AI 公司到底誰在賺錢？一張四層地圖看懂 2026 AI 產業（台積電就在最底層）

我是傳恩。

先問你一個問題：你每個月付給 ChatGPT 或 Claude 的訂閱費，最後流進誰的口袋？

大部分人會說「OpenAI 啊，不然咧」。錯，OpenAI 只是第一站。

那筆錢會一路往下流：流給微軟的雲、流給 NVIDIA 的晶片，最後流到新竹的台積電。而且越往下游，賺得越穩。

這篇文章給你一張地圖。看懂它，你就知道 2026 年的 AI 產業誰在賺錢、誰在燒錢、誰在賭命——還有為什麼台灣人學 AI，天生就站在供應鏈的中心點。

先講清楚遊戲規則：這篇的關鍵數字都來自官方財報或主流財經媒體，資料時點是 2026 年 7 月。標「媒體估計」「分析師估計」的就是還沒官方認證的數字，我照實標，不裝內行。AI 產業的數字過期極快，你引用前記得回原始出處再確認。

先看整張地圖：AI 產業就四層

理解 AI 產業，不用背幾百家公司。把整條供應鏈切成四層就夠了，每一層賣的東西完全不同：

層	代表玩家	商業本質
第四層　應用/工具層	Cursor、GitHub Copilot、Perplexity、各種 AI SaaS	賣「工作流」——把模型能力包進具體場景
第三層　模型層	OpenAI、Anthropic、Google、Meta、xAI／DeepSeek、Qwen、Kimi	賣「智慧本身」——token、訂閱、企業授權
第二層　算力雲層	Microsoft Azure、AWS、Google Cloud、Oracle、CoreWeave	賣「電力公司式的算力租賃」
第一層　晶片層	NVIDIA、AMD、Google TPU ← 台積電製造	賣「鏟子」——全鏈定價權最強的一層

你每天在用的 ChatGPT、Claude 在第三層。你可能也聽過的 Perplexity、Cursor 在第四層。但真正決定這個產業命運的，是下面兩層。

為什麼越下層定價權越強？因為下層是重資產生意，蓋得起晶圓廠和資料中心的公司一隻手數得完；上層寫個應用誰都能進場，玩家無限多。物以稀為貴，定價權就是這樣來的。

這張地圖上，2026 年有三條主線在跑，先幫你點名：

• 主線一：算力軍備競賽。模型能力至今大致跟著算力走——誰拿到最多、最便宜的算力，誰就保住下一輪的門票。這也是四大雲敢把年資本支出推向七千億美元量級、台積電變成全球 AI 物理瓶頸的原因。這條主線就是這一篇的主角。
• 主線二：開源 vs 閉源的路線戰。美系主力走閉源尖端體驗，中國系用開放權重加極致效率建立第二極——這條線我整篇寫在系列第二篇。
• 主線三：從聊天機器人到 Agent。2024 年之前賣的是「會回答的模型」，2026 年賣的是「會做事的代理人」，每一層的價值分配整個洗牌——應用層的故事在系列第三篇。

這個產業現在有多大？幾個數字給你感覺一下（2026 年 7 月的資料）：

• 四大雲（Microsoft、Google、Meta、Amazon）2026 年資本支出合計約 6,000 億～7,250 億美元，比 2025 年成長六成以上（分析師彙整，各家口徑不一）
• NVIDIA 最新一季（2026 年 2–4 月）單季營收 816 億美元，年增 85%（NVIDIA 官方財報）
• Anthropic 估值 9,650 億美元（Anthropic 官方）、OpenAI 估值約 8,520 億美元（OpenAI 官方公告＋媒體報導）——雙雙逼近 1 兆美元門檻
• ChatGPT 月活躍用戶超過 10 億（2026 年 5 月，多家媒體彙整報導）
• SpaceX（含 xAI）2026 年 6 月 12 日上市，首日市值站上約 2.1 兆美元（Nasdaq：SPCX）

對了，這是三部曲的第一篇。美中開源閉源大戰（含 Kimi K3 號稱 2.8 兆參數的參數競賽）在系列第二篇，應用層的台灣接案機會在系列第三篇。這篇專心講一件事：錢，到底流去哪。

