2024 年，AI 實驗室的營收是 70 億美元，整個產業還在討論「AI 到底能不能賺錢」。

2026 年，巴克萊估算這個數字是 1,370 億。研報在 8 月 28 日發布，拆的不是哪家公司的財報，而是一條完整的利潤鏈：模型公司每賺 100 美元，錢怎麼在各層之間流動，每一層的利潤率多高。

結論很直白：每一層都在賺錢。而且賺的比 2024 年任何人預期的都多。

利潤地圖：每 $100 的分帳

巴克萊建了兩個假想的 frontier lab 模型：Lab A 以 API 營收為主（占七成），Lab B 以訂閱營收為主（占八成）。分帳結構如下：

項目 Lab A（API 為主） Lab B（訂閱為主）
模型公司營收 $100 $100
流向雲端（AWS/Azure/GCP） $35 $41
雲端營業利潤 $11.80 $19.10
雲端利潤率 34% 47%

模型公司每賺 100 美元，35 到 40 美元流向三大雲——AWS、Azure、Google Cloud。

雲端從中賺到 10 到 20 美元營業利潤，利潤率 35% 到 45%。電力成本、GPU 折舊全部扣完之後的數字。訂閱制模型（Lab B）讓雲端賺更多，因為訂閱帶來穩定的推理負載，基礎設施利用率更高。

用一個比喻：三大雲是 AI 產業後面的水表。模型公司跑多少推理，水表就轉多快。而水表的毛利率接近五成。

反轉在模型這頭

雲端賺錢不意外——賣鏟子的在淘金熱裡向來不虧。真正讓這條利潤鏈超出預期的，是模型層自己。

巴克萊的數字：付費推理利潤率從 2025 年的低雙位數，一年內跳到 50% 到 65%。

拆開看更驚人：

產品類型 2025 推理利潤率 2026 推理利潤率
訂閱制 低雙位數 ~70%
API 直售 低雙位數 >80%

API 推理的利潤率超過 80%。

這意味著 Anthropic 的 Claude、OpenAI 的 GPT 每處理一次 API 呼叫，扣掉雲端費用和運算成本之後，留下的利潤超過八成。一年前這個數字還是十幾個百分點。

巴克萊把利潤率跳升歸因於五個同時發生的力量：

  1. 需求端拉動：企業客戶和 agentic 工作流變成「必買品」，推理用量暴增
  2. API 名義定價上調：frontier labs 在漲價，不是降價
  3. 模型 token 效率提升：完成同一個任務需要的 token 變少了
  4. 推理基礎設施優化：量化、speculative decoding、新一代算力持續壓低單次推理成本
  5. 規模效應：營收從 70 億漲到 1,370 億，固定成本被攤薄

前兩個是收入端的故事（賣得更多、賣得更貴），後三個是成本端的故事（花得更少）。五個同時推，利潤率就從十幾跳到六十幾。

飛輪的規模

利潤率高只是故事的一半。另一半是規模。

年份 全球 AI 實驗室營收 訓練支出占營收比
2024 $70 億 96%
2026 $1,370 億（估） 48%
2028 $6,900 億（預估） 30%

2024 年，訓練支出占營收的 96%——幾乎每一塊錢收入都拿去訓練下一代模型。到 2026 年這個比例降到 48%。不是訓練花的錢變少了，是推理帶進來的收入漲太快。

巴克萊估算 2026 年底的年化經常性收入約 2,000 億美元。調整後毛利率同比增加 30 到 50 個百分點。

一句話概括：訓練是 capex，推理是印鈔機。印鈔機已經啟動了。

高盛的另一本帳：同一個產業，完全相反的數字

如果只看巴克萊，故事是「AI 全面印鈔」。但高盛上個月的報告畫了一張完全不同的圖。

高盛 Ronald Keung 團隊 7 月的 50 頁中國 AI 模型深度報告測算：中國頭部模型 Agentic 場景 EBIT -30%，Coding 場景 -39%。高盛預測要到 2030 年才轉正。

巴克萊說利潤率 65%。高盛說利潤率 -30%。

兩個數字同時為真，因為它們量的不是同一群人。

巴克萊量的是 frontier labs——Anthropic、OpenAI、Google DeepMind 這些用三大雲跑推理、賣 API 和訂閱的公司。它們的定價有利潤空間：Claude API 每百萬 token 輸出 $10-50（依模型等級），定價本身就包含了利潤。

