o1 水平模型的推理成本，18 个月里从 14.25 美元降到 0.042 美元每百万 token，跌幅 99.7%（中金研究院 2026 年 7 月）。同期台积电把 2026 年资本支出预测上调到 600 到 640 亿美元。一个数字在自由落体，一个数字在加速上扬。
两条曲线背道而驰，中间藏着一个判断：AI 产业的价值正在离开模型层，沿产业链向上游和下游同时迁移。留在模型层的那段利润会被竞争摊薄，新的租金只会在两个地方沉淀：向上回到物理上不可替代的基础设施，向下回到用户不可绕过的分发节点。
过去两周追踪的所有现象，都是这条价值迁移河流的不同支流。ARC-AGI-3 被刷穿 99%、OpenAI 改谈“每美元智能”、Apple 同时起诉 OpenAI 又集成阿里千问、Sequoia 算出 3 万亿美元缺口：它们各自独立，合起来指向同一张地形图。
这篇文章想做的，是把这张地形图正面画出来。
第一层：模型层为什么留不住利润
要理解价值为什么离开模型层，得先看清模型层发生了什么。
三股力量同时在把模型层的稀缺性溶解。
第一股是能力收敛。前沿模型之间的能力差距在快速收窄。开源模型 LongCat-2.0 以 MIT 许可放出 1.6T 参数权重，能力逼近闭源的 GPT-5 级别（美团 2026 年 7 月发布）。Kimi K3 2.8T 参数在多个榜单上刷新记录。当一个开源模型能做到闭源模型 90% 的能力，剩下 10% 的差距不足以支撑溢价。能力差的收窄直接压缩了模型层的定价空间。
第二股是基准失效。古德哈特在 1975 年提出的那个定律：当一个指标成为目标，它就不再是好的指标：在 AI 评测层兑现了。Schema Harness 用程序合成加穷举搜索把 ARC-AGI-3 刷到 99%，但它换一个结构的抽象推理任务立刻掉回原点。基准不再能区分“真的变强”和“专门为这个考试优化”。当测量工具失灵，买家无法为“更好”付费，只能为“更便宜”付费。价格战是基准失效的必然下游。
第三股是成本曲线下坠。token 价格 18 个月跌去 99.7% 只是表象。底层是推理算力的边际成本在快速逼近一个物理底板：芯片折旧加能源消耗。当边际成本足够低，模型层就从“有定价权的产品”变成了“按边际成本定价的商品”。
三股力量合起来指向同一个结论：模型层正在经历经典经济学意义上的商品化。商品化的含义很精确：供给充分、差异化消失、定价权转移给掌握渠道和基础设施的人。波特在《竞争战略》里讲过这个规律：当一个行业的产品维度同质化，利润会从产品制造商流向渠道商和基础设施提供商。铁路时代如此，电信时代如此，云计算时代如此。AI 的模型层正在加入这条名单。
需要补一层反面假设。如果出现能力阶跃（新架构、新训练范式），模型层会短暂重新成为战略资产，能力差距重新拉开，定价权回流。但阶跃是低频事件，两次阶跃之间的常态是收敛。商品化是主线，阶跃是插曲。
第二层：价值向上游迁移：基础设施的卡特尔化
模型层流走的利润，第一站沉淀在物理上不可替代的基础设施层。
台积电把 2026 年资本支出上调到 600 到 640 亿美元。NVIDIA 的季度收入逼近 1000 亿美元。全球数据中心用电量预计从 2024 年的 415 TWh 增至 2030 年的 945 TWh（IEA/中金研究院），年复合增速 15%，而全球电力供给增速只有约 3%。这个剪刀差不靠金融杠杆解决，只能靠能源技术突破。
这些数字在说同一件事：算力的物理供给是硬约束。芯片制造、先进封装、HBM 内存、电网容量、冷却系统，每一个环节都有物理上限，都有极长的资本回收周期，都有极高的准入门槛。拜因霍克在《财富的起源》里强调过，经济系统的演化受制于物理约束，当一种经济模式的资源消耗增速远超供给增速，系统不会平滑过渡，会产生结构性瓶颈和价格冲击。AI 基建正在撞上这堵墙。
布莱恩·阿瑟在《复杂经济学》里对这种结构有一个精确的命名：收益递增与锁定。当一项基础设施的投入达到临界规模，正反馈会让它越来越难被替代。台积电的先进制程、NVIDIA 的 CUDA 生态、电网的物理接入权，每一项都已经被锁定。后来者即使技术上更优，也会因为路径依赖而进不来。
收益递增的后果是卡特尔化。当基础设施层的供给被少数玩家锁定，他们就拥有了租金征收权。模型层的利润被竞争摊薄，基础设施层的利润被稀缺性抬高。价值沿产业链向上迁移的物理通道，就是这条租金管道。
麦克卢汉在《理解媒介》里有一个更深的判断：媒介在过热时会自我逆转。互联网把“轻资产”推到极致：一次开发、零边际成本、全球分发。AI 的出现把“重资产”重新拉了回来。每一次认知能力调用都消耗真实的算力和电力。数字经济的边际成本从趋零回到趋正。这个逆转的直接受益者，是掌握物理资源的那一层。