錢怎麼流：由上往下，一站一站繳過路費

四層地圖最重要的不是分類，是金流方向。

具體一點。假設你付了月費給 ChatGPT：

• OpenAI 收到錢，第一件事是付雲端帳單——它的模型跑在雲端資料中心上，你每按一次送出，GPU 就在燒錢。
• 雲端業者收了租金，轉頭把大筆資本支出交給 NVIDIA——買下一批 GPU 擴建機房。
• NVIDIA 設計晶片，但自己不生產。晶圓製造與先進封裝，下單給台積電。
• 台積電。到站。這裡是現金流的終點，也是全球 AI 的物理起點。

每一站都抽一手，這就是「過路費」。那每一層的生意體質長什麼樣？直接看表：

層	收入模式	成本結構	毛利特徵
晶片	賣硬體＋軟體生態綁定	研發＋台積電代工	極高（定價權之王）
算力雲	算力租賃（時計/量計）	資本支出＋電力	高但吃折舊
模型	API token＋訂閱＋企業授權	訓練＋推理算力	帳面中高，扣研發後多數為負
應用	訂閱＋按量	付給模型層的 token 費	被上下擠壓，靠規模與路由救

白話翻譯這張表：

• 晶片層爽賺。定價權之王，客戶排隊搶貨。
• 算力雲層賺，但錢都變成機房和 GPU，折舊壓力大。
• 模型層帳面毛利不錯，但把前沿研發的燒錢算進去，多數是虧的。
• 應用層被上下夾擊：收你固定月費，付給模型層的 token 成本卻隨用量浮動，重度使用者可能讓它做一單賠一單。

講兩個數字就懂：OpenAI 年化營收約 250 億美元（媒體估計），2026 年虧損卻上看百億美元量級；Anthropic 據其 Series H 官方公告，年化營收已突破 470 億美元，同樣還在重金砸下一代模型。營收成長驚人，燒錢更驚人——這就是模型層的矛盾。

所以判斷一家 AI 公司值不值得看好，我的習慣是：先畫它的現金流向圖。錢從誰那裡收、繳給誰、中間留得下多少——這比任何發布會的 demo 都誠實。

這個看法有個名字，我叫它「發展學」：重點不是「發生了什麼事」，而是「這家公司為什麼這樣選路線，這些選擇怎麼決定它的命運」。看懂這個，你就能自己判斷下一家崛起或掉隊的會是誰——而不是每次改版、每場發布會都被新聞牽著走。

NVIDIA 為什麼是定價權之王：三位一體護城河

在講 NVIDIA 之前，先講清楚一件事：為什麼算力是整個產業的地基。

AI 的本質是大規模矩陣運算。把 AI 比喻成跑車：演算法架構是設計圖、資料是燃料、算力是引擎排氣量。CPU 擅長複雜邏輯的順序執行，GPU 則用數千個小運算單元做大規模平行處理——沒有算力的突破，深度學習只能停在論文裡。

而 Scaling Law 這條經驗法則告訴大家：模型能力大致跟著「算力 × 資料 × 參數」的規模走，算力堆上去，能力常常伴隨跨越式的躍升。這條鐵律至今仍是整場軍備競賽的理論依據——所有人都相信，門票是用算力買的。

好，那賣引擎的人是誰？先看數字有多誇張。

NVIDIA 2026 會計年度（截至 2026 年 1 月）全年營收 2,159 億美元，年增 65%（官方財報）。最新一季（2026 年 2–4 月）單季 816 億美元，其中資料中心佔 752 億美元、年增 92%，下一季展望直接開到 910 億（官方財報）。

分析師估計，超大規模 AI 資本支出的流向裡，有五到六成流進 NVIDIA 的口袋。

很多人以為 NVIDIA 的優勢是「晶片最快」。只對三分之一。它真正的護城河是三位一體，三道防線疊在一起：

第一道：硬體

從 Hopper 到 Blackwell 及後續世代，Tensor Core 專用矩陣運算單元、HBM 高頻寬記憶體整合、CoWoS 先進封裝，一路拉開單卡與整櫃等級的差距。這是看得見的那一道。

