AI大模型的赛场从来不止是算法和参数的比拼，更是一场关于算力、资本和商业模式的综合暗战。表面上看，头部AI实验室正在以惊人的速度创造收入神话，但在巴克莱银行最新发布的一份行业单位经济模型研究报告中，却揭示了一个更为残酷的现实：当一家AI模型公司辛辛苦苦赚到100美元时，其中有35至40美元，几乎是被身后的云计算巨头们如呼吸般自然地“抽走”。这不仅仅是一笔简单的服务器租用费，它折射出当下AI热浪中最底层、也最稳固的利润分配图景。当AI技术从炫酷的Demo走向真正的AI办公与企业级应用，这场关于价值的博弈正变得愈发激烈且精妙。
云巨头的隐形抽成：算力是新时代的石油税
巴克莱银行的研究报告给出了一个令人惊愕的结论：AI模型公司每产生100美元（约合人民币674.6元）的收入，亚马逊AWS、微软Azure和谷歌GCP这三大云服务提供商就能从中获取35至40美元的收入。这笔钱当然不是大风刮来的，它是实实在在的推理算力费用。所谓“推理”，就是AI模型在接收到用户指令后进行运算并给出答案的过程。在生成式AI大爆发之前，算力需求主要来自训练阶段；而如今，随着用户量激增，每一次聊天、每一张图片生成、每一段代码补全，都意味着海量的GPU在云端高速运转，这便构成了云巨头最稳定的现金流。
扣除了物理服务器折旧、数据中心电力和网络带宽等基础设施成本后，这35至40美元中依然能够挤出10至20美元的营业利润。这意味着，云厂商在AI产业链中的营业利润率最高可以达到惊人的35%至45%。这还是在没有考虑任何极端情况下的数字。相比之下，许多辛苦研发模型的企业，其整体净利率都未必能超过这个数。这就像是在淘金热中，大多数淘金者要么在赔钱冒险，要么在微利中挣扎，而真正稳赚不赔的，是那些卖铲子、卖水甚至修建运输公路的人。在AI这个科技产品生态中，算力就是那条唯一的公路，而过路费的定价权，恰恰掌握在少数几家巨头手中。
更值得关注的是，随着AI大模型在企业级市场的落地，特别是AI办公场景中智能体（Agent）的普及，每单位任务对于GPU的消耗呈现几何级数增长。传统搜索可能只需要调用几十个CPU核心，而现在一次复杂的Agent工作流可能需要长时间占用多张H100显卡。这不仅是对于AI模型公司的考验，更是对于{云基础设施}能力的终极测试。对于投资者而言，理解这股抽成逻辑，远比关注某个模型在榜单上的排名领先更为重要。
利润率的魔法：AI实验室的账本为何突然变好看了
除了看清云巨头的“底牌”，巴克莱的报告还给外界展示了AI实验室自身的财务曲线变化。数据表明，AI实验室的付费推理利润率已经从2025年的10%出头，飙升至2026年的50%至65%甚至更高。调整后毛利率更是同比提升了30至50个百分点。这是一个令人咋舌的飞跃，短短一年时间，利润率发生了翻天覆地的变化。
巴克莱分析师Ross Sandler对此给出了解释：推动利润率提升的关键推手是企业客户以及所谓的“智能体工作流”（agentic workflows）。在早期的AI消费级应用争夺战中，获取一个付费用户往往需要付出高昂的营销成本，且用户付费意愿薄弱；但企业级市场完全不同，当AI Agent能够实打实地替代人力完成跨系统的数据检索、报表生成与邮件回复时，它便成为了“必买”的产品。企业为了效率愿意支付高单价，而这部分收入几乎不需要额外的获客成本，自然推高了利润率。
然而，这看似大好的局面也藏着隐忧。报告谨慎地指出，目前AI实验室的实际利润率甚至可能高于估算值，但这绝不会是长期稳定状态。因为前沿模型的竞争已经进入了白热化阶段，算力供应也在持续增加。当这种“卖方市场”的优势逐渐消退时，利润率终将经历一轮均值回归。这也意味着，当前50%至65%的利润率更像是特殊节点下的“红利窗口期”。在这个窗口期，{AI Agent技术}正在重塑传统的软件交互方式，而相关企业能否抓住机会通过推出更精细的AI工具来扩大市场，将决定其能否在窗口关闭前建立足够深的护城河。
