100塊 AI收入 → 35~40塊 給了雲巨頭
雲廠商淨賺10-20塊，利潤率高達35%-45%。AI公司自己還在盈虧線上掙扎。整個行業2024年才賺70億美元，2026年預計衝到1370億——但最大的蛋糕，被賣鏟子的人端走了。
本文解讀來源於巴克萊《A Primer on AI Lab & AI Hyperscaler Unit Economics》。所有資料觀點歸屬於上述報告，不構成投資建議。
📱 點選下方小程序卡片，搜尋"AI Lab "即可獲取原文
全世界的聚光燈都打在OpenAI、Anthropic身上，但巴克萊8月28日發佈的這份研報，做了一件之前沒人做過的事：把AI產業鏈的錢到底怎麼分，一筆一筆算清楚了。結論很直白——AI淘金熱裡，賣鏟子的人拿走了最大的蛋糕。
💸 每賺100塊，錢去了那裡？
巴克萊建了兩個虛擬AI實驗室模型。Lab A大約70%收入來自API（開發者按Token呼叫），30%來自訂閱；Lab B反過來，80%靠訂閱，API只有10%。
模型算出來的結果：
Lab A（API為主） $35 每$100收入→$35給雲廠商 | Lab B（訂閱為主） $41 每$100收入→$41給雲廠商 |
換句話說，不管AI公司選擇那種商業模式，三大雲廠商都能穩穩拿走35%-45%的營業利潤。Lab B因為有戰略合作夥伴的收入分成機制（比如某雲巨頭的獨家模型合作），雲廠商拿到的比例更高。
但這裡有個微妙之處——巴克萊特別指出，收入分成會人為抬高雲廠商表面上的利潤率。如果剔除分成部分，雲廠商每個Token實際賺的錢其實是一樣的。說白了，分成機制更多是財務遊戲，不是真正的效率優勢。
📊 利潤率一年翻了4倍——從14%飆到65%
報告中最炸裂的資料在這裡：AI實驗室的付費推理利潤率，從2025年的十幾個百分點，一路飆到2026年的50%-65%以上。直接API業務的推理利潤率甚至超過了80%。
背後的推手是企業客戶和Agent工作流。巴克萊分析師Ross Sandler的判斷是，這兩類產品已成為市場上的"必買品"。企業按Token付費、不做補貼，利潤率天然就高。訂閱產品（ChatGPT Plus、Claude Pro）為了留住使用者，AI公司還得自掏腰包貼Token成本，利潤率自然被壓低。
不過巴克萊也警告，當前利潤率可能已高於估算值，但隨著競爭加劇和算力供給增加，這種超高利潤率最終會回落。
🧮 同樣的生意，財報能差17個百分點
報告裡最精彩的類比是把AI公司比作Uber和Lyft——做的是同一門生意，但財報可以差出天際。
核心差異在於收入確認方式。當使用者通過AWS或Azure呼叫第三方模型時，有的AI公司按"總額法"把全部收入計入自己的報表，有的則只按"淨額法"記入差額部分。Lab A走總額法，調整後毛利率55%；Lab B走淨額法，毛利率只有38%。同樣的業務規模，財務表現差了17個百分點。
投資者看到的"營收增長"，可能只是會計處理的差異，而不是真正的業務進步。
🏗️ 70億→1370億→6900億：三年百倍增長
全球AI實驗室收入從2024年的70億美元，預計增至2026年的1370億美元，再到2028年的6900億美元。
更關鍵的訊號是訓練成本佔比斷崖式下降——從96%降到48%，預計2028年只有30%。AI公司"賺錢"的速度終於要超過"燒錢"了。但同時，雲廠商AI收入與AI實驗室收入的比值也在從153%降到73%，專屬算力上線後將進一步蠶食三大雲份額。
🔥 最新博弈：月之暗面找雲巨頭要30%分成
巴克萊這份報告揭示的利潤分配格局，已經在現實中上演了。
就在今天，路透社曝出消息：月之暗面正就Kimi K3模型與AWS、Azure、GCP談判，尋求最高30%的服務收入分成。如果談成，這將是中國AI公司跟美國雲巨頭之間的第一個大型分成協議。
月之暗面的底氣來自K3的競爭力——2.8兆參數、Agent測試全球第一、ARR三個月從1億漲到3億美元。但業內判斷30%更像是談判上限，AWS、Azure手裡替代模型充足，議價優勢依然明顯。
這個談判本身就是巴克萊報告的最佳註腳——模型方想要更多，但云巨頭的管道和客戶才是稀缺資源。
⏳ 2028年，遊戲規則要變
巴克萊報告給出了一個關鍵時間節點：2028年。
一方面，訓練成本佔比降到30%以下，AI公司將從"虧錢訓練"徹底轉向"靠推理賺錢"。另一方面，專屬算力基礎設施將集中上線，AI公司逐步擺脫對三大雲的依賴。屆時雲廠商在訓練和推理市場的份額都可能下降。
換句話說，當前這種"雲巨頭通吃"的格局，不是終局，而是過渡態。AI公司的議價能力在訓練成本下降和專屬算力崛起的雙重作用下，正在蓄力。
💡 一個值得追問的問題
當AI公司還在為35%的分成跟雲巨頭討價還價，當2028年專屬算力上線後格局將重新洗牌——真正的問題可能不是"誰分走了多少錢"，而是：在這場AI淘金熱裡，到底誰能從"打工仔"變成"合夥人"？ (AI深研淺說)