分析： AI 基建需求长于互联网，广义编程仍驱动 ARR

链捕手

Aug 28

ChainCatcher 消息，有分析梳理 AI 半导体与基础设施周期指出，AI 基建需求持续长于互联网时代，因用户渗透与人均 token 两指数维度相乘并折算为 token，显著抬高天花板。用户渗透已逾 50%，增长更多来自仍处早期的人均 token；美国企业人均 AI 支出中位数约每月 12 美元，长期或可接近白领薪资约 10% 即每月约 1000 美元，其间仍有近两个数量级空间。与互联网扁平订阅、边际硬件消耗极低不同，推理高成本使单次访问边际成本更高，基建强度更大。

开发者编程之后，下一 ARR 增长仍主要来自广义编程：非程序员用编程基础设施完成跨行业非编程任务，编程成为 Agent 默认执行内核。广义编程相关任务约占 ARR 约 60%–70%。截至 2026 年 6 月，OpenAI 企业客户中 Codex 已占 Codex 与 ChatGPT 合计输出 token 的 64%；自 2 月以来 Codex 在法律、销售招聘、营销等垂直周活增幅远高于工程。Anthropic 收入中狭义开发/软件约 40%，金融保险超 20%，法律、生科、零售等亦各有可观占比。

需求侧 token 增长逻辑仍在，资金方与受益方高度重叠。

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

1
2
3
4
5
6
7
8
9
10

{"basename":"","ssrTDKData":{"titleTemplate":"%s - Tiger Brokers","title":"Tiger Brokers | Global Stocks, Options & Futures Trading App","description":"Tiger Brokers, one-stop investment in US stocks, SGX stocks, HK stocks, A-shares & other global assets. One of the best stock trading platforms in Singapore.","keywords":"tiger brokers,tiger trade,tiger brokers singapore,broker online,stock trading in singapore,share trading singapore,brokerage firm singapore,trading app,stock broker singapore,stock trading platforms,trading account","social":{"ogDescription":"Tiger Brokers, one-stop investment in US stocks, SGX stocks, HK stocks, A-shares & other global assets. One of the best stock trading platforms in Singapore.","ogImage":"https://c1.itigergrowtha.com/portal5/static/media/og-logo.0a0bd8dc.png","ogUrl":"https://www.itiger.com/news/2662582050"},"companyName":"Tiger Brokers"},"pageData":{"isMobile":false,"isTiger":false,"isTTM":true,"region":"SGP","license":"TBSG","edition":"fundamental"},"isCrawlerRequest":true,"__swrFallback__":{"@#url:\"https://stock-news.skytigris.cn/v3/news\",params:#id:\"2662582050\",edition:\"fundamental\",auth_exemption:1,,,undefined,":{"share":"https://ttm.financial/m/news/2662582050?lang=en_US&edition=fundamental","thumbnail":"","is_english":false,"pubTime":"2026-08-28 10:47","share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","id":"2662582050","market":"nz","top_or_hot":-1,"title":"分析： AI 基建需求长于互联网，广义编程仍驱动 ARR","media":"链捕手","content":"<html><body><p>ChainCatcher 消息，有分析梳理 AI 半导体与基础设施周期指出，AI 基建需求持续长于互联网时代，因用户渗透与人均 token 两指数维度相乘并折算为 token，显著抬高天花板。用户渗透已逾 50%，增长更多来自仍处早期的人均 token；美国企业人均 AI 支出中位数约每月 12 美元，长期或可接近白领薪资约 10% 即每月约 1000 美元，其间仍有近两个数量级空间。与互联网扁平订阅、边际硬件消耗极低不同，推理高成本使单次访问边际成本更高，基建强度更大。</p><p>开发者编程之后，下一 ARR 增长仍主要来自广义编程：非程序员用编程基础设施完成跨行业非编程任务，编程成为 Agent 默认执行内核。广义编程相关任务约占 ARR 约 60%–70%。截至 2026 年 6 月，OpenAI 企业客户中 Codex 已占 Codex 与 ChatGPT 合计输出 token 的 64%；自 2 月以来 Codex 在法律、销售招聘、营销等垂直周活增幅远高于工程。Anthropic 收入中狭义开发/软件约 40%，金融保险超 20%，法律、生科、零售等亦各有可观占比。</p><p>需求侧 token 增长逻辑仍在，资金方与受益方高度重叠。</p></body></html>","source":null,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>分析： AI 基建需求长于互联网，广义编程仍驱动 ARR</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n分析： AI 基建需求长于互联网，广义编程仍驱动 ARR\n</h2>\n\n<h4 class=\"meta\">\n\n\n<a class=\"head\" href=\"https://laohu8.com/wemedia/1041503808\">\n\n\n<div class=\"h-thumb\" style=\"background-image:url(https://community-static.tradeup.com/news/64f0784cc29a0d0070f6e968ef6ec7f5);background-size:cover;\"></div>\n\n<div class=\"h-content\">\n<p class=\"h-name\">链捕手 </p>\n<p class=\"h-time\">2026-08-28 10:47</p>\n</div>\n\n</a>\n\n\n</h4>\n\n</header>\n<article>\n<html><body><p>ChainCatcher 消息，有分析梳理 AI 半导体与基础设施周期指出，AI 基建需求持续长于互联网时代，因用户渗透与人均 token 两指数维度相乘并折算为 token，显著抬高天花板。