高盛量的是中國模型公司——DeepSeek、智譜、通義。它們的策略完全相反：用虧損定價換市占。DeepSeek V4 Flash API 每百萬 token 輸出 $0.28，是 Anthropic 最便宜模型的十分之一以下。中國模型在 OpenRouter 上拿下 agent token 的 85%、代碼 token 的 89%，代價是每賣一塊錢虧三毛到四毛。

利潤不是從 AI 產業消失了——是集中在有定價權的那群人手上。 有定價權的是 frontier labs，沒有定價權的在用虧損換市占。兩本帳攤開來看，全球 AI 的利潤分配比任何一份單獨報告顯示的都更極端。

但 frontier labs 整體賺錢嗎？把訓練加回去

推理利潤率 50-65% 聽起來是印鈔機。但巴克萊的推理利潤率是扣掉雲端成本和運算費用之後的數字——沒有扣訓練。

訓練支出占營收比 2026 年是 48%。把它加回來，帳就不一樣了：

  調整後毛利率 減：訓練占營收比 每 $100 剩多少
Lab A（API 為主） ~55% 48% ~$7
Lab B（訂閱為主） ~38% 48% ~-$10
三大雲 34-47% 0% $10-20

Lab A 每賺 100 美元，扣完雲端、推理成本、訓練支出，剩大約 7 塊。Lab B 還是負的——訓練成本吃掉了全部毛利再多吃 10 塊。

三大雲不訓練模型，不承擔研發風險。它們抽的是水費，不管模型公司是盈是虧，水表都在轉。

誰在賺錢，誰在賠錢：

  • 三大雲：穩賺。 每 $100 拿走 $10-20 利潤，利潤率 34-47%，而且這個利潤跟模型換代無關——下一代模型還是要跑在它們的基礎設施上。
  • Frontier labs（API 為主）：勉強打平。 推理印鈔，但訓練燒掉了大部分。Lab A 的 $7 利潤薄得像紙——下一次訓練預算膨脹就可能吃掉。
  • Frontier labs（訂閱為主）：還在虧。 訂閱制讓雲端抽更多（47% vs 34%），留給模型公司的毛利更少，扣完訓練就是負數。
  • 中國模型公司：大幅虧損。 高盛測算 EBIT -30% 到 -39%，預計 2030 年才轉正。它們連推理都在虧，訓練更不用說。

Frontier labs 的策略是用推理利潤補貼訓練——2024 年訓練占 96%，2026 年降到 48%，不是訓練便宜了，是推理收入漲太快。但「推理補貼訓練」跟「整體賺錢」是兩回事。推理那頭確實在印鈔，訓練那頭也確實在燒。淨下來，Lab A 剛好打平，Lab B 還是虧。

整條利潤鏈裡真正的贏家是雲端。 它們不需要下注哪個模型會贏，不需要承擔訓練失敗的風險，只要 AI 推理持續跑在它們的基礎設施上，水表就持續轉。這就是為什麼 AWS、Azure、GCP 的股價跟 AI 故事正相關——它們賣的不是模型，是模型必須跑在上面的東西。

行為證據：全產業定價遷移，殺訂閱、推 token 計費

如果巴克萊的利潤模型是對的——API 計費（Lab A）毛利 55%，訂閱制（Lab B）只有 38%——那模型公司的理性行為就是竭盡所能把客戶從訂閱趕到 API 計費。

過去一年，它們確實在這麼做。

公司 產品 時間 變化
Anthropic Enterprise Claude 2025/11 起 → 2026/04 完成 固定座位費含 token → 座位費 + per-token 另計，150 人以上無 flat-fee 選項
OpenAI ChatGPT / Codex 2026/04/02 per-message → token credit 計費，Business 座位費從 $25 降到 $20
GitHub Copilot 2026/04 → 06 固定配額 → AI Credits（token 計費）
Anthropic Pro / Max（消費者） 2026/05/13 宣布（6/15 暫緩） flat-rate → credit pool + per-token
Google Gemini Notebook（原 NotebookLM） 2026/08/28 宣布，9/2 生效 每日固定次數 → compute-based，5 小時滾動窗口 + 週限額