第二道：CUDA 軟體生態（最深的一道）

CUDA 從 2006 年布局到今天，全球數百萬工程師的肌肉記憶都長在上面，PyTorch 這些主流框架也對它原生優化。想把大規模訓練任務搬離 CUDA？往往要付出數月的工程代價。這叫轉移成本——客戶不是不想走，是走不掉。

第三道：網路互連

NVLink 和 NVSwitch 讓一整櫃 GPU 像一顆大 GPU 一樣運作；2019 年花約 69 億美元收購 Mellanox 拿下 InfiniBand 之後，NVIDIA 賣的已經不是晶片，是一整座「AI 工廠」。

挑戰者呢？AMD 的 Instinct 系列用更大 HBM 容量拚 CP 值，但 ROCm 軟體生態成熟度還追不上 CUDA。Google 的第七代 TPU「Ironwood」單一 Pod 可以擴展到 9,216 顆晶片（Google 官方），是專為推理時代設計的 ASIC，但綁定自家雲、不外賣晶片。AWS Trainium、Microsoft Maia、Meta MTIA 這些雲端自研晶片，主攻的則是壓低推理成本。

這裡有個值得你記住的思考：訓練燒錢是一次性的，推理是 24 小時複利的營運成本——所以自研晶片幾乎都先攻推理。而且就算效能只有 NVIDIA 的七成，「有備胎」這件事本身，就是跟 NVIDIA 談判的籌碼。

對你的意義是什麼？不管第三層模型大戰誰輸誰贏，NVIDIA 都收錢。上層殺成紅海，第一層穩穩數鈔票——這就是四層地圖「越下層越強」最具體的證據。

把這一節壓成一句話：NVIDIA 的護城河是「硬體＋CUDA＋互連」三位一體，其中 CUDA 的轉移成本最難攻。想追上它的人，要做的不是更快的晶片，而是說服全球幾百萬工程師搬家——這才是真正的難題。

7,000 億美元的豪賭：他們為什麼敢燒

回到那個嚇人的數字：四大雲 2026 年資本支出合計約 6,000 億～7,250 億美元，較 2025 年成長六成以上（分析師彙整）。一年，七千億美元量級，砸在機房、GPU 和電力上。

他們瘋了嗎？沒有。敢燒的邏輯有兩條：

1. 錯過的代價大於過度投資的代價。在 AGI 門票爭奪戰落後，可能是諾基亞式的生存危機；過度投資頂多是利潤率難看幾年。對這些公司來說，這道算術太好算了。
2. 算力即營收。買進來的 GPU 不是庫存，直接上架變成雲端租賃服務，立刻開始收租。

注意第二條的威力：對雲端業者來說，GPU 一上架就有人排隊租，資本支出是「邊燒邊回收」的。這跟純燒錢的研發投資是兩種完全不同的體質，也是四大雲敢一路加碼的本錢。

但風險是扎扎實實擺在那的，三個都要記：

• 折舊賽跑。GPU 折舊年限業界普遍估計只有 3–5 年。七千億的設備，幾年內要嘛賺回來，要嘛變成報表上的攤提黑洞。
• 物理極限。單一機櫃功耗已達 40–120kW 量級（業界普遍估計），電網跟冷卻是擋在前面的硬牆，不是加錢就能馬上解決。
• 世代貶值。新架構一出，前代晶片的租金應聲下跌。

白話講一下「折舊賽跑」是什麼意思：你花大錢買的 GPU，帳上每年都要提列折舊費用，而且新一代晶片一出來，舊卡能收的租金馬上往下掉。所以這不是「買了放著等增值」的資產，是「買了就開始倒數計時」的資產。

