高盛Communacopia + TMT大会近日释放了AI产业链最核心的几组经济账。博通CEO陈福阳给出了一个关于1GW Frontier算力的拆解框架：对应300亿美元ARR与100亿美元成本，这意味着剩余200亿美元由模型层和应用层捕获，而100亿美元则由云、芯片、内存、电力全产业链共同竞争。这一框架将AI算力投资的利润分配问题摆上台面——基础设施层赚的是辛苦钱，真正的超额收益可能集中在模型与应用两端。

AMD CFO胡正明则披露了未来五年1050亿美元TAM以及Helios机架级路线图。这一数字为AMD在AI加速器市场的长期空间提供了量化锚点，Helios路线图则显示其正从单芯片向机架级系统方案演进，直接对标英伟达的机架级产品策略。

谷歌云CEO Thomas Kurian的发言同样关键：他首次将TPU外部客户名单从Anthropic扩展至SSI和xAI，并将Gemini Enterprise定位为真正Agentic的AI平台。TPU外供客户扩容意味着谷歌自研芯片正从内部自用走向外部商业化，与英伟达GPU形成更直接的竞争；而Gemini Enterprise的Agentic定位，则指向企业级AI应用从对话式向自主执行任务的范式迁移。

三场会议叠加，市场对AI产业链赢家通路的排序逐渐清晰：闭源模型层优于芯片自有，芯片自有优于超大规模云厂商，超大规模云厂商优于电力与液冷，电力与液冷优于网络，网络优于应用层。这一排序的核心逻辑在于，越靠近模型能力与自有芯片的环节，越能同时享受技术溢价与规模效应；而越靠近应用层，则越容易陷入同质化竞争与利润挤压。

对投资者而言，这套框架的价值在于提供了一个观察AI资本开支流向与利润沉淀位置的透镜。博通的拆解暗示模型层与应用层可能拿走算力投资的大头回报，AMD的TAM与路线图则关乎芯片环节的竞争格局演变，谷歌TPU外供与Agentic平台定位则牵动云厂商与模型公司的竞合关系。三者共同指向一个趋势：AI下半场的竞争，正从单纯的算力堆叠转向对利润分配权的争夺。