用户渗透已逾 50%，增长更多来自仍处早期的人均 token；美国企业人均 AI 支出中位数约每月 12 美元，长期或可接近白领薪资约 10% 即每月约 1000 美元，其间仍有近两个数量级空间。与互联网扁平订阅、边际硬件消耗极低不同，推理高成本使单次访问边际成本更高，基建强度更大。</p><p>开发者编程之后，下一 ARR 增长仍主要来自广义编程：非程序员用编程基础设施完成跨行业非编程任务，编程成为 Agent 默认执行内核。广义编程相关任务约占 ARR 约 60%–70%。截至 2026 年 6 月，OpenAI 企业客户中 Codex 已占 Codex 与 ChatGPT 合计输出 token 的 64%；自 2 月以来 Codex 在法律、销售招聘、营销等垂直周活增幅远高于工程。Anthropic 收入中狭义开发/软件约 40%，金融保险超 20%，法律、生科、零售等亦各有可观占比。</p><p>需求侧 token 增长逻辑仍在，资金方与受益方高度重叠。</p></body></html>\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"VTHR","symbol_name":"Vanguard Russell 3000 ETF","start_time":0,"source_url":"https://www.chaincatcher.com/article/2286133","article_id":"2662582050","we_media_id":"1041503808","thumbnails":[],"rights":null,"url":"https://stock-news.laohu8.com/highlight/detail?id=2662582050","pubTimestamp":1787885260,"columns":[],"sourceInfo":null,"weMediaInfo":{"media_name":"链捕手","introduction":"链捕手ChainCatcher 成立于 2018 年，是一家领先的中文 Web3 媒体及数据服务商。","home_visible":1,"id":"1041503808","head_image":"https://community-static.tradeup.com/news/64f0784cc29a0d0070f6e968ef6ec7f5"},"summary":" ChainCatcher 消息，有分析梳理 AI 半导体与基础设施周期指出，AI 基建需求持续长于互联网时代，因用户渗透与人均 token 两指数维度相乘并折算为 token，显著抬高天花板。用户渗透已逾 50%，增长更多来自仍处早期的人均 token；美国企业人均 AI 支出中位数约每月 12 美元，长期或可接近白领薪资约 10% 即每月约 1000 美元，其间仍有近两个数量级空间。与互联网扁平订阅、边际硬件消耗极低不同，推理高成本使单次访问边际成本更高，基建强度更大。开发者编程之后，下一 ARR 增长仍主要来自广义编程：非程序员用编程基础设施完成跨行业非编程任务，编程成为 Agent 默认执行内核。广义编程相关任务约占 ARR 约 60%–70%。截至 2026 年 6 月，OpenAI 企业客户中 Codex 已占 Codex 与 ChatGPT 合计输出 token 的 64%；自 2 月以来 Codex 在法律、销售招聘、营销等垂直周活增幅远高于工程。Anthropic 收入中狭义开发/软件约 40%，金融保险超 20%，法律、生科、零售等亦各有可观占比。需求侧 token 增长逻辑仍在，资金方与受益方高度重叠。 ","collect":0,"end_time":0,"defaultTopTitle":"","property":[],"viewcount":null,"language":"zh","relate_stocks":{"159792":"互联网","160636":"互联网","VTHR":"Vanguard Russell 3000 ETF","CHAT":"ROUNDHILL GENERATIVE AI & TECHNOLOGY ETF","REM":"房地产按揭贷款ETF-iShares","ARR":"ARMOUR住宅房地产公司","ARTY":"ISHARES FUTURE AI & TECH ETF","QTOC":"Innovator Growth Accelerated Plus ETF - October","MORT":"VanEck Mortgage REIT Income ETF","AIPO":"Defiance AI and Power Infrastructure ETF","BK4110":"抵押房地产投资信托","AGIX":"通用人工智能 ETF-AGIX"},"translate_title":"Analysis: AI infrastructure demand outpaces internet demand; broad programming still drives ARR.","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"159792":1.5,"160636":1.5,"ARR":1.5,"MORT":0.6,"VTHR":1.5,"CHAT":1.5,"ARTY":1.5,"QTOC":1.5,"AIPO":1.5,"AGIX":1.5,"REM":0.6},"content_text":"ChainCatcher 消息，有分析梳理 AI 半导体与基础设施周期指出，AI 基建需求持续长于互联网时代，因用户渗透与人均 token 两指数维度相乘并折算为 token，显著抬高天花板。用户渗透已逾 50%，增长更多来自仍处早期的人均 token；美国企业人均 AI 支出中位数约每月 12 美元，长期或可接近白领薪资约 10% 即每月约 1000 美元，其间仍有近两个数量级空间。与互联网扁平订阅、边际硬件消耗极低不同，推理高成本使单次访问边际成本更高，基建强度更大。开发者编程之后，下一 ARR 增长仍主要来自广义编程：非程序员用编程基础设施完成跨行业非编程任务，编程成为 Agent 默认执行内核。广义编程相关任务约占 ARR 约 60%–70%。截至 2026 年 6 月，OpenAI 企业客户中 Codex 已占 Codex 与 ChatGPT 合计输出 token 的 64%；自 2 月以来 Codex 在法律、销售招聘、营销等垂直周活增幅远高于工程。Anthropic 收入中狭义开发/软件约 40%，金融保险超 20%，法律、生科、零售等亦各有可观占比。需求侧 token 增长逻辑仍在，资金方与受益方高度重叠。","kind":"highlight","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":true,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"isVideo":false,"video":null,"symbols":[],"gpt_button":1,"need_auth":false,"need_login_tip":false,"code":"91000000","status":"200"}}}