但基础设施层有一个被低估的风险。Sequoia 算出全球 AI 基础设施投入已达 1.5 万亿美元，行业需要 3 万亿美元收入才能回本，缺口是当前收入的 15 倍。如果需求端的增长追不上供给端的投入，基础设施层会从“租金征收者”变成“过度投资的烂尾工程”。台积电的资本支出是赌注，不是保险。赌的是 AI 需求在未来三到五年持续指数增长。赌错了，算力从稀缺变过剩的速度，会比它从过剩变稀缺的速度更快。
第三层：价值向下游迁移：分发节点的卡位战
模型层流走的利润，第二站沉淀在用户不可绕过的分发节点。
Apple 同期做两件事。一边起诉 OpenAI，约四十名前员工收到律师函。一边让国行 Apple 智能集成阿里千问的备案走完。诉讼和合作并用，底层是同一个策略：不让任何一个模型供应商在 Apple 的操作系统里变得不可替代。Apple 要的是把模型层从“战略资产”降级为“可替换的中间件”，自己以平台姿态站在分发节点上收租。
阿瑟的路径依赖与锁定在这里解释了 Apple 的警觉。Apple 自己就是锁定效应的最大受益者：iOS 生态的切换成本全球最高。正因为它比谁都清楚锁定的力量，它比谁都更警惕被别人的模型锁定。供应商制衡是这个警惕的具体动作：保持多家并存，让它们互相制衡，任何一个模型都不成为不可替代的那个。
微信走了另一条同样有效的路。2026 年 7 月微信集成混元 Hy3 的 2950 亿参数 MoE 架构 Agent，服务 10 亿日活用户。微信没有去做最强的模型，它做的是把模型能力锁进自己的社交场景闭环。用户在微信里完成搜索、比价、下单、支付，模型只是底层的引擎，用户感知到的是微信的服务。
两个分发节点的共同特征：它们掌握了用户接触点。模型层是谁都可以换的引擎，分发层是用户已经习惯的入口。掌握了入口，就掌握了模型供应商的生杀大权。价值沿产业链向下迁移的商业通道，就是这条入口管道。
分发节点有一个比基础设施更隐蔽的权力：它控制了需求的定义权。当一个用户说“想喝一杯清爽的”，Apple 的操作系统或微信的 Agent 决定推荐哪一家。模型供应商在后台竞价，分发节点在前台收租。这个结构跟搜索引擎时代的广告竞价完全同构，只是粒度更细、场景更贴近交易。
分发节点的风险在于监管。当 Apple 或微信同时控制了模型选择权和用户接触点，它们就成了反垄断的天然靶心。欧盟 2026 年 7 月裁定 Google 必须向竞争对手开放 Android，是这个方向的早期信号。分发节点的租金能否持续，取决于监管允许它收多久。
第四层：中间层的命运：中国机会与定价权缺口
模型层和基础设施层之间，有一层正在快速生长：组织中介层。Agent、RAG、MCP、工作流编排：这一层连接通用模型和具体场景，需要的是系统集成能力、工业软件生态和工程交付经验。
这一层是中国最具比较优势的竞争场。中金研究院在 2026 年 7 月的报告里把这个判断说得很清楚：美国走闭源中枢收租型（芯片加云加模型三层闭环），中国走开源扩散承接型（制造加场景加工程交付）。中国的比较优势在产业场景的丰富度和工程交付的执行力。用一个不精确但有用的类比：美国在造发动机，中国在造底盘。发动机的技术壁垒更高，但底盘决定了车能不能跑起来。
但中国的组织中介层有一个结构性短板：它带来收入，不一定带来定价权。阿瑟在《复杂经济学》里强调，技术进化的速度取决于组合的频率和多样性，而根本性的技术变异发生在组合密度最高的地方。美国的前沿模型生态聚集了全球最优秀的研究者、最大的算力集群和最密集的风险资本，技术变异的速度极快。中国的工程扩散路径擅长已有技术的组合应用，但在根本性技术变异上处于劣势。
定价权在最底层的技术标准手里。中国能在组织中介层赚到工程交付的钱，但标准的定义权仍在台积电的制程、NVIDIA 的 CUDA、以及下一代芯片架构的突破者那里。这是一个需要正面承认的缺口：收入和定价权是两件事，中国在前者上有优势，在后者上还有距离。
地形图的全貌
把四层叠起来看，AI 产业的价值流向有了一张完整的地形图。
物质底座层（电力、芯片、先进封装）是租金最厚的一层，物理稀缺性和收益递增双重保护。台积电、NVIDIA、能源基础设施在这里收租。
智能供给层（模型、API、云服务）是利润正在流走的一层，能力收敛、基准失效、成本下坠三股力量把它推向商品化。OpenAI、Anthropic、DeepSeek、阿里 Qwen 在这里竞争，利润被摊薄。
组织中介层（Agent、MCP、Skills）是增长最快但定价权最薄的一层，系统集成能力决定收入，技术标准决定定价权。中国的比较优势集中在这里。
