AI 行业的竞争格局正在加速分化，而决定胜负的关键变量并非模型能力，而是物理算力的可用性。
Citadel Securities 最新分析指出，算力需求持续超越供给增速，真正稀缺的资产不是仓库里的芯片，而是已通电、可立即投入使用的算力。
这一结构性瓶颈短期内难以消除——电网接入与项目审批周期动辄以年计，即便是规模庞大的资本开支计划也无法在短期内弥合缺口，这意味着超大规模云厂商（hyperscaler）当前的现金流可能低估了其已有基础设施的真实盈利潜力。
从市场信号来看，包括旧型号 GPU 在内的算力租赁价格依然坚挺，表明现有产能仍在被持续消化，市场供需紧张格局并未因大规模建设投入而明显缓解。与此同时，AI 智能体（agent）的兴起正在放大算力消耗——一条人类指令可触发数十乃至数百次模型调用，单任务算力消耗随之上升，进一步支撑需求端。
算力瓶颈的本质：不只是芯片
Citadel Securities 分析师 Nohshad Shah 指出，" 算力 " 并非单指 GPU，而是 GPU、电力、数据中心空间、内存、网络、冷却系统以及运营专业能力的综合体。真正稀缺的，是 " 已通电、随时可用的算力 "，而非静置于仓库中的硬件。
算力远期曲线数据显示，供给虽在增加，但需求增速更快。由于电网接入和项目审批周期以年为单位，即便是体量庞大的资本开支计划，也无法在短期内填补这一缺口。AI 当前面临的制约，不是用户不足，而是能够真正开机运行的算力不足。
此外，token 价格下降未必构成利空。更低廉的智能成本将使更多应用场景具备经济可行性，叠加 AI 智能体对算力的倍增消耗，整体算力需求有望持续扩张。关键变量在于需求弹性：若使用量增速超过单价降幅，低价将扩大市场而非压缩市场；真正的利空情形，是 token 变便宜了，但使用量并未实质性增长。
行业分化加剧，超大规模云厂商占据双重优势
Citadel Securities 的分析勾勒出 AI 行业日益清晰的两极格局：一端是 OpenAI、Anthropic 等纯前沿实验室，以智能本身为产品；另一端是谷歌、微软等多元化超大规模云厂商，无论哪个模型最终胜出，均可通过覆盖全栈实现变现。
在这一框架下，前沿模型将专注于高价值任务，包括规划、推理、编程与任务编排，在较小的 token 份额上获取溢价收益；而更廉价或开源模型则承担高并发的执行层工作。前沿实验室或在高端任务上保有定价权，但超大规模云厂商和推理服务提供商则同时受益于两个层级——因为无论何种工作负载，都离不开芯片、内存、网络与电力。
这一逻辑的落脚点在于：前沿模型负责规划，廉价模型负责执行，而 " 已通电算力 " 的拥有者，将同时收割两端的经济价值。对于投资者而言，在 AI 商业化路径仍存不确定性的背景下，掌握物理算力基础设施的超大规模云厂商，或许是这场竞赛中风险收益比最为确定的标的。
