鲁克 总管理员
.png)
AI 的调用量正在迎来前所未有的爆发，但资本市场却开始提出一个尖锐问题：热闹的大模型行业，什么时候才能盈利？
近期一款匿名上线的高性能免费大模型 Ox‑Alpha，也就是国内圈内俗称的 “牛来”（智谱 GLM‑5.3‑Flash），短时间内在开发者圈子迅速走红。模型性能已经逼近全球第一梯队，却几乎免费向市场开放。这件事像一面镜子，照出当下 AI 行业一个极具讽刺的现实：面向用户的 词元（Token） 价格正在雪崩，但是支撑 AI 运行的底层硬件成本，却居高不下。AI 的需求如火如荼，盈利兑现却迟迟没有到来。
新技术走向普及，降价本是常态。每一代全新芯片问世，理论上都会压低生成单个 Token 的硬件生产成本。但现实市场里，大模型厂商对外 API 的降价速度，跑的比硬件成本下降还要快。各家为抢夺开发者客户，不断下调调用单价，甚至推出免费版本。调用规模越做越大，单位收入却被持续压缩。
然而下游打得如火如荼价格战的时候，上游半导体供应链并没有同步迎来降价。从晶圆代工到存储芯片，整个行业已经步入结构性供给不足的周期。
以三星为例，其部分先进工艺代工新订单报价上调最高 15%，同时将 70% 的内存产能，通过多年锁价长约，优先供给大型数据中心客户。显存是大模型推理最重要的资源，大量产能被头部企业提前锁定，后发的大模型企业不仅要接受更高的采购价格，甚至有钱也拿不到足够产能。
于是行业就形成一套很难破解的悖论：
用户端需求持续爆发，模型调用量节节走高；但 Token 售价不断内卷，硬件采购成本却被上游牢牢托住。规模扩张带来的增量收入，很大一部分被芯片、存储的硬件成本吞噬。企业越做大，硬件开支同步膨胀，利润很难释放出来。
这一点，在港股上市的智谱 AI 身上体现得淋漓尽致。作为国内第一家上市的大模型原生企业，公司坐拥可观的模型调用体量，股价却持续承压。市场担忧的核心不是没有需求，而是商业模式的困境：国内大模型赛道内卷加剧，API 单价持续下行；GPU 与显存构成公司最大成本项，成本很难随着规模扩大快速摊薄。即便业务规模增长，净利润的兑现依旧遥遥无期。
放眼全球，这也并非国内独有的困境。即便是海外 AI 企业，同样面临上游算力成本的约束。算力需求推高芯片厂商的业绩，但是红利更多流向台积电、三星这类硬件供给方，而不是处在下游的模型公司。
但，最近美股一批 AI 相关公司冲刺 IPO，似乎他们实实在在赚到了钱，如Anthropic 已经秘密提交 IPO 材料，计划 2026 年秋季上市，目标估值 2 万亿美元，有望成为人类历史规模最大 IPO 。他们的真实业绩：二季度营收 115 亿美元，同比暴涨 14 倍，调整后营业利润已经转正，这在头部大模型厂商里面属于里程碑，年化营收运行率已经达到 650 亿美元，企业 API 订阅是收入核心。
他们对外宣讲 TAM 总潜在市场超过 30 万亿美元。这个数字怎么算出来？把未来 AI 可以替代的人类全部工作的经济价值全部相加，前提假设是它拿下全部市场份额，这仅仅是理论天花板，不是公司营收预期。它内部给投资者的真实远期目标，2028 年营收 1900‑2000 亿美元，和 30 万亿相差百倍以上。
虽然调整后营业利润转正，但 GAAP 口径下依旧是大额亏损；每个月巨额算力账单，高度依赖谷歌、亚马逊的算力供给。同样逃不开目前AI行业困境：Token 价格内卷，芯片、存储硬件成本居高不下。就算收入暴涨，很大一部分收入会被上游硬件厂商分走。
AI 需求爆炸不等于企业赚钱，卖铲子的始终比天然比挖金子舒服。
当然，我们不必就此否定 AI 产业的长期前景。技术迭代会持续推进，未来新一代硬件、架构优化，或许可以逐步打破成本枷锁。但就当下而言，投资者需要认清现实：高调用量不等于高利润，Token 便宜不等于 AI 公司好赚钱。在芯片、存储的供给瓶颈得到缓解之前，AI 行业盈利兑现的时间，可能会比市场预想的更加漫长。