场景兑现层（操作系统、社交平台、支付入口）是用户接触点和需求定义权所在的一层，Apple、微信、Google 在这里卡位，用分发权力征收模型供应商的租金。
价值沿这条地形图从中间向两端流。中间薄，两端厚。这是 AI 产业下一个阶段的基本结构。
麦克卢汉说媒介即讯息。AI 这个媒介的讯息，是产业价值的重新分配。当模型层的边际成本趋近物理底板，当基准不再能区分真假能力，当平台学会用供应商制衡避免被锁定，价值就会离开它生成的地方，流向它被锁定的地方。
条件式判断
以上地形图需要分情景检验。
这里要先承认这个框架的解释力有边界。“价值从模型层向基础设施和分发节点迁移”是从铁路、电信、云计算的历史商品化周期里归纳出来的方向。归纳有它的解释力，也有它的盲区。AI 产业和铁路不一样的地方在于：模型的复制边际成本接近零，能力差收窄的速度远快于任何一次历史类比，而能力阶跃（新架构、新范式）可能在任何时候打断这条迁移曲线。框架给出的是趋势方向和验证信号，不是确定性预言。投资判断需要在框架给出方向后，用季度数据不断修正：模型层毛利率、基础设施资本开支回报率、分发节点的监管动向。
基准情景（概率约 50%）：能力差维持当前收窄速度，模型层继续商品化，价值持续向基础设施和分发节点迁移。台积电、NVIDIA、Apple、微信这类控制物理或分发瓶颈的参与者议价权上升。未来两到三年，前沿模型公司之间的并购整合加速，模型层毛利率持续下行。
上行情景（概率约 25%）：出现能力阶跃（推理期训练成熟、新架构替代 Transformer、或新范式突破），能力差距重新拉开。模型层重新成为战略资产，OpenAI 这类领先者把口径切回能力，基准重新有效，平台被迫重新绑定最强供应商。价值迁移中断，甚至局部回流到模型层。
下行情景（概率约 25%）：AI 需求增长追不上基建投入，Sequoia 的 3 万亿缺口显性化，基础设施层从租金征收者变成过度投资的烂尾。模型层和基础设施层同时承压，整个产业进入估值修正。只有分发节点（Apple、微信）因为掌握用户接触点而相对抗压。
验证信号是可观测的。未来两到三个季度，盯三个指标。第一，前沿模型公司的毛利率走向：持续下行则基准情景成立。第二，是否出现打破当前能力平台的能力阶跃信号（不是基准跑分，是新范式的实锤应用）：出现则上行情景启动。第三，云厂商资本开支回报率是否被公开质疑、是否有大型数据中心项目延期或取消：出现则下行情景浮现。
一个被忽略的变量：谁定义“够好”
地形图里还有一个隐性变量没有展开。当所有模型都“够好”，选择标准就从“谁更强”变成了“谁离用户更近”。这个标准的变化，是分发节点能收租的根本原因。
用户不会因为跑分选模型，ARC-AGI-3 已经证明跑分不可信。用户不会因为价格选模型，OpenAI 正在把所有人拖入价格战。用户会选的，是那个已经被他的操作系统或社交平台选好的模型。Apple 集成千问，微信集成混元，Google 集成 Gemini：每个分发节点都在替用户做选择。
这才是价值重分配最深的一层。模型层的竞争已经结束，不是因为有赢家，是因为有选择权的人不再在意谁赢。分发节点拿着选择权，基础设施拿着稀缺性，中间的模型层拿着越来越薄的利润和越来越短的领先窗口。
下一个两年，AI 产业的真正分水岭不在谁的模型更强。在谁掌握定义出口的权力。
参考来源
- 中金研究院（周子彭/彭文生等），2026-07-17，《工业化数字经济：智能供给的经济分析》
- 台积电 2026 年资本支出 600-640 亿美元：台积电 2025 年法说会指引与分析师共识
- IEA 全球能源展望 2025，数据中心用电量预测
- SemiAnalysis/CNBC，2026-07-06，NVIDIA Kyber 延迟与 Rubin 路线图
- Sequoia（David Cahn），2026-07-10，AI 基础设施 1.5 万亿投入与 3 万亿回本缺口
- ARC Prize 公开榜单，2026-07，Schema Harness 与 ARC-AGI-3
- 美团 LongCat-2.0 发布，2026-07-06，MIT 许可 1.6T 参数
- Apple 起诉 OpenAI 诉讼文件，2026-07-11；国行 Apple Intelligence 备案，2026-07-15
- Goodhart, Charles. “Problems of Monetary Management: The UK Experience” (1975)
- 阿瑟《复杂经济学》，收益递增、路径依赖与锁定效应
- 麦克卢汉《理解媒介》，媒介即讯息、过热逆转
- 拜因霍克《财富的起源》，复杂经济系统的物理约束
- 波特《竞争战略》，成本领先与差异化、价值链利润流向