高盛Communacopia + TMT大會近日釋放了AI產業鏈最核心的幾組經濟賬。博通CEO陳福陽給出了一個關於1GW Frontier算力的拆解框架：對應300億美元ARR與100億美元成本，這意味著剩餘200億美元由模型層和應用層捕獲，而100億美元則由雲、晶片、記憶體、電力全產業鏈共同競爭。這一框架將AI算力投資的利潤分配問題擺上檯面——基礎設施層賺的是辛苦錢，真正的超額收益可能集中在模型與應用兩端。

AMD CFO胡正明則披露了未來五年1050億美元TAM以及Helios機架級路線圖。這一數字為AMD在AI加速器市場的長期空間提供了量化錨點，Helios路線圖則顯示其正從單晶片向機架級系統方案演進，直接對標輝達的機架級產品策略。

谷歌雲CEO Thomas Kurian的發言同樣關鍵：他首次將TPU外部客戶名單從Anthropic擴充套件至SSI和xAI，並將Gemini Enterprise定位為真正Agentic的AI平台。TPU外供客戶擴容意味著谷歌自研晶片正從內部自用走向外部商業化，與輝達GPU形成更直接的競爭；而Gemini Enterprise的Agentic定位，則指向企業級AI應用從對話式向自主執行任務的範式遷移。

三場會議疊加，市場對AI產業鏈贏家通路的排序逐漸清晰：閉源模型層優於晶片自有，晶片自有優於超大規模雲廠商，超大規模雲廠商優於電力與液冷，電力與液冷優於網路，網路優於應用層。這一排序的核心邏輯在於，越靠近模型能力與自有晶片的環節，越能同時享受技術溢價與規模效應；而越靠近應用層，則越容易陷入同質化競爭與利潤擠壓。

對投資者而言，這套框架的價值在於提供了一個觀察AI資本開支流向與利潤沉澱位置的透鏡。博通的拆解暗示模型層與應用層可能拿走算力投資的大頭回報，AMD的TAM與路線圖則關乎晶片環節的競爭格局演變，谷歌TPU外供與Agentic平台定位則牽動雲廠商與模型公司的競合關係。三者共同指向一個趨勢：AI下半場的競爭，正從單純的算力堆疊轉向對利潤分配權的爭奪。