核心观点 - AI行业出现反常识现象：OpenAI、Anthropic等公司收入增长迅速，ARR从几十亿美元冲到上百亿美元，但仍在不断融资，因为模型越强、用户越多，算力账单越吓人[3][4][5] - 巴克莱报告拆解了AI前沿实验室和CSP的经济模型，揭示了利润分配格局[7] 01 单纯比较ARR没有意义 - 比较OpenAI和Anthropic的收入没有太大意义，因为收入口径不同，直接比较结论错误[15][16] - AI收入确认方式有两种：“总额法”和“净额法”，例如用户通过Azure调用模型花费100美元，总额法将100美元全部算作收入，净额法只记录最终属于自己的部分[17][18][19] - 假设实验室A按总额法确认部分间接API收入，实验室B更多按净额法处理，某些业务由战略云合作伙伴直接运营甚至不确认收入[20] - A公司ARR 200亿美元、B公司ARR 150亿美元，不能得出A比B商业化更强的结论，可能A只是确认了更多经过账面的流水[21] - 未来比较前沿实验室，真正值得看的指标将从单纯ARR转向业务结构和单位经济[22] - 最关键指标是推理产生的利润何时能真正覆盖训练下一代模型的成本，当推理利润稳定覆盖训练投入，AI实验室才算跨过烧钱阶段[23] 02 大模型全给云厂商“打工”了 - 2025年，前沿AI实验室付费推理利润率可能只有十几个百分点，2026年提高到50%—65%以上[24] - 部分产品甚至更高，把最终训练成本算进去后，AI实验室调整后毛利率相比2025年提高了大约30—50个百分点[24] - 2026年利润率明显变化有两个原因：模型效率提高，完成同样任务消耗的Token越来越少；企业客户和Agent成为AI消费重要组成部分，企业客户使用API或企业账户，价格更高、付费能力更强、使用量更可控[25] - 假设AI实验室一年产生100美元收入，按2026年业务结构测算，其中大约35—40美元最终变成超大规模云厂商收入，云厂商从这部分收入中可拿到大约10—20美元营业利润，对应营业利润率大约35%—45%[26] - 云厂商赚的不止算力一层，Agent产品需要长时间运行，调用数据库、存储、网络及其他云软件产品，AI Agent跑起来后消耗整个云计算技术栈[27] - 云厂商在Agent订阅类产品上的单位经济非常漂亮，部分AI实验室和云厂商之间有收入分成协议，云厂商可同时赚三笔钱：算力的钱、云软件的钱、合作收入分成[28] - 这就是AWS、Azure和Google Cloud在AI时代战略位置特殊的原因[29] 03 2028年是大模型和云厂商的拐点 - 越往后走，AI实验室对云厂商依赖度会下降，原因有两个[30][31] - 第一个变量是推理：模型效率继续提高，Agent和企业客户增长后，推理产生的利润越来越大，最终有机会覆盖甚至超过训练成本，AI实验室真正的经营杠杆才会出现[31] - 第二个变量是基础设施：报告判断从2028年开始，随着专门为AI实验室建设的基础设施逐渐上线，AI实验室可能开始减少对传统超大规模云厂商的依赖，AWS、Azure和Google Cloud在AI实验室训练和推理中的份额也可能随之下降[32][33] - 如果未来AI实验室收入规模达到数百亿美元，算力需求稳定到可预测，自己锁定电力、建设数据中心、引入基础设施资本越来越划算，规模越大绕开中间商的动力越强[33][34] - AI实验室疯狂建设Stargate式基础设施，从经济模型上看并不奇怪，它们真正想拿回的是被云厂商拿走的利润[34] - 未来真正值得观察的拐点有两个：AI实验室的推理利润什么时候真正超过训练成本；AI实验室什么时候开始大规模把算力从传统云厂商迁移到自己的专用基础设施[35][36] - AI商业战争到今天，模型能力依然重要，但接下来的竞争已越来越像一场利润分配权的战争[36]