过去两年，AI行业出现了一个很反常识的现象。

OpenAI、Anthropic这些AI公司收入涨得飞快，ARR从几十亿美元一路冲到上百亿美元。

但与此同时，它们依然在不断融资。

模型越强，用户越多，背后的算力账单也越吓人。

这就产生了一个很有意思的问题：

AI这么赚钱，钱最后到底被谁赚走了？

最近，巴克莱发布了一份关于AI前沿实验室和CSP经济模型的报告，把这笔账拆得非常细。

里面有几个数据很值得关注。

2025年，行业推理利润率还只有10%—20%；到了2026年，已经快速提升到50%—65%以上。

其中，Anthropic的推理利润率达到65%，OpenAI约为48%。即便进一步扣掉训练成本，Anthropic仍有55%，OpenAI则为38%。

也就是说，AI实验室本身的经济模型其实已经在快速改善。

但问题是，这些利润并没有全部留在自己手里。

巴克莱测算，Anthropic和OpenAI每产生100美元收入，大约有35—40美元会流向AWS、Azure和GCP，用于训练、推理等算力支出。

今天AI实验室收入增长得越快，背后的云厂商往往越先收到钱。

不过，这个格局也不会一直持续。

随着OpenAI、Anthropic等公司自建和定制AI基础设施逐渐上线，巴克莱预计，从2028年开始，传统云厂商可能会逐步失去一部分AI实验室的训练和推理份额。

今天，硅基君就来拆一拆这份报告。

01 单纯比较ARR没有意义

在这份报告里，巴克莱提到了一个很关键的观点：

比较OpenAI和Anthropic的收入，并没有太大的意义。

原因很简单，收入口径不同，你拿两家的数字硬比，结论一定是错的。

现在AI收入确认方式有两种：“总额法”和“净额法”。名字很会计，逻辑其实很简单。

比如用户通过Azure调用一家AI实验室的模型，假设用户一共花了100美元。

按“总额法”的记账方式，是AI实验室把100美元全部算成收入，然后再把支付给云厂商的钱记成成本。“净额法”则是直接只记录最终属于自己的那部分收入。

同样一笔生意，两种记账方式，最后财报里的营收规模可以差很多。

报告提到，假设实验室A会按照总额法确认部分间接API收入，而实验室B更多按照净额法处理；如果某些业务由战略云合作伙伴直接运营，后者甚至可能完全不确认相关收入。

这意味着什么？

A公司ARR 200亿美元，B公司ARR 150亿美元，我们并不能马上得出A比B商业化更强。可能A只是确认了更多经过自己账面的流水。

和当年像Uber和Lyft一样。AI公司马上也要进入一个“收入数字不能裸看”的阶段。

以后比较OpenAI、Anthropic这类前沿实验室，真正值得看的指标会逐渐从单纯的ARR，转向业务结构和单位经济。

其中最关键的一个指标，是推理产生的利润，什么时候能够真正覆盖训练下一代模型的成本。

因为只要训练还在持续吞噬大量现金，哪怕ARR再高，公司依然需要不断融资。当推理利润开始稳定覆盖训练投入，AI实验室才算真正跨过烧钱阶段，进入可以持续产生利润的商业模式。

02 大模型全给云厂商“打工”了

按照报告估算，2025年，前沿AI实验室付费推理利润率可能还只有十几个百分点。到了2026年，这个数字已经可能提高到50%—65%以上。

部分产品甚至更高。如果把最终训练成本的一部分算进去，AI实验室调整后毛利率相比2025年提高了大约30—50个百分点。

到了2026年，这件事已经发生了非常明显的变化。

原因主要有两个。一个是模型效率提高了。同样完成一个任务，现在需要消耗的Token越来越少。另一个变化更加重要，企业客户和Agent开始成为AI消费的重要组成部分。

企业客户往往使用API或者企业账户，价格更高，付费能力更强，同时使用量也更加可控。于是AI公司的推理利润率开始快速改善。

那这些钱到底去哪了？报告算了一笔非常有意思的账。

假设一家AI实验室一年产生100美元收入。按照2026年的业务结构测算，其中大约35—40美元，最终会变成超大规模云厂商的收入。而云厂商从这部分收入里，可以拿到大约10—20美元营业利润，对应营业利润率大约35%—45%。

也就是说，AI实验室辛辛苦苦卖模型、做产品、抢用户，最后相当一部分收入流到了云厂商。

更关键的是，云厂商赚的还不止算力这一层。很多Agent产品需要长时间运行，还要调用数据库、存储、网络以及其他云软件产品。

于是一个AI Agent跑起来以后，消耗的不只是GPU。它还顺手把整个云计算技术栈都用了一遍。

所以，云厂商在Agent订阅类产品上的单位经济同样非常漂亮。部分AI实验室和云厂商之间还有收入分成协议。这样一来，云厂商甚至可以同时赚三笔钱：

算力的钱，云软件的钱，再加一部分合作收入分成。

这就是为什么AI时代，AWS、Azure和Google Cloud的战略位置如此特殊。

03 2028年是大模型和云厂商的拐点

看到这里，可能有人会问，那是不是AI实验室永远都在给云厂商打工？

也没那么简单。

越往后走，AI实验室对云厂商依赖度会有所下降。原因在两点：

第一个变量，是推理。

模型效率继续提高，Agent和企业客户继续增长以后，推理产生的利润会越来越大。最终，推理利润有机会覆盖甚至超过训练成本。

到了那个阶段，AI实验室真正的经营杠杆才会出现。以前每增加一个用户，大家担心的是多烧多少GPU。以后每增加一个用户，更多收入可能会开始变成利润。

第二个变量，是基础设施。

报告判断，从2028年开始，随着专门为AI实验室建设的基础设施逐渐上线，AI实验室可能开始减少对传统超大规模云厂商的依赖。

AWS、Azure和Google Cloud在AI实验室训练和推理中的份额，也可能随之下降。这个变化其实已经把未来几年的产业矛盾写得很清楚了。

如果未来AI实验室的收入规模达到数百亿美元，算力需求稳定到可以预测，自己锁定电力、建设数据中心、引入基础设施资本就越来越划算。

规模越大，绕开中间商的动力越强。

所以AI实验室疯狂建设Stargate式基础设施，从经济模型上看并不奇怪。它们真正想拿回来的，其实是被云厂商拿走的利润。

未来真正值得观察的拐点有两个：

一是AI实验室的推理利润什么时候真正超过训练成本。

二是AI实验室什么时候开始大规模把算力从传统云厂商迁移到自己的专用基础设施。

AI的商业战争打到今天，模型能力依然重要，但接下来的竞争，已经越来越像一场利润分配权的战争。