應用層如果沒在倒數結束前變出足夠的營收，這七千億就會從投資變成損失。

IPO 潮：燒錢競賽的裁判，從創投換成散戶

2026 年 6 月，發生了一件產業史等級的事：三家最重要的 AI 相關公司，在短短兩週內接連走向公開市場。

• 6 月 1 日：Anthropic 祕密遞交 S-1，內部討論 10 月掛牌（媒體報導）。它 4 月才剛完成 Series H，募 650 億美元、投後估值 9,650 億美元（官方公告），是全球估值最高的 AI 公司。
• 6 月 8 日：OpenAI 遞交 S-1，目標 9 月掛牌，市場傳出的估值區間是 8,520 億～1 兆美元（媒體報導）。它 3 月才募了 1,220 億美元（官方公告）。
• 6 月 12 日：SpaceX 搶先上市，Nasdaq 代號 SPCX，首日市值站上約 2.1 兆美元（SpaceX 官方 IR）。注意，這家公司今年 2 月剛把 xAI 併進來（交易估值約 2,500 億美元，媒體報導）。上市四天後，它宣布以 600 億美元全股票收購 Cursor 母公司 Anysphere——史上最大的創投新創收購案。

這裡最重要的解讀，不是「AI 公司出頭天」。

IPO 不是「終於賺錢了」的畢業典禮，而是燒錢競賽的融資管道升級。私募基金的口袋撐了四年，見底了，接下來換公開市場的散戶跟法人供血。

這代表遊戲規則變了。2026 下半年起，模型商第一次要面對季報的紀律：每一季的營收、毛利、虧損都攤在陽光下，被分析師逐項拷問。以前燒錢燒得漂不漂亮，是創投關起門來評；以後誰的單位經濟撐不住，市場用股價直接投票。

你看 AI 新聞的方式也要跟著換：以後別只看發布會，看季報。

對台灣讀者還有更實際的一層：這些公司上市後，你買的美股 ETF 很可能就間接持有它們。看懂它們的燒錢結構，不只是產業知識，也是看懂自己資產配置的基本功——當然，這篇是產業分析，不是投資建議，買賣決定請自己做功課。

兩種帝國藍圖：垂直整合 vs 水平分工

錢的流向看懂了，再看格局。2026 年的競爭，本質是兩種組織藍圖的對決：

• 垂直整合帝國：Google（TPU→雲→模型→分發全部自有）、馬斯克系（火箭＋衛星＋算力＋模型，現在又買了開發工具）、Meta（算力＋模型＋社交分發）。邏輯很直接：每一層自己做，利潤不外流，命脈不求人。
• 水平分工聯盟：OpenAI（算力靠 Microsoft 加 Stargate 聯盟）、Anthropic（雲靠 AWS 和 Google）、所有應用層公司。邏輯：專注自己最強的那一層，其他用合約解決。

歷史沒有給標準答案——PC 時代水平分工的 Wintel 打贏了垂直的 Apple，行動時代垂直的 Apple 又贏回來。但 2026 年的趨勢很明顯：重量級玩家都在往垂直整合移動。SpaceX 買 Cursor、OpenAI 自建 Stargate、Meta 自研晶片。

為什麼？因為在算力稀缺的時代，「命脈自主」的溢價變高了。回到四層地圖就懂：你在上層做得再好，下層一漲價、一缺貨，你就得跪。所以有能力的玩家，都在想辦法把下層抓進自己手裡。

把 2026 年年中的競爭格局濃縮成一張記分板：

維度	領先者	追趕者	備註
消費者規模	OpenAI（10 億 MAU）	Google（Gemini 7.5 億）	Meta 靠自家產品線整合急起直追
開源生態	中國系（Qwen／DeepSeek／Kimi）	Meta（路線動搖中）	2026 年最明確的權力轉移
算力自主	Google（TPU）、馬斯克系	OpenAI（Stargate 建設中）	Anthropic 最依賴外部雲
資本火力	SpaceX（上市）、四大雲	私募階段的模型商	IPO 後重新洗牌

注意「算力自主」那一列：垂直整合的分數，其實就是命脈自主的分數。誰最不用看別人臉色拿算力，誰在下一輪就多一張底牌。

台積電：全球 AI 的物理單點瓶頸，就在你家隔壁

整張地圖看到最後，你會發現所有箭頭都指向同一個地方。

NVIDIA、AMD、Google TPU、各家雲端自研晶片——架構上百花齊放，但最先進的 AI 晶片，幾乎都要回到台積電製造與封裝。

而且真正掐住全球供應鏈喉嚨的，不只是先進製程。真正的產能瓶頸在 CoWoS 先進封裝——把運算晶片跟 HBM 記憶體高密度整合起來的技術。沒有它，再多晶圓也變不成能用的 AI 晶片。分析師估計，超大規模 AI 資本支出的流向裡，台積電拿走約一成（分析師估計）。