Anthropic 的路徑最完整：2025 年 11 月開始把企業客戶續約改成 usage-based，2026 年 2 月推出新制（$20/人月只買平台入場券，token 全部照 API 費率另計），3 月 8 日是 legacy plan 硬截止。到了 4 月，bundled token 從企業方案裡徹底移除。甚至 5 月嘗試把消費者方案的 agent 用量也拆出來改 credit 計費——雖然在 6/15 暫緩了，方向沒變。

OpenAI 的動作更乾脆：4 月 2 日一刀切，Plus、Pro、Business 全部從 per-message 改 token credit。座位費反而降了 $5——降座位費是為了讓客戶覺得「便宜了」，真正的收入來源搬到了 token 消耗。

Google 的 Gemini Notebook 是最新一個。巴克萊報告 8/28 發布，同一天 Google 宣布把 NotebookLM 從「每天 N 次」固定配額改成 compute-based 計費——每個請求按運算量算，短對話便宜、複雜 prompt 貴。

五家公司在同一季做了同一件事。 方向完全一致：座位費／月費變成入場券，真正的收入來源搬到 per-token 或 per-compute。這不是巧合，是利潤結構決定的必然——巴克萊的數字解釋了為什麼。API 計費比訂閱制每 $100 多留 $17 的毛利。在營收 1,370 億的規模上，17 個百分點是超過 200 億美元的差距。

反方：這個利潤率能撐多久

巴克萊的數字是 2026 年的快照。它能不能代表新常態，至少有三個理由質疑：

一、開源逼近 frontier。 Kimi K3 和 GLM-5.3 在 Artificial Analysis Intelligence Index 上拿到 60，Fable 5 是 62。差距只剩 2 分。當開源模型的能力接近封閉模型，企業 CTO 有了替代選項。替代選項出現的那一天，定價權就開始鬆動。

二、中國模型的虧損定價不會永遠持續，但它會在結束之前壓低全行業價格預期。 DeepSeek V4 Flash 的 $0.28/M token 已經在 agent 和 coding 場景建立了價格錨。即使中國模型未來漲價，市場對「合理 token 價格」的預期已經被拉低了。Frontier labs 要維持 80% API 利潤率，必須持續證明它們的品質差距值那個溢價。

三、地端推理正在把邊際成本推向零。 這個 blog 寫過北京 AGI Bar 的案例：兩台 DGX Spark（共 $9,400）跑 V4 Flash，年化成本約 $3,500，之後只剩電費。當硬體一次性攤完、token 邊際成本趨零，雲端 API 的利潤就面臨結構性壓力。

四、Frontier labs 自己在脫離雲端。 巴克萊假設 $35-40 流向三大雲，但 frontier labs 看得懂這筆帳——被抽走 $35-40、雲端還賺 34-47% 利潤，自己扣完訓練只剩 $7 或虧 $10。理性反應就是自建機房，把雲端利潤吃回來。OpenAI 啟動了 Project Camellia（喬治亞州自建機房，3.2GW）加上 Stargate（7GW，$4,000 億以上），infra 預算拉到 2030 年 $7,500 億。Anthropic 簽了 $500 億 Fluidstack 機房合約，2026 年 8 月跟 Macquarie 和 GIC 成立 Theseus Infrastructure JV 自建專用機房。xAI 從頭就自建——Memphis Colossus 已到 1GW、55 萬顆 GPU。Google DeepMind 跑在 Google 自有 TPU 上，Meta 的 Llama 全在自有機房訓練。雲端的水表生意短期很好，但最大客戶正在自己裝水管。

但雲端大廠不是坐等被脫離——它們有三層防線。

第一層是股權綁定。Amazon 累計投入 Anthropic $330 億，Microsoft 投 OpenAI $130 億以上並鎖定 $2,500 億 Azure 承諾到 2032 年。即使 frontier labs 自建機房，雲端作為股東照樣分利潤。投資不只是雲生意，是對沖。

第二層是自研晶片的遷移成本。AWS Trainium 年化營收 $200 億，鎖定超過 $2,250 億承諾營收，Anthropic 和 OpenAI 都簽了多年合約。Google TPU 賣到 100 萬顆給 Anthropic，Gemini 完全在 TPU 上訓練。在 Trainium / TPU 上訓練的模型，搬家成本極高——不只搬資料，是重新適配整套訓練棧。

