AI赋能百业，但大模型底座本身投资价值偏弱AI属于通用目的技术，和电力、蒸汽机、互联网属于同一类技术革命：能够外溢效率，改造几乎全部实体经济，提升全社会劳动生产率，但技术社会价值≠上市公司投资回报价值，红利在产业链出现结构性错配 。一、产业链倒三角利润分配AI产业链利润不是传统互联网正金字塔，而是倒置结构，利润大量向上游转移。上游算力硬件（芯片、HBM、服务器、光模块、IDC）：产业最大赢家无论哪一家大模型竞争胜出，训练、推理都必须采购硬件。属于“卖铲子”，刚性需求，拿走全产业链60‑70%毛利，率先兑现盈利，不受模型价格战冲击。下游各行各业、垂直应用企业：享受技术外溢红利企业不需要自研大模型，直接调用API，把AI嵌入自身业务流程，完成降本增效。把AI变成自身业务利润，成本可控，独享自己行业的场景、客户、数据壁垒。红利流向使用AI的传统产业，而不是制造AI底座的厂商。中游通用大模型厂商，处于产业链夹心层向上，要承担巨额算力采购、电力、人才成本；向下，面对开源冲击、惨烈API价格战。互联网是规模经济：用户越多，边际成本趋近零。大模型是规模不经济：调用量上涨，算力成本近乎线性同步上涨，用户越多亏损越大，收入扩张的同时亏损同步扩张。全球头部OpenAI营收高速增长，但持续大额现金消耗；国内智谱、MiniMax等同样营收规模不大，亏损巨大。二、大模型底座难以构筑永续护城河Scaling‑Law规模定律边际收益递减继续砸钱堆算力训练大模型，性能提升幅度越来越小，资本开支指数级上涨，投入产出比持续恶化，单纯靠堆钱很难拉开永久代差。开源模型持续抹平差距开源模型能力持续追赶闭源头部，企业客户可以本地部署、二次微调，大幅降低对闭源API依赖。通用模型逐渐大宗商品化，切换成本极低，很难维持长期高溢价。红皇后效应：行业永远要不停烧钱追赶同行出新模型，自家现有模型资产立刻相对贬值。必须持续巨额投入迭代，一旦资本开支放缓，技术优势快速消失，没有躺赢的时刻 。三、技术革命历史参照：通用底座往往不赚钱历史上每一轮通用技术革命都重复相似剧本：电力革命：发电技术改变全部工业，但早期大量发电设备企业破产；真正赚钱的是用电改造的工厂、家电企业。互联网泡沫：早期做底层协议、门户基建的大批公司倒闭；超额利润沉淀在使用互联网做生意的电商、社交平台手里 。AI复刻这套规律：底座承担全部迭代烧钱成本，效率红利向外扩散给全社会。技术造福世界，但资本回报不一定落在底座企业身上。四、不是全盘否定大模型，只有少数闭环玩家有机会只有做到模型+自有场景+自有流量+自研算力完整闭环的巨头，才有机会消化巨额成本：用自有场景消化推理算力，不用对外打价格战；自研硬件压低算力采购成本；自身业务消化AI产出价值。脱离自有场景的独立通用大模型公司，商业兑现周期漫长，二级市场容错率极低。

规避：纯通用大模型底座企业，技术价值极高，但商业兑现不确定性极大。

免责：仅宏观逻辑推演，不构成投资建议。