STANFORD MS&E 435 · SPRING 2026 · 中文编校版
Economics of the
AI Supercycle
看完九节课后，我把课堂内容、课前 Reading，以及借助 AI 补充的一些研究整理成了这份笔记。希望它能让没有时间看完全部视频的人快速了解课程讲了什么，也方便继续查找关键数据和原始来源。
阅读路径
- 01 生成式 AI 经济学导论 从 AI 收入的“倒三角”出发，理解资本开支周期、持续推理成本、模型层与消费 AI 商业化如何共同决定价值和利润的分布。
- 02 芯片：GPU 经济学 从 token 的生产函数出发，理解推理为何成为独立工作负载、GPU 与专用推理芯片如何取舍，以及效率提升、需求反弹和平台迁移成本怎样共同决定芯片层的价值。
Brad Gerstner · Sunny Madra · Apoorv Agrawal · 2026-04-10 - 03 基础设施：建设吉瓦级 AI 工厂 把 AI 数据中心理解为从能源、机电和网络到 token 与数字劳动的转换链，分析吉瓦级园区的成本、收入、负载特征、选址逻辑与资本—劳动边界。
Chase Lochmiller · Apoorv Agrawal · 2026-04-17 - 04 Ali Ghodsi：基础设施、企业 AI 与服务软件化 从“模型已经很强，企业为什么没有被重写”出发，分析上下文、隐性规则、组织改造和责任边界，进而重新定义软件、应用层壁垒与服务软件化。
Ali Ghodsi · Apoorv Agrawal · 2026-04-24 - 05 Sachin Katti：基础设施与综合案例 把 Agent 任务还原成异构计算任务图，分析全栈协同设计、自研芯片、内存与网络，以及为什么 AI 工厂真正稀缺的控制点可能是跨层编排。
Sachin Katti · Apoorv Agrawal · 2026-05-01 - 06 Yash Patil：智能——解锁企业内部知识 从企业知识进一步进入“经验”问题：Agent 如何在真实环境中行动、观察结果并形成学习闭环，以及数据优势、专用模型和持续学习的边界在哪里。
Yash Patil · Apoorv Agrawal · 2026-05-08 - 07 Tuhin Srivastava：推理——构建推理云 从一次推理请求的完整生命周期出发，理解缓存、批处理、路由和异构硬件怎样决定成本，并检验独立推理平台能否从计算加价走向生产—评价—再配置闭环。
Tuhin Srivastava · Apoorv Agrawal · 2026-05-15
- 08 Guillermo Rauch：应用、AI 编程与软件的未来 从氛围编程和 Software 2.0 出发，分析代码生成变便宜后为什么生产化、状态、权限、验证和商业入口反而更稀缺，以及软件与云如何为 Agent 重新设计。
Guillermo Rauch · Apoorv Agrawal · 2026-05-22 - 09 应用：生命科学中的 AI 对比通用科学 Agent 与专用分子设计模型，沿药物发现—实验—临床链条分析 AI 能加速什么、瓶颈会迁移到哪里，以及真实世界反馈如何成为生命科学的关键基础设施。
Eric Kauderer-Abrams · Josh Meier · Apoorv Agrawal · 2026-05-29