第三層是自建模型。Microsoft 2025 年 9 月拿到自建模型的自由後，2026 年推出 MAI-Code-1-Flash、MAI-Thinking-1 等一系列自有模型。Amazon AGI 團隊被要求做出超越 Claude 的模型。Google 的 Gemini 本來就是自己的。三大雲的訊息很明確：你不跑我的雲？那我自己也有模型。

再加上 Bedrock、Vertex AI、Azure Foundry 這種多模型平台——上面同時放了 Claude、Llama、Gemini、Mistral——企業客戶換模型不用換雲，這本身就是留客機制。

這五個力量沒有一個已經擊穿 frontier labs 的利潤。但它們同時在推，方向一致。巴克萊的 65% 是此刻的利潤率，不是鐵板。而雲端的 34-47% 利潤率也不是穩態——它既被客戶自建威脅，又被自己的三層防線保護著。攻防還在進行中。

坦白說

這份報告有幾個必須知道的限制。

巴克萊的分帳模型是假想的，不是任何一家公司的真實財報。 Lab A 和 Lab B 是模型公司的典型化描繪，不是 Anthropic 或 OpenAI 的真實成本結構。真實數字不公開——這些公司都還沒上市。所以 34% 和 47% 的雲端利潤率是估算，不是審計後的數字。

「全球 AI 實驗室營收 1,370 億」的口徑不清楚。 這個數字包含哪些公司、怎麼定義「AI 實驗室」（Google Cloud 的 AI 營收算嗎？Microsoft Copilot 算嗎？）、如何處理企業內部使用的 AI 推理（不走外部 API），報告的二手報導裡沒有說明。70 億到 1,370 億，數字本身可能沒問題，但定義邊界會大幅影響規模感。

推理利潤率 50-65% 是行業中位估計，不是每家都到。 Frontier labs 賣 API 超過 80%，但規模較小的模型公司、或者定價策略比較激進的，利潤率可能低得多。中位數掩蓋了分佈。

但它做對了一件事：第一次把 AI 的利潤從「模型公司賺不賺錢」拆到「每一層賺多少」。 訓練的帳大家盯了三年，推理的帳現在才被攤開。知道雲端在每 100 美元裡抽走 35-40、再賺近五成，這對選擇自建 vs API 的決策是有用的算術。

關鍵洞察

一、AI 產業的利潤結構已經可計算了。 2024 年只有訓練成本可算，收入是猜的。2026 年，推理收入、雲端抽成、各層利潤率都有了估算框架。不同意巴克萊的數字沒關係，重要的是你可以拿這個框架去填你自己的數字——算你的 API 帳單裡有多少是雲端利潤、多少是模型利潤、有多少空間可以透過自建省下來。

二、雲端稅是真的，而且訂閱制比 API 付的更多。 Lab B（訂閱為主）的雲端利潤率 47%，Lab A（API 為主）是 34%。如果你是企業 CTO、用訂閱制的 AI 產品（Copilot、Claude Pro），你付的價格裡有接近一半是雲端利潤。做自建 vs 買服務的決策時，這個數字值得放進試算表。

三、利潤集中在有定價權的那群人手上。 巴克萊的 65% 和高盛的 -30% 同時存在。差別不是技術，是定價權。有定價權的 frontier labs 在印鈔，沒有定價權的中國模型在用虧損換市占。你的決策取決於你賭哪一邊先到拐點——中國模型 2030 年轉正的速度，還是開源模型填掉那 2 分差距的速度。

三方大逃殺，一個軍火商

把上面所有動作攤開來看，這不是單一條利潤鏈——是一場三方大逃殺，每一方都在同時逃離和鎖定其他兩方：

Users 被趕向 API 計費（帳單變貴）→ 反應是往地端跑、擁抱開源和 sovereign AI → labs 失去定價權。Labs 被雲端抽走 $35-40 → 趕 users 去 API 提高毛利、同時自建機房脫離雲端 → 但 capex 暴增，而且被 users 不滿。Cloud 背一身 capex 建機房 → 用自研晶片（Trainium、TPU）鎖 labs、用股權對沖出走風險、自己訓模型當 plan B → 直接變成 labs 的競爭對手。

