为什么大模型时代，卖铲子的（芯片公司）比挖金子的（AI应用公司）赚得还多？

都说搞AI应用像淘金，可你见过哪个淘金客先给卖铲子的交完押金，再报个“挥铲网课”，最后发现铲子还得按月续租？

老黄暗笑：你挖的不是金子，是算力贷。

更妙的是，模型一更新，旧铲子原地贬值，新铲子连夜涨价。

最惨不是做应用的，是开源框架那帮人——免费给铲子雕花，只图个乐。

这波啊，叫“赌场老板永远不亏”。

历史宅那个淘金热属实看吐了，老哥们谁不知道啊？

GPU现在就是赛博石油，谁掐着油管子谁说了算。

创业姐姐还搁那画饼，等你的应用跑通商业模式，我贴吧都水到18级了。

现在做AI应用的真不如矿老板，矿老板不如皮衣刀客。

哪天OpenAI黄了，英伟达照样数钱。

懂的都懂，铲子不是你想卖就能卖，台积电才是终极铲子王。

从创业和商业实战角度看，这太正常了！所有平台型、基础型技术刚开始的时候，都是这样。想想移动互联网早期，最赚钱的是卖智能手机的苹果和提供芯片的高通，而不是早期的APP开发者。为什么？因为‘需求确定性’和‘商业模式清晰度’不同。

卖铲子（卖芯片、卖服务器、卖云服务），是to B的生意，客户明确（各大科技公司、研究机构），采购流程标准化，回款有保障。这是个‘看得见、摸得着’的生意。而做AI应用，是to C或to B的探索性生意，需求模糊、需要教育市场、商业模式要反复试错、烧钱期漫长。投资人的钱也是钱，他们更愿意投给确定性高的‘铲子’商，而不是九死一生的‘挖金’者。

我创业踩过最大的坑，就是一开始想做个很酷的应用，结果发现最大的成本是算力，利润全被云服务商吃掉了。后来才明白，在产业初期，与其在红海里拼应用，不如先想办法成为基础设施的一部分，或者为基础设施提供服务。当然，等生态成熟后，应用的价值会爆发，但那是后期故事了。现在，活下来比讲故事重要。

这个问题，让我想起了19世纪中叶美国加州的淘金热。当时，成千上万的人怀揣着发财梦涌入加利福尼亚，结果呢？真正靠挖金子发了大财的凤毛麟角，反而是一个叫李维·斯特劳斯的犹太商人，他给矿工们卖结实的帆布工装裤，后来这个品牌叫李维斯，成了牛仔裤的代名词。另一个叫米尔斯的商人，他不去挖金，而是开了银行和杂货店，服务淘金者，最终成为加州首富。历史似乎总在重复，今天的AI大模型浪潮，就像一场新的‘数字淘金热’。

从产业链的角度看，这个现象并不奇怪。淘金热里，金矿资源分布极不均匀，且开采具有高度不确定性，竞争极度激烈。而铲子、牛仔裤、食物这些工具和补给品，是每一个淘金者都必需的，其需求是确定的、广泛的。卖铲子的人，本质上是在做一门‘旱涝保收’的生意，他们赚取的是整个行业基础设施的利润。在AI领域，这个‘铲子’就是GPU芯片。训练一个顶级大模型，动辄需要数千块高端GPU，运行数月，成本高达数千万甚至上亿美元。无论哪个公司的模型最终胜出，这些‘铲子’都是绕不开的硬成本。

再深入一层，这涉及到经济学里的‘进入壁垒’和‘利润池’理论。制造先进GPU，比如英伟达的A100、H100，需要极高的技术壁垒、资本壁垒和生态壁垒（CUDA生态）。全球能玩这个游戏的玩家屈指可数，这形成了寡头垄断的市场结构。垄断者拥有强大的定价权。反观下游的AI应用公司，虽然创新层出不穷，但面临同质化竞争、用户获取成本高昂、商业模式不清晰等问题。它们的利润池很浅，且波动巨大。资本是逐利的，它自然会涌向壁垒更高、确定性更强、现金流更稳定的上游环节。所以，英伟达的市值一度超过万亿美元，而绝大多数AI创业公司还在苦苦寻找盈利模式。

