推論利潤率已突破 80%，為何 AI 價格依然紋絲不動？
AI 的成本正在下降，利潤率也大幅攀升了 50 個百分點。但我們支付的價格卻毫無變化。
前言
讀者 您好，人工智慧公司每賺進 100 美元，其中就有 35～40 美元會立刻流進其他公司的帳戶。那就是 AWS、Azure 和 Google Cloud。因為這是執行推論1所需的運算成本。三大雲端業者從這筆錢中留下 10～20 美元作為營業利益，營業利益率約在 35～45% 的水準。
這些數字出自巴克萊（Barclays）於 8 月 28 日發布的 AI 產業單位經濟學報告。我親自確認了產業摘要圖表，正如表格所載，這些全部都是巴克萊的預估值。2026 年以後的數值屬於預測，並非已實現的數據。
同一份報告中還有這樣一段內容：AI 實驗室的付費推論利潤率從 2025 年的十幾個百分點，在 2026 年躍升至 50%～65% 以上，調整後毛利率在短短 1 年內就上升了 30～50%p；直接 API 的利潤率甚至突破了 80%。
看到這裡您可能會覺得奇怪：100 美元中明明有 40 美元流向運算成本，利潤率怎麼可能達到 80%？我先說結論：這兩個數字的分母不同，而兩者之間的差距，正是今天真正要探討的核心。 這是一篇關於利潤率明明提升了這麼多，為什麼我們付出的費用卻依然毫無變化的探討。
這兩個數字看似矛盾的原因
首先我們先釐清分母。整理巴克萊（Barclays）的產業摘要預估數據如下：
| 單位：十億美元 | 2024 | 2025 | 2026E | 2027E | 2028E |
|---|---|---|---|---|---|
| AI 實驗室營收 | 7 | 26 | 137 | 376 | 690 |
| 推論成本 （佔營收比重） | 4 (57%) | 17 (66%) | 58 (42%) | 157 (42%) | 292 (42%) |
| 訓練成本 （佔營收比重） | 7 (96%) | 19 (70%) | 66 (48%) | 132 (35%) | 210 (30%) |
| 超大規模雲端業者 AI 營收 | 11 | 36 | 124 | 289 | 502 |
| 相對 AI 實驗室營收佔比 | 153% | 136% | 90% | 77% | 73% |
這是巴克萊研究（Barclays Research）的預估，2026 年起為預測值。
看 2026 年那一欄，推論成本佔營收的 42%，訓練成本佔 48%。兩者相加的 1,240 億美元，就直接成了超大規模雲端業者的 AI 營收。相當於 AI 實驗室營收的 90%。
「每 100 美元中的 35～40 美元」，指的僅是其中推論部分的數字，並不包含訓練。
「推論利潤率 80%」的範圍則更為狹窄。這是指運行既有模型所獲得的 API 營收，僅扣除處理該請求的直接運算成本後的數值。訓練費用、研發人員薪資和資料成本全都不計入其中。
換句話說，前面的數字代表整間公司的損益，後面的數字則只是單條生產線的邊際貢獻。兩者都沒錯，但不能放在同一個天平上比較。順帶一提，根據 ICONIQ 統計，AI 產品的實際毛利率在 2024 年為 41%、2025 年為 45%、2026 年約為 52%。雖然正在改善，但離 80% 仍有相當大的距離。
看表格的最左側，這種結構就更加明顯了。2024 年，推論與訓練合計的運算成本高達營收的 153%。這意味著光是運算成本就超過了營收，是超大規模雲端業者賺得比 AI 實驗室還要多的時期。
而且這張表也很容易被誤讀。坊間常流傳「超大規模雲端業者 AI 營收的 90% 來自 AI 實驗室」這類解讀，但方向完全反了