AI 已建起昂贵工厂：收入、成本与护城河如何对上 (2026)

原文定位

Aswath Damodaran 于 2026 年 8 月 20 日在 Musings on Markets 发布《AI’s Bar Mitzvah Moment? From Hope & Hype to Hard Business Questions!》。页面记录了 8 月 21 日两次更新，内容从 AI 的市场规模、收费方式和成本结构，推进到竞争优势、社会约束与公司估值。作者要处理的具体问题是：AI 使用量和基础设施投入都在高速增长，怎样判断这场变化已经形成可赚钱的商业。1

AI 进入了要求收入证明的阶段

Damodaran 把革命性变化分成四段：希望与炒作，投资建设，商业建设，重新校准。第一段靠愿景吸引员工与资本；第二段由创业公司和大企业投入基础设施、试做产品；第三段要求产品形成收入、生产流程、销售渠道、单位经济和规模效应；第四段出现整合、淘汰、替代与社会反作用。1

作者判断，AI 已经走到第三段的早期。数据中心、芯片、云服务和模型训练构成了一座资本密集的「AI 工厂」，Anthropic、OpenAI 等公司开始销售这座工厂生产的产品，收入来源、价格和模型形态正在试错。使用量增长可以说明需求正在形成，资本开支可以说明供给端的投入强度；公司最终要交出的证明，则是收入能否覆盖交付成本、再投资和资本成本。1

TAM 的大小取决于四个选择

作者先把「总潜在市场」（TAM）从一个漂亮的数字拆成四个变量。Damodaran 写道，AI 产品与服务当前收入即使按乐观口径合计，也约为 2500 亿美元；他把 2025 年美国员工总薪酬 12.96 万亿美元视为美国 AI 潜在市场的宽口径上限，并把全球上市公司的经营费用约 65 万亿美元作为企业支出的背景规模。这些数字分别对应当前收入、可替代支出与宽口径经营费用，不能直接相加。1

工具还是员工替代。 企业把 AI 当作提高员工效率的工具时，AI 支出通常只是原有薪酬之外的一部分；AI 直接承担员工工作时，潜在收入上限更大，失业和收入下降的代价也更高。
产品价格覆盖哪一层劳动。 高价模型更容易替代高收入岗位。作者引用美国政府的收入统计：最高收入五分位获得约 51% 的员工薪酬，因此价格越高，产品越先触及高薪劳动市场。
哪些工作适合自动化。 规则清晰、结果容易核验的编码等工作更适合 AI；需要客户互动和原则判断的工作，替代速度会慢一些。作者据此判断，科技和金融行业的经营费用更容易受到影响，工业、材料、房地产和公用事业的暴露程度较低。
收入来自哪些地区。 高薪、非制造业劳动更集中在美国、欧洲和中国等市场，AI 替代劳动的收入与冲击也会更集中在那里。

这四个变量决定了 TAM 的区间。最乐观的市场估算，需要同时假设 AI 替代员工、覆盖大多数行业和地区，并以足够低的价格运行；最保守的估算，则把 AI 视为面向少数行业和地区的生产工具。作者要求估值者把这些选择写出来，而不是只报一个总市场数字。1

AI 催生的新企业也要经过「净收益」检验。互联网、智能手机和铁路都带来了新业务，但新业务的收入可能来自旧行业的替代，建设基础设施的公司也未必获得新业务的大部分价值。AI 架构公司若想分享新业务的收入，需要新的商业模式，而不能只依靠出售芯片、云资源或模型调用。1

收入怎样变成利润

AI 的行业经济学与传统软件存在一个关键差别：模型产品需要数据中心、芯片和持续推理计算，新增一次高强度使用会带来真实成本。Damodaran 认为，订阅制适合大众市场，却可能让高用量用户变成成本中心；使用量计费更适合高价、重计算的产品。开放模型有利于降低成本和扩大应用，封闭模型更容易保留定价权与客户黏性。技术进步和模型能力升级会同时带来两股力量：单个 token 的生产成本下降，模型为完成更复杂任务消耗的 token 增加。1

2020 至 2026 年六家大型公司的 AI 资本开支 — 原文根据 Cap IQ 数据整理了 Meta、Oracle、Amazon、Alphabet、Microsoft 和 CoreWeave 在 2020—2026 年的资本开支；作者将六家公司的累计投入写为约 1.7 万亿美元。图表展示投入规模，不等于这些投入已经产生同等收入。1

因此，大众市场与高端市场可能形成两套经济学：大众市场靠低成本、规模和订阅制获取用户；高端市场靠强模型、专有数据与使用量计费获得收入，却要承担更高的交付成本。一个行业有大 TAM，无法替企业选定哪一套经济学，也无法替企业证明利润率。

护城河与社会约束会一起进入估值

作者把 AI 的护城河分成两类。大众市场的竞争优势来自更低的单位成本、规模或专有数据；高端市场的竞争优势来自技术能力、控制交付成本、围绕客户数据形成的产品黏性。顶尖人才在早期具有明显价值，品牌的长期价值则取决于产品可靠性与企业对数据和伦理问题的实际处理。1

四类社会约束会改写这些商业变量：数据中心争夺土地、电力和用水，会抬高资本开支与运营成本；数据滥用事件会提高数据取得和保护成本；失业担忧会推动保就业要求，改变裁员与部署 AI 的成本；AI 财富集中会增加税收和收入分配压力。作者的意思是，社会争议会沿着成本、收入、再投资和监管四条路径进入公司估值。1

从市值倒推需要多少收入

当市场数据稀少时，Damodaran 建议使用反向估值：先给定市值、成熟时间、营业利润率和资本成本，再倒推公司必须达到的收入规模。这个方法把「增长很快」翻译成一组可检查的现金流条件。1

作者用 Anthropic 做示例：假设公司估值 2 万亿美元、税后营业利润率 30%、资本成本 10%，十年后成熟需要接近 1.2 万亿美元收入，十五年后成熟需要接近 2 万亿美元收入。把全行业估值假设为 5 万亿美元、营业利润率假设为 20%，十年成熟需要约 5 万亿美元收入，十五年成熟需要超过 8 万亿美元。这些数字是由估值参数倒推的情景示例，作用是检验故事是否自洽，而不是预测 Anthropic 或全行业的实际结果。1

把这套方法用于具体公司时，估值者需要先判断五件事：公司服务大众市场还是高端市场；收入来自订阅还是使用量；单位经济和规模效应怎样变化；护城河来自成本、数据还是技术与黏性；公司需要投入多少新资本，以及所在地区会施加哪些监管约束。产品定位一旦改变，价格、成本、利润率和再投资假设都要一起改变。1

结论与边界

Damodaran 给出的框架把 AI 商业判断从「使用量很大」推进到「收入、成本、利润和现金流能否闭合」。TAM 提供收入上限，行业经济学决定收入能否变成利润，护城河决定利润能否持续，社会约束决定这些假设会付出多少额外成本。

这套框架会缩小估值叙事的自由度，却不会替读者给出 AI 的终局数字。作者的确定判断只有一条：AI 企业已经进入需要用商业指标证明自己的阶段；任何关于最终市场规模或公司价值的高置信预测，都应先把产品选择、单位经济、护城河、再投资和监管条件写清楚。

References

1
AI’s Bar Mitzvah Moment? From Hope & Hype to Hard Business Questions!
aswathdamodaran.substack.com