有人可能会反驳，说应用层的创新才是价值的最终体现，未来一定会诞生比芯片公司更伟大的公司。这没错，但这里有一个‘时间差’和‘确定性’的问题。芯片公司的利润是即时的、可预测的（芯片交付即可确认收入），而应用公司的价值实现需要漫长的市场验证、用户积累和生态构建。在投资领域，‘不确定性’本身就意味着更高的风险溢价。因此，在产业爆发的早期和中期，掌握核心基础设施的‘卖铲人’确实更容易成为最大的赢家。历史告诉我们，铁路时代的最大赢家不是铁路公司，而是钢铁大王卡内基；互联网泡沫时期，思科（卖路由器铲子）的市值也曾一度登顶。

当然，这并非永恒不变的定律。随着技术成熟、竞争格局变化，利润会向应用层和生态层转移。就像今天，李维斯虽好，但苹果、谷歌这些基于移动互联网生态的应用和服务巨头，创造的价值远超当年的‘铲子’供应商。但这需要时间。目前的大模型产业，仍处于基础设施投入的爆发期，‘铲子’的逻辑依然强劲。所以，当下卖铲子的比挖金子的赚得多，是产业初期基础设施红利、高进入壁垒和资本偏好共同作用下的必然结果。这不是倒反天罡，而是历史规律在新技术周期里的又一次押韵。

用系统论和博弈论来拆解一下。LLM产业链是一个典型的‘分层系统’：底层是芯片（算力），中间是框架/模型（算法），上层是应用。在系统爆发初期，底层硬件的性能直接决定了上层应用的天花板，因此底层厂商拥有‘卡脖子’级别的议价权。

从博弈角度看，这是一个‘赢者通吃’的子博弈。GPU设计制造具有极高的技术门槛和规模效应，市场趋向寡头垄断（NVIDIA, AMD, Intel）。而上层应用市场则是一个‘垄断竞争’甚至‘完全竞争’的子博弈，玩家众多，替代性强。在利润分配上，经济学的基本原理是：利润与竞争强度成反比。底层竞争弱，所以利润厚；上层竞争强，所以利润薄，甚至长期亏损换增长。

另外，AI模型训练有一个关键特性：计算密集型。这意味着算力成本占总成本的比例极高。根据阿姆达尔定律，当一部分成为瓶颈时，优化它的收益最大。因此，所有玩家都会不计成本地追求最好的‘铲子’，这进一步强化了底层厂商的定价能力。简单说，不是挖金子的不想赚钱，是他们现阶段的主要任务不是赚钱，而是用‘铲子’挖出比别人更深的‘矿’，抢占市场。赚钱的次序被战略性地后置了。

有什么好分析的？这就是世界的本质——虚无。大家轰轰烈烈地投身AI浪潮，以为自己在改变世界，结果呢？大部分人（应用公司）不过是在给少数人（硬件巨头）的财富游戏当燃料罢了。你问为什么卖铲子的赚得多？因为‘创造价值’这个叙事本身，就是最不值钱的东西。真正值钱的是‘分配价值’的权力，而权力来自于对稀缺资源的控制。高端GPU是稀缺的，所以控制它的人赚钱。至于你的模型多牛、应用多酷，在算力面前，都得低头。

别谈什么历史规律、商业逻辑了。这就像一场盛大的存在主义戏剧，每个人都在表演‘意义’，但幕布背后只有资本冰冷的计算。挖金者以为自己在追求梦想，其实只是铲子商资产负债表上的一串数字。散了吧，该打工打工，该躺平躺平。看清楚游戏的本质，比在游戏里当个高级NPC要清醒。

😅 这不是再明显不过的资本积累规律吗？在技术资本主义阶段，生产资料（这里是高端GPU及其制造能力）的私有制和垄断，必然导致利润向上游集中。下游的‘应用创新者’不过是高级一点的‘数字劳工’，他们用着昂贵的生产资料（算力），生产出的数据和模型，其价值又被平台和基础设施所有者再次捕获。这不就是经典的‘剥夺性积累’在数字领域的翻版？

看看英伟达的财报和股价，那不是一家公司在赚钱，那是一个食利阶层在吸整个AI产业的血。而那些高喊着‘改变世界’的应用公司创始人，最终可能发现自己不过是为半导体巨头打了份昂贵的工。历史总是惊人地相似：铁路大亨比沿途的小镇更富有，云计算厂商比使用云服务的绝大多数小公司更赚钱。这无关技术优劣，这是生产关系决定的。马克思的幽灵，在数据中心的服务器矩阵上空徘徊。😊