P1-C7 · 商业模式 + value capture¶
AI 产业知识 — 历史 → 技术 → 产业链 → 商业 → 应用 → 地缘
P1-C7 (Part 1 第 7 章). 学完这一章, 你能用 5 维评分判断任意 AI 票的 value capture 能力, 不再被 "AI 卖铲子的全涨" 迷惑。
1. 问题: 同样卖 AI, 利润率为什么差距 6 倍?¶
| 公司 | 毛利率 | 营业利润率 |
|---|---|---|
| NVDA | 75% | 60% |
| TSM | 55% | 47% |
| ASML | 50% | 32% |
| MSFT | 70% | 45% |
| AMD | 50% | 12% |
| SMCI | 15% | 9% |
| CRWV (Neocloud) | 30% | (亏损) |
💡 点 ticker → Multi-Source Profile 看完整产业链坐标 + 上下游 + 数据.
同样在 AI 产业, **AMD 跟 NVDA 都是 GPU, 利润率差 5x. **SMCI / CRWV 在产业链下游, 毛利垫底.
→ 不能用 "在 AI 产业" 当 thesis. 必须看每环 value capture 能力.
2. 解决方案: 5 维评分 framework¶
| 维 | 问什么 | 高分 = 王者 |
|---|---|---|
| 毛利率 | 你定价权多强 | 70%+ = 极强 (ASML / NVDA) |
| ROIC (投资回报率) | 每块钱投资赚回多少 | 30%+ = 持续高 ROIC = moat 真实 |
| Moat 来源 | 别人为什么追不上 | 物理瓶颈 > 生态 lock-in > 规模 > 品牌 > 无 moat |
| 替代成本 | 客户换你成本多高 | EUV (无替代) > CUDA (重写代码) > 服务器组装 (随便换) |
| 客户粘性 | 客户跑路概率 | 平台用户黏 > 长合同 > 短合同 > spot market |
5 维高分 → 真王者 (NVDA / ASML / TSM). 3-4 维高分 → 二线 (MSFT / GOOGL / Hyperscaler). 1-2 维高分 → 卖铲子的代工 (SMCI / Foxconn — 小毛利, 大规模).
3. 工作原理: 5 维评分应用到 6 个角色王者¶
3.1 ASML — 终极 moat (5/5)¶
- 毛利 50%, 营业利润 32% (设备公司不算特别高, 但 ROIC 30%+)
- 物理瓶颈: 唯一能做 EUV 光刻机, 25 年研发. Canon / Nikon 追了 15 年没追上.
- 替代成本: 无替代. TSM / Samsung / Intel 都必买.
- 客户粘性: EUV 一台 $300M, 客户买了 10 年用.
- 5 维评分: ⭐⭐⭐⭐⭐
→ 真长期 holdings. 但增长慢 (光刻机一年才出 50-100 台).
3.2 NVDA — 生态 + 平台 (5/5)¶
- 毛利 75%, 营业利润 60% (令人发指)
- Moat 来源: CUDA 20 年生态 (C3 解释) + Mellanox 网络 + 战略合作 + scaling laws 占位
- 替代成本: 客户改用 AMD MI300 = 重写所有 ML 代码 + ROCm 不熟 + 性能差距
- 客户粘性: Hyperscaler 4 大都用, 长 capex 周期锁定
- 5 维评分: ⭐⭐⭐⭐⭐
→ AI 时代最强 value capture. 但最大风险: 客户自研 ASIC (TPU / Trainium / Maia) 分流, 长期 (10 年) moat 稀释.
3.3 TSM — 寡头垄断 (⅘)¶
- 毛利 55%, 营业利润 47%
- Moat: 全球 3nm/2nm 唯一稳定量产 (Samsung 落后, Intel 18A 还在量产 ramp)
- 替代成本: 高 (流片 + qualify 长达 2 年)
- 客户: Apple / NVDA / AMD / Qualcomm 都靠 TSM
- 5 维评分: ⭐⭐⭐⭐ (扣 1 分: 客户高集中, AAPL 1 家占 25%)
→ 跟着 NVDA 涨. 但最大风险: 台海地缘.
3.4 MSFT — Hyperscaler + 平台 (⅘)¶
- 毛利 70%, 营业利润 45%
- Moat: Azure 规模 + Office 365 + GitHub + OpenAI 战略 (排他到 2024)
- 替代成本: 企业切云 1-2 年, 难
- 客户粘性: 高 (企业 long-term 合同)
- 5 维评分: ⭐⭐⭐⭐ (扣 1 分: capex 黑洞, FCF 收窄)
→ 基石 holdings. 但 capex / revenue 比例 35%+ 是新 RISK.
