年底SOCAMM的定价可能超过每GB 13美元，全年均值约10美元是一个合理的假设。

在此基础上，SemiAnalysis认为英伟达在SOCAMM上收取60%的毛利率具有充分的合理性：首先，内存供应全面紧张，英伟达在SOCAMM采购上享有优先获取权；其次，VR NVL72在性能与总拥有成本（TCO）维度远超同期竞品，客户缺乏可行的替代选项；最后，英伟达自身也面临着SOCAMM采购成本的大幅上涨，将成本压力向下游传导具有合理依据。

此外，内存定价不像GPU定价那样面临直接的反垄断顾虑，这给了英伟达更大的差异化定价操作空间——例如，对Neocloud与超大规模云厂商实施差别定价。目前，英伟达在网络设备上已经对Neocloud收取约为超大规模云厂商两倍的价格，同样的商业逻辑完全可以平滑地延伸至内存层面。