假想实验室之争：揭秘API与订阅模式的巨大利润鸿沟
为了帮助投资者拨开迷雾，巴克莱颇具创造力地构建了两个假想的“实验室A”和“实验室B”。这两个实验室的基本功旗鼓相当，唯一不同之处在于收入结构。实验室A的收入有70%来自API，30%来自订阅；而实验室B则刚好相反，80%的收入依赖订阅，API仅占20%。
正是这两者截然不同的业务配比，导致了巨大的财务表现差异。API业务天然带有更高的推理利润率，因为它是按照用户实际消耗的Token量来计费的，且通常不会包含过多的后续服务成本。而订阅服务为了留住用户，往往需要AI实验室自己承担一部分Token成本。因此，仅仅因为收入结构不同，这两家假想实验室的调整后毛利率就出现了令人瞠目结舌的17个百分点差距（实验室A约为55%，实验室B则只有38%）。这足以说明，在AI行业中，商业模式的选择可能比技术路线的选择更为致命。
这还只是第一层差异，真正的“魔法”在于收入确认方式。实验室A会按照总额确认间接API收入，而实验室B则采用净额法，甚至完全不计入由战略合作伙伴运营的部分。巴克莱将此生动地比作Uber和Lyft的区别——两者的核心出行业务并无二致，但由于会计处理原则不同，财报上呈现出的营收体量和利润表现可能天差地别。随着AI实验室逐渐按照公认会计准则（GAAP）披露财务报表，如果投资人搞不清楚这些口径的差异，贸然进行横向对比，极易得出错误的估值逻辑。而这背后的深度解读，正是专业研报带给市场的核心价值——它不仅看透{科技产品}的表象，还要剥开财务报表的外衣看清生意的本质。
三驾马车并驱：订阅、API与间接API的冰火两重天
将视线从宏观的实验室对比收回到具体的产品线上，整个AI产业链的利润分布图景更加层次分明。报告将主要的商业模式分为三类：订阅产品、直接API和间接API。它们各自处于利润谱系的不同区间，面临的挑战也各不相同。
首先看订阅模式，典型代表是Claude Code和Codex。这类产品的推理利润率估计约为70%，听起来并不低，但却是三大主要产品线中最低的。这里有一个值得玩味的细节：AI实验室之所以愿意在订阅产品上牺牲利润率，是为了换取用户留存。它们通过每月收费并提供使用额度上限来锁定客户。近期各家频繁重置额度上限的频率明显提高，这既是迫于用户留存压力的防守性动作，也从侧面反映出模型本身的运行效率正在飞速提升——以前需要花1万个Token处理的任务，现在可能5000个就够了。
其次，直接API是整个AI行业最早的商业变现路径，也是当前的“利润奶牛”。无论是Cursor还是Figma这类开发者工具，都在按用户消耗的Token数量向模型厂商付费。巴克莱估算，目前API推理利润率已经超过了80%。这一惊人数字的背后，是多重因素共振的结果：模型Token效率提升（完成同一任务所需Token量减少）、API名义价格上涨，以及推理服务基础设施的持续优化（量化、投机解码和新一代算力）。处于利润金字塔塔尖的直接API业务，证明了“卖水人”在模型层同样存在。
最后是间接API，它在用户体验上与直接API并无二致，最大的差异在于计费关系——用户直接与AWS或Azure建立付费联系。这种模式在AI实验室总收入中的占比越来越高。由于不同实验室在处理间接API的会计确认方式上并不统一，这会导致各家财务报表的可比性进一步下降，为投资者制造认知障碍。或许{AI工具导航}的普及能够帮助开发者和企业找到更适合自身需求的接入方式，但在巨头林立的生态中，选择本身就意味着成本。
云服务商的极限利润：2030年格局将迎颠覆性洗牌