每一方的防禦動作，都是另一方的新威脅。循環不斷。

但不管這場大逃殺誰贏誰輸，有一方穩坐釣魚台。

角色 處境 利潤率
NVIDIA 賣 GPU 給所有人 ~60%+ 毛利，AI 晶片市佔 80-85%
Cloud 賣水表，三層防線鎖客 34-47%
Frontier labs（API） 推理印鈔但訓練燒掉 ~7% net
Frontier labs（訂閱） 被兩頭夾 -10% net
中國模型 虧損換市占 -30% to -39%

Users 逃去地端——買 NVIDIA GPU。Labs 自建機房——買 NVIDIA GPU。Cloud 擴建——買 NVIDIA GPU。NVIDIA FY2026 資料中心營收 $1,937 億，2026 Q2 單季 $890 億，YoY +117%。

越上游越賺。 NVIDIA 賣鏟子，雲端賣水，labs 淘金，中國模型在虧錢拉人頭。唯一的威脅是自研晶片——Trainium、TPU 合計已吃到 15-20% 市佔，TCO 優勢 40-65%——但這些晶片只有做它的那家雲端自己能用，不是公開市場。對所有非超大規模客戶來說，能買的還是 NVIDIA。

老黃是這場大逃殺裡唯一不用逃的人。

常見問題 Q&A

Q: 巴克萊這份研報的核心結論是什麼？

巴克萊 2026 年 8 月 28 日的研報拆了一條 AI 利潤鏈（AI Profit Chain）：AI 模型公司每賺 100 美元，35 到 40 美元流向三大雲端供應商（AWS、Azure、Google Cloud），雲端從中賺取 10 到 20 美元營業利潤，利潤率 35% 到 47%。模型公司本身的付費推理利潤率（Paid Inference Margin）從 2025 年的低雙位數，一年內跳到 50% 到 65%，其中 API 推理超過 80%。全球 AI 實驗室營收從 2024 年的 70 億美元膨脹到 2026 年的 1,370 億美元。

Q: 為什麼 AI 推理利潤率能在一年內跳這麼多？

巴克萊歸納了五個同時發生的力量。收入端：企業客戶和 agentic 工作流變成「必買品」，推理用量暴增；同時 frontier labs 的 API 名義定價在上調，不是下降。成本端：模型的 token 效率提升，完成同一個任務需要的 token 變少；推理基礎設施持續優化——量化（Quantization）、投機解碼（Speculative Decoding）、新一代算力壓低單次推理成本；加上規模效應，全球 AI 實驗室營收兩年內從 70 億膨脹到 1,370 億美元，固定成本被更大的營收基數攤薄。收入漲、成本降，五個力量同時推，利潤率就從十幾跳到六十幾。

Q: 巴克萊說利潤率 65%，但高盛說中國模型虧 30%，這兩個數字怎麼同時成立？

因為它們量的不是同一群公司。巴克萊量的是 frontier labs（Anthropic、OpenAI、Google DeepMind），這些公司用三大雲跑推理、以有利潤空間的價格賣 API 和訂閱。高盛量的是中國模型公司（DeepSeek、智譜、通義），它們的策略是虧損定價換市占——DeepSeek V4 Flash API 輸出價 $0.28/百萬 token，約為 Anthropic 最便宜模型的十分之一以下。兩本帳攤開來看，利潤不是從 AI 產業消失了，而是集中在有定價權（Pricing Power）的 frontier labs 手上。

Q: 這份研報對企業選擇 API vs 自建推理的決策有什麼影響？

巴克萊的分帳模型顯示，企業透過 API 用 AI，每 100 美元帳單裡有 35 到 41 美元是付給雲端供應商的，其中近一半是雲端利潤。訂閱制（Subscription）比 API 直售讓雲端賺更多（47% vs 34% 利潤率）。這意味著如果一家企業的 AI 用量夠大，自建推理（On-premise Inference）能省下的不只是模型公司的利潤，還包括雲端那一層的近五成利潤。不過自建需要 GPU、運維團隊和持續更新模型的 capex，適不適合取決於用量規模和技術能力。

來源