換句話說，不管晶片層裡面是 NVIDIA 繼續稱王還是 AMD 追上來，對台積電來說都一樣——訂單都得經過它。晶片層內部打得再兇，代工這一站的位置不動如山。這就是「單點瓶頸」的意思：整條供應鏈的物理咽喉，只有一個。

再加上伺服器組裝、散熱、電源的 ODM 聚落——鴻海、廣達、緯穎——台灣就是這整場軍備競賽的實體軍火庫。全世界燒的七千億美元，有相當一部分變成訂單，落在你家隔壁的科學園區和工業區。

很多人覺得這些是「股市新聞」，跟自己無關。我的看法剛好相反：這場軍備競賽的實體工程，有相當一部分就發生在台灣。你不用進台積電上班才受惠——理解這條供應鏈的人，在職涯選擇、接案定位、甚至跟客戶解釋「為什麼要導入 AI」的時候，講出來的話就是比別人有分量。

什麼叫硬體邊界？就是 VRAM 多大能跑什麼模型、頻寬卡在哪、量化工具（vLLM、AWQ、GGUF）能省多少成本。理解這些硬體約束，你做模型部署跟成本優化的判斷，就會比純軟體背景的人準。接案報價的時候，這就是你跟別人的差距——你能跟客戶講清楚「為什麼這個方案要這個價」，而不是報一個自己也心虛的數字。

這張地圖怎麼用：三個帶著走的結論

1. 看公司先畫金流。現金由上往下流，確定賺大錢的是晶片與代工。任何 AI 公司的新聞，先問一句：它在第幾層？錢從誰那裡來、繳給誰？
2. 2026 下半年看季報，不看發布會。IPO 潮把裁判從創投換成散戶，模型商的單位經濟第一次被攤在陽光下。9 月 OpenAI、10 月 Anthropic 若照時間表掛牌，那幾份季報會是整個產業最誠實的體檢報告。
3. 台灣人的位置就在最有價值的底層旁邊。懂這張地圖、懂硬體邊界，就是你職涯跟接案的護城河。

下一次有人跟你聊「AI 概念股」或「AI 會不會泡沫」，你可以把這張四層地圖畫在餐巾紙上講給他聽。講得出金流方向的人，跟只會轉貼新聞的人，是兩個世界。

最後照慣例提醒：AI 產業的數字過期得極快。這篇的資料時點是 2026 年 7 月 25 日，引用任何數據前，記得回原始出處再確認一次。

📋 四層地圖速記卡（馬上懂AI ・ 2026 年 7 月版）

【第四層｜應用/工具層】
代表：Cursor、GitHub Copilot、Perplexity
賣什麼：工作流——把模型能力包進具體場景
特徵：門檻最低、競爭最血腥

【第三層｜模型層】
代表：OpenAI、Anthropic、Google、DeepSeek、Qwen
賣什麼：智慧本身——token、訂閱、企業授權
特徵：營收猛、燒錢更猛，2026 集體 IPO

【第二層｜算力雲層】
代表：Azure、AWS、Google Cloud、Oracle、CoreWeave
賣什麼：電力公司式的算力租賃
特徵：毛利高但吃折舊（GPU 折舊約 3-5 年，業界估計）

【第一層｜晶片層】
代表：NVIDIA、AMD、Google TPU ← 幾乎都由台積電製造封裝
賣什麼：鏟子——全鏈定價權最強
特徵：NVIDIA 護城河 = 硬體 + CUDA + 網路互連

💰 金流方向：應用 → 模型 → 雲 → NVIDIA → 台積電
📌 一句話：越往下定價權越強，越往上競爭越血腥
✅ 2026 確定賺大錢的：只有最下面兩站

🌐 完整分析 → easyknowai.com