Table of Contents
⚡ 當 AI 開始付電費
巨頭現在搶的不是參數，是變電站的併網許可、有水有電的土地、2028 年才交機的液冷機組。🏭 AI 的瓶頸已經從演算法，移到了電表、廠房和折舊表上。一旦如此，這個產業就得開始遵守重工業的規則——而重工業的規則，跟軟體業幾乎相反。
這篇整理了五件看起來不相干、其實同源的事：
🔌 為什麼地緣政治繞著兩個「只有一家」的供應鏈單點轉
🍬 巨頭為什麼從喜詩糖果換到鐵路——以及這個類比的破口在哪（提示：鐵軌一百年不過時，加速卡三到六年）
💳 你的軟體為什麼開始按量計費，而聊天視窗的訂閱費大概不是終局
🏗️ 商品化之後，代工龍頭、雲端霸主、系統接合者各自佔了哪一格
🔋 暗光纖故事被省略的另一半：付代價的人和收成果的人，通常不是同一批
🩺 文末也談了一段醫療現場：一個病歷寫得比住院醫師更完整的模型，如果每份推論成本乘上全院年住院人次超過它省下的人力價值，它就進不了病床邊。決定 AI 能不能落地的，往往不是它多聰明，而是醫院的電費預算。👉 下次看到 AI 的新聞，別只看模型排行榜。看電表、看折舊年限、看誰在為推論買單。
#AI #算力 #資料中心 #半導體 #能源 #醫療AI
巨頭現在搶的不是參數，是變電站的併網許可、有水有電的土地、2028 年才交機的液冷機組。然後把這些東西一筆一筆記進折舊表。
| 軟體業的規則 | 重工業的規則 | |
|---|---|---|
| 邊際成本 | 接近零 | 每一次都要付電費 |
| 毛利率 | 八成 | 兩位數就算不錯 |
| 資本支出 | 很輕 | 先蓋三到五年，再攤提五到二十年 |
| 計分方式 | 利潤率百分比 | 絕對美元總額 |
這個產業正在從左邊那一欄，搬進右邊那一欄。後面五件看起來不相干的事——地緣政治為什麼繞著一座島轉、巨頭為什麼開始發債、你的軟體為什麼改成按量計費、大家為什麼忽然都在談核電——都是同一句話的推論。
一、有實體，就有地方可以打
集中度本身就是脆弱點——這個判斷不需要任何額外假設就成立。
比較有爭議的是下一步。有一種賽局推論說：如果一方形成不可逆的斷崖式領先，落後方理性的止損不是苦苦追趕，而是直接癱瘓對手的製造心臟；所以目前「差半步」的微幅差距，反而是安全區間。
推論很精巧，但它預設了三件不見得成立的事：
- 模型領先能相當直接地換算成軍事優勢（中間隔著感測、後勤、指揮體系好幾層）
- 台海決策主要由科技落差驅動（而非主權敘事與內部政治）
- 攻擊方自己不用付供應鏈的代價（而它是全球最大的晶片進口國）
值得聽，但別當成預測。尤其別把它讀成「所以最好不要領先太多」——那是從一個薄弱的機制假設，推出一個很重的政策結論。至於「乾脆建一套本土閉環」：各國近年補貼的晶圓廠，幾乎每一座都還在跟成本結構搏鬥。這不是意願問題，是算術問題。
二、從喜詩糖果換到鐵路
傳統搜尋廣告是喜詩糖果：投入極少資本就有超高報酬率，但你想再塞十億進去，它也沒地方放。資料中心是鐵路：報酬率普通、折舊永遠掛著，但它能吸收巨量資本，並在幾十年裡吐出遠超前者的絕對現金流。因為潛在市場橫跨所有腦力勞動，即使報酬率砍半，絕對金額還是更大——所以他們願意發債、願意稀釋、願意讓自由現金流轉負。
但這個類比有個破口，而破口正是勝負的關鍵。巴菲特買鐵路的前提是鐵軌一百年不會過時；一張加速卡的經濟壽命是三到六年。所以這不太像鐵路，更像航空業：重資產、快速貶值、產能同時上線時價格會崩。
想判斷這場豪賭，財報上一行不起眼的字比模型排行榜有用得多：「伺服器折舊年限由四年改為六年」。它沒改變任何實體，只改了分母，卻直接決定帳面利潤好不好看。
三、誰為每一次推論買單
| 真正的痛點 | |
|---|---|
| 企業端 | 從按人頭包月改成按用量計費。重度使用者成本失控，而且預算從「一年編一次」變成「每月審細項」——被打破的是可預測性。 |
| 消費端 | 不是沒人願意付（AI 訂閱是成長最快的消費訂閱之一），是天花板太低，而最愛用的人最虧錢。 |
順著推下去，會得到一個和主流敘事不太一樣的結論：目前最穩健、最有全球規模的變現管道，很可能不是聊天視窗的訂閱費，而是大型推薦與廣告系統在點擊預測、意圖比對上那微幅的幾個百分點。那裡沒有人在談 AGI，但那裡有廣告主的投資回報可以吸收運算成本，不必穿過終端消費者的價格彈性。
四、商品化之後的三種佔位
| 角色 | 打法 | 誰受益 |
|---|---|---|
| 代工龍頭 | 缺貨的代價是抱怨，過剩的代價是幾百億空轉。懲罰不對稱，所以寧缺不超建。 | 被擠出來的訂單，成了二線代工廠的轉單窗口 |
| 雲端霸主 | 拿自家業務當自研晶片的試金石，把還不成熟的矽藏在全託管服務背後迭代。 | 純軟體公司跨不過的實體護城河 |
| 系統接合者 | 不追前沿模型，只做穩定、向後相容的整合層。 | 最不想承擔技術風險、卻最有預算的傳統企業 |
五、潮水退去，留下的是電
這一半剛好是對第二節的反駁。巨頭用稀釋和舉債去換絕對規模，這個邏輯在總體層面成立，但不保證在個別股東身上成立。
那這次會留下什麼？大概不是晶片——晶片幾年內就折舊淘汰，運算單元會世代交替。留下來的可能是電：如果這場資本壓力真的倒逼各國鬆綁能源管制，加速小型模組化反應爐、獨立電網與潔淨能源基礎設施落成，徹底顛覆長期受制於「電力稀缺」的經濟前提，那麼即使這一輪的投資人血本無歸，這些資本仍會變成下一個世代的永久基石。
電表比模型長壽。
六、如果你不是投資人
你會先在帳單上感受到它。熟悉的軟體從包月改成按量，免費工具開始出現廣告（而且精準得多），公司裡開始有人問「這功能上個月用掉多少 token」——一個三年前不存在的問題。
在醫療現場，形狀更具體：導入臨床 AI 的成本，正從一次性授權費變成跟門診量、住院人日成正比的變動成本。一個病歷寫得比住院醫師更完整的模型，如果每份推論的成本乘上全院年住院人次，超過了它省下的人力價值，它就進不了病床邊。決定 AI 能不能落地的，往往不是它多聰明，而是醫院的電費預算。
這聽起來掃興，其實是好消息：成本一旦透明，導入就從信仰問題變回工程問題。而工程問題是可以解的。
下次看到 AI 的新聞，別只看模型排行榜。看電表、看折舊年限、看誰在為推論買單。答案通常在那裡。