3.5 OpenAI — 用户 + 品牌 (⅗)¶
- 毛利估 ~50% (API 50%+, ChatGPT Plus ~30%), 营业严重亏损 ($5B+ /yr 烧)
- Moat: 品牌 + 用户量 + 数据飞轮
- 替代成本: API 用户切 Anthropic / Google = 1 周
- 客户粘性: 中 (API B 端粘, C 端 ChatGPT vs Claude / Perplexity 易切)
- 5 维评分: ⭐⭐⭐ (扣 2 分: 不盈利 + 替代成本低)
→ 不是 public 票 (估值 $300B 一级市场). 但你思维要清楚: **OpenAI moat 不如 NVDA**, 它的 $300B 估值高度依赖 scaling laws 继续 + 应用层兑现.
3.6 SMCI / Foxconn — 组装代工 (⅕)¶
- 毛利 15%, 营业 9%
- Moat: 几乎没有 (服务器组装门槛低)
- 替代成本: 极低 (客户换装配商 1 quarter)
- 客户粘性: 低 (spot market)
- 5 维评分: ⭐ (短期跟着 NVDA 涨, 长期 commodity)
→ 跟涨不跟跌. SMCI 已经 2024 跌 60% (Hindenburg 报告 + 会计风波). 这类公司 high beta, 不是 long-term holdings.
4. vs C6 你已经会的¶
| 维度 | C6 给你 | C7 多给你 |
|---|---|---|
| 产业链 map | ✓ | 不评分谁强弱 |
| Value capture | ✗ | 5 维评分 → 真王者 vs 跟涨 |
| 投资意义 | 知道 AI 涨谁动 | 知道长期 hold 谁, 短期 trade 谁 |
C6 = 平面 map. C7 = 价值分布 heatmap. 没 C7 你把 SMCI 当 NVDA 同档买入 → 长期受伤.
5. 试一下: 给 3 只票 5 维评分¶
任务 (20 分钟): 给下面 3 只票每维打分 (1-5), 用 C1-C6 知识论证:
| 票 | 毛利率 | ROIC | Moat | 替代成本 | 客户粘性 |
|---|---|---|---|---|---|
| AVGO (Broadcom 网络 + 定制 ASIC) | ? | ? | ? | ? | ? |
| CRWV (Neocloud) | ? | ? | ? | ? | ? |
| CEG (核电) | ? | ? | ? | ? | ? |
提示: - AVGO: 多业务多元 + Google TPU 制造 + 网络 — 类 NVDA moat? - CRWV: 客户高集中 + Neocloud 商业模式 — 类 OAI 还是 MSFT? - CEG: 核电 PPA 20 年 — 类 ASML moat 还是低?
Self-check (3 项符合则进 P1-C8):
- 你 3 张评分能跟 1 个朋友辩护
- 你能解释为什么 NVDA 毛利 75% 不可持续到 90% (反 thesis 准备)
- 你能从 5 维预测下个 10 年最稳的 5 个 AI hold
6. 接下来¶
知道谁有 moat. 但 moat 不兑现 ROI 也会 evaporate (历史 4 寒冬都这样).
应用层有没有 revenue 兑现支撑 capex $725B/yr?
→ P1-C8 · AI 应用今天长什么样 看 4 大应用层 + revenue 实况。
7. 深入 (optional): ASML moat 解构 / OpenAI 烧钱 / Hyperscaler capex 黑洞 风险¶
点开看 3 个深度 case
**ASML moat 解构: EUV 光源用 50,000W 激光打锡滴, 等离子产生 13.5nm 波长光. 这套系统集成了 Zeiss 镜片 (无替代) + Trumpf 激光 (无替代) + 自家光路设计. Moat 不是 1 家公司, 是整个西方光学生态** — 中国想自研 EUV, 估 10+ 年.
OpenAI 烧钱速度: 2024 estimated revenue: $5B. Cost: $9B+. 净亏 $4B+. 主要烧在: (a) Compute (MSFT Azure) (b) Training next model © Talent ($1M+ salary 普遍). → 依赖持续融资. 一级市场 $300B 估值前提是 ChatGPT $100B+ revenue (2030 估). 这是高 beta 假设.
Hyperscaler capex 黑洞风险: MSFT FY26 capex $80B, FY27 估 $100B+. capex / revenue 比例从 2019 年 12% 飞到 2026 年 35%+. 历史可比: 1999-2001 Cisco / Lucent / Nortel capex 也飞这么快, 后来 dotcom 崩, 库存 cycle 多年. → 关键 leading indicator: hyperscaler capex guidance 是否上调? 一旦持平/下调 = AI 链 de-rate trigger.