AI 產業的投資回報分配正在經歷一輪深刻的結構性洗牌。據半導體研究機構 SemiAnalysis 最新發布的觀點，過去兩年由 英偉達、內存廠商和能源供應商主導的價值鏈格局，正被模型層利潤的爆發式增長所打破，而掌握最核心算力資源的英偉達與 臺積電，卻尚未在定價上充分反映這一趨勢。

Anthropic 成為這一轉變最醒目的註腳。SemiAnalysis 數據顯示，這家前沿模型公司的年化營收已從年初的 90 億美元 激增至 440 億美元 以上，其推理基礎設施的毛利率同期從 38% 躍升至 逾 70%。驅動這一利潤率飆升的核心力量，是代幣經濟學的雙向剪刀差：一方面，智能體 AI 在企業工作流中的大規模落地，使代幣所能替代的人力成本價值急劇放大；另一方面，硬件迭代與軟件優化正以遠超預期的速度壓低代幣生產成本。

SemiAnalysis 將 2025 年 12 月 視為 AI 商業化的真正拐點。彼時，智能體 AI 開始穩定運行並深入企業流程，從根本上改變了代幣的經濟價值。以該機構自身為例，其年化代幣支出已相當於員工薪酬總額的約 30%，每名員工月均消耗代幣量超過 50 億個，是 Meta 內部人均水平的五倍以上。原本需要初級分析師數小時完成的財務建模、圖表製作等工作，如今通過智能體以極低的代幣成本即可完成，而同等的人力成本曾高達數百至數千美元。

與此同時，代幣的生產成本正在急劇下降。在智能體任務場景下，運行 Opus 4.7 的實際混合價格約為每百萬代幣 0.99 美元，遠低於官方標價——原因在於智能體工作負載具有極高的輸入輸出比和超過 90% 的緩存命中率，大量代幣落入最低價格檔位。硬件層面的加速同樣顯著：相較一年前的 H100，Blackwell 系列在前沿工作負載下每秒可生成的代幣數量提升約 30 倍，而最優化配置下的 GB300 NVL72 在 FP4 精度下吞吐量提升可達 32 倍，總擁有成本僅高出約 70%。

面對模型廠商利潤率快速擴張，市場最常見的質疑是競爭終將侵蝕定價。SemiAnalysis 對此持保留意見，理由有二。其一，前沿閉源模型在真實知識工作場景中的表現仍顯著優於開源模型，定價權依然穩固。其二，算力約束意味著沒有任何一家前沿實驗室能夠獨自滿足整個市場的需求。Anthropic 已開始通過將 Claude Code 鎖定在每月 100 美元 以上訂閱門檻、限制第三方接入等方式主動管理需求，代幣供給在可預見的未來將持續偏緊。其產品線策略已兌現這一邏輯：Opus fast 定價是普通版本的四倍，即將推出的 Mythos 定價為 25 美元 / 125 美元，頭部企業客戶仍願意為這些高價 SKU 買單。

然而，掌握最核心稀缺資源的英偉達與臺積電，定價行為卻呈現出明顯的保守傾向。臺積電的 N3 先進製程產能已成為整個 AI 算力擴張最緊張的瓶頸，英偉達、博通、AMD 等巨頭均在爭奪有限的晶圓配額，N3 產能利用率預計將在 2026 年下半年突破 100%。DRAM 晶圓廠利用率也已超過 90%，內存供應整體偏緊。SemiAnalysis 認為，臺積電完全有條件大幅提價，且部分客戶甚至會歡迎此舉——英偉達 CEO 黃仁勳 此前就曾公開表示臺積電應該提高晶圓價格，因為若提價意味著競爭對手獲得更少產能配額，反而有利於鞏固英偉達的市場地位。

英偉達自身的定價框架仍錨定於“單位算力願付價格隨時間下降”的舊假設，但這一前提已不再成立。隨著智能體工作負載爆發，算力需求正呈現複合加速態勢。以即將於 2026 年下半年 發佈的 Vera Rubin（VR NVL72） 為參照，SemiAnalysis 構建了一套定價分析框架。從成本端看，基於新興雲服務商內部收益率不低於 15.6% 的部署門檻，VR NVL72 每小時每 GPU 的最低租金需達約 4.92 美元；從價值端看，以 GB300 當前五年期合約租金為錨點，租金上限約為每 GPU 每小時 12.25 美元。目前 VR NVL72 系統定價使每單位算力成本降至約 0.28 美元，較 GB300 NVL72 降幅達 60%，遠超歷史趨勢線，這意味著英偉達的服務器價格存在約 40% 的上調空間。

內存定價是另一個關鍵變量。VR NVL72 採用的插槽式 LPDDR5X 內存模組可與計算單元獨立定價。SemiAnalysis 估算，英偉達在 2026 年一季度 支付的合同價約為每 GB 8 美元，預計至年底可能超過每 GB 13 美元。在此背景下，英偉達若在內存上實現較高毛利率，邏輯上具備合理性：一方面內存供應受限、英偉達掌握最大份額優勢；另一方面，VR NVL72 在總擁有成本層面的性能領先地位使客戶缺乏替代選擇。

SemiAnalysis 的框架揭示出當前 AI 價值分配的核心矛盾：代幣經濟學的改善正迅速推高模型廠商與推理服務商的利潤，但算力供給端最稀缺資源的掌控者，其定價行為與供給稀缺性之間存在明顯錯位。這一錯位的持續，本質上是一種主動選擇——英偉達正扮演類似“AI 中央銀行”的角色，通過軟件效率提升向下遊輸送價值，以維持生態系統的長期擴張動力，同時規避反壟斷監管壓力。臺積電則延續了歷史上“穩定生態、不吃盡上行紅利”的定價哲學。然而，隨著推理投資回報日益清晰、價值定價邏輯在市場普及，這兩家公司向價值定價框架切換的壓力將持續上升。一旦切換髮生，AI 產業鏈的價值分配格局將再度重塑，算力供給端的議價權將在更大程度上向硬件層迴歸。