针对云服务商的利润拆解，巴克莱给出了更为精确的数据。以实验室A为例，AI实验室每创造100美元收入，对应的云服务收入为35美元，扣除成本后云厂商可获营业利润11.80美元，营业利润率约34%。而实验室B的情况更是令人侧目——由于战略合作伙伴收入分成机制的存在（涉及20%的收入并设置了累计上限），云厂商在同样的100美元AI收入中，能够分得41美元，营业利润高达19.10美元，营业利润率冲到47%。
但请注意，实验室B那份超高的利润率，很大程度是建立在与战略合作伙伴的特殊分成机制之上的。如果剔除这个因素，两类实验室对应的云厂商实际单Token利润并无二致。这项收入分成安排预计在2028年之后将逐步降至为零。也就是说，当前云厂商在AI产业链中享受的某种“超额利润”其实是不可持续的。此外，具备状态记忆能力的智能体订阅产品，因需要调用数据库等上层软件资源，每单位收入的价值更高，这也为云厂商创造了额外的增值空间。
不过，更宏大的变局正在酝酿。巴克莱预测，虽然未来两年AWS、Azure和GCP在AI实验室算力支出中的份额基本能够维持，但到了2028年，行业格局将迎来决定性的转折点。届时，以资产抵押融资的AI基础设施项目将陆续上线，它们很可能成为AI实验室更青睐的“性价比之选”。这意味着云计算“三巨头”在AI训练和推理市场的份额都将逐渐流失，维持了三年之久的旱涝保收的利润分配格局将迎来彻底洗牌。
对于企业决策者而言，理解这一趋势尤为重要。如今的AI办公转型如果深度绑定在某一个特定云生态内，未来可能会面临较高的迁移成本。适时关注并尝试{AI工具导航}中那些独立于巨头的创新工具，或许能在即将到来的变局中占据先机。AI产业正在从“训练驱动”转向“推理驱动”，这也预示着未来的竞争核心将从算力的规模之争转向成本与效率的精算之争。
万亿资金流向何方：AI产业重心大转移
巴克莱预测的整个AI行业规模增长曲线是令人震撼的。预计AI实验室收入将从2024年的70亿美元猛增至2026年的1370亿美元，并在2028年达到惊人的6900亿美元。如果按年末年化经常性收入（ARR）计算，2026年底将达到约2000亿美元，2028年底更可能达到7820亿美元。这是一场万亿美元的资本盛宴。
但盛宴之下，资金的流向正在发生微妙偏移。目前训练支出仍约占AI实验室收入的48%，这意味着实验室每赚取1美元，几乎就有接近1美元要转手付给云厂商。不过，这个比例正在以肉眼可见的速度崩塌：从2024年占收入96%的训练成本占比，预计降至2027年的35%，并进一步缩水至2028年的30%。随着推理业务产生的利润逐渐超越训练支出，AI实验室的账本将变得前所未有的好看起来，整个行业的重心也从“训练驱动”彻底转向“推理驱动”。
同时，云服务提供商AI收入占AI实验室收入的比例也正在下降，从2024年的153%降至2026年的90%，预计在2028年进一步滑落至73%。这一比例的变化，说明至少在账面上，AI实验室正在慢慢找回“利润自主权”。未来五年，凭借在{AI办公}场景中的深度应用和Agent生态的繁荣发展，AI对于各行各业的渗透率将大幅提升。虽然资本开支依然高昂，但每单位算力所带来的实际商业价值正在快速攀升。谁能在这场从“训练故事”到“推理生意”的转变中抓住先机，谁就能在下一代{AI办公}的浪潮中定义规则。
总而言之，巴克莱的这份报告像是一张X光片，精准地照射出了AI产业链中那块最硬核的骨骼。它告诉我们，那些站在聚光灯下的模型公司，本质上依然背负着高昂的算力成本；而那些看似低调的云厂商，却在不知不觉间吃下了AI最大的利润蛋糕。当潮水逐渐从训练涌向推理，蛋糕的切分方式又将迎来新一轮的博弈。对于从业者而言，除了关注算法领域的突破，更要时刻警惕商业战场上围绕基础设施展开的暗战——因为在AI的世界里，提供燃料的人往往才是最后的赢家。