AI 公司每赚 100 美元近 40 美元流向云巨头！你怎么看？

所谓循环金融，AI最上游的芯片拿走利润，掌握稀缺性和定价权，享受最大的盈利弹性，中游的AI企业掌握技术和流量，因此享受不盈利的情况下最大的估值预期，而下游的云计算和应用巨头，花最多的钱，承担最大资本开支和折旧压力，如果连现金回转流都不给回去，其现金流量表怕是一开始就穿了，这样的话故事还怎么讲，上游又给谁加价去？

再说，AI上半场赚的是卖铲子的钱，中场赚的是未来现金流的估值，而现在下半场已经到了，模式上必须要证明的是算力资产是能产生足够的现金流的，不然，持续不断的Token价格崩盘，没有换来基数的快速增长，不说云厂商逐步滑向“通信运营商”的生态预期，这上游股市也会讲不下去。

因此，巴克莱最新测算说：AI模型公司每获得100美元收入，大约35—40美元最终会以推理算力费用流向AWS、Azure和Google Cloud，而云厂商由此也会获得约10—20美元利润，与此同时，AI模型公司的推理业务利润率却已经从2025年的低双位数，快速升至2026年的50%—65%以上，直接API业务的推理利润率甚至超过80%。

似乎，智谱的半年报也能说明这个趋势。

这说明一个关键事实：不管开源还是闭源，不管中国还是美国，AI正在形成一种“模型公司创造收入，然后云厂商收取算力费以维持资本开支，从而支撑芯片厂商获得订单，并开发更多算力设备推动模型收入增长“的资本密集型闭环。

于是，上游报表显示利润率整体超越70%，中游营收暴涨，但利润迟迟上不来，至于下游就是业绩增长、资本开支继续增加，成本端靠折旧调整和资本开支转运营开支去美化。

整套模式，就像是卡着报表的估值印钞机！不过，你真要去解读，也能读出不少能让行业继续增长的故事，我用巴克莱的报告举几个例子：

一、AI行业已经从“烧钱”进入“收入覆盖”

根，巴克莱的模型显示，全球AI实验室收入预计从2024年的约70亿美元增长至2026年的1370亿美元，2028年进一步达到6900亿美元，若用ARR衡量（不是真实订单，而是根据当下增速的预期订单），2026年底可能达到约2000亿美元，2028年底约7820亿美元。

更值得关注的是成本结构变化，2024年，AI行业的训练支出约相当于AI实验室收入的96%，这个比例预计到2027年会下降至35%，2028年进一步降至30%。

与此同时，云厂商AI收入则相对于AI实验室收入的比例，也将从2024年的153%下降到2026年的90%，并在2028年进一步降至73%。

这意味着AI商业模式正在发生一个重要变化：资本投入远大于收入的时代开始过峰，收入已经能开始覆盖推理成本，而推理收入也正在成为利润中心，模型每调用一次Token，都能产生收入，这会让边际成本持续下降。

这就是为什么巴克莱认为，AI实验室整体利润率未来还有明显改善空间，不过，即使这样，商业化依然有不少距离，因为终端使用者，真正能赚钱的，几乎依然没有，大部分人是把自己衣食住行的消费转移到了AI中去了。

二、“模型公司赚100美元，云厂商拿走40美元”很正常!

因为AI和传统互联网相比，软件不是一次性开发完成后无限复制，而是每一次使用都要消耗真实算力。

传统的搜索引擎可以把一次网页索引服务给大量用户复用，传统的SaaS虽然存在服务器成本，但边际成本也很低。

而生成式AI尤其是Agent，则不同。用户每增加一次复杂请求，都意味着更多的算力需求，大部分人其实都在浪费Token，而不是合理使用Token。

所以AI收入的背后天然存在一个新的“基础设施收费逻辑”，35%~40%的收入流向云厂商，某种程度上类似于工业企业收入中相当比例支付电力、物流和原材料。

为什么英伟达能做”算力央行“，不仅是其有钱，而在于，在基建逻辑下，其是卖地皮的，而云厂商是公用事业公司下场当建筑公司，至于AI大模型厂，其实他是地产开发商，Token则是大家的计算货币！

但是，未来随着算力逐步标准化、AI公司自建基础设施，那么云服务的溢价必然会快速下降，40%的收入提取比，也会快速消失！

四、循环金融：收入、资产和估值彼此强化

AI产业的行业扩张结构，简单而言：

融资 → CapEx → 算力资产 → AI公司使用 → AI收入 → 云收入 → 现金流 → 再CapEx → 算力供给增加 → AI成本下降 → AI收入扩大 →再融更多钱！

因此，AI实际上正在经历一次“资本先于需求、需求再验证资本”的过程。

简单来说，必须实现：

AI收入 → 云收入 → CapEx → 芯片收入 → 更多算力 → 更低Token成本 → 更低AI价格 → 更大AI需求 → 更高AI收入。

这也是为什么AI资本开支如此巨大，却暂时没有立刻崩溃，因为它不是单向烧钱，而是循环在分配现金流！

市场在不同股票上看到的，其实就是资金流过的停留痕迹：

资本开支创造供给 → 供给创造收入 → 收入证明资本开支合理 → 市场重新给予融资能力。

从金融学角度看，这非常像一种产业内部的信用扩张，但最大的风险也恰恰来自这个循环，任何金融的正反馈都可以变成负反馈，假设未来AI用户增长开始放缓，那么链条就可能倒过来：

AI需求放缓 → Token调用增速下降 → 模型公司收入增速下降 → 云计算采购放缓 → 云厂商 → CapEx回报率下降 → GPU需求下降 → 数据中心建设放缓 → 芯片、服务器、电力设备订单减少
→ AI基础设施资产利用率下降。

这种情况下，整个行业的资本回报率会突然低于资本成本！因为市场开始怀疑，投入1美元AI基础设施，是不是最终最多也就只能产生0.6—0.8美元经济价值！

AWS甚至已经开始从CFO角度强调AI项目必须计算“Cost per Outcome”，而不仅仅看模型本身的价格。

总之，未来谁拥有最低的Token成本。谁就能够以最低成本生产一个有价值的Token！如果大量资金只是在模型公司、云厂商、芯片公司、AI基础设施、模型公司之间循环，那么它就会越来越接近资本密集型资产泡沫。

我们需要关注，AI产业创造出来的终端经济价值，能不能最终跑赢整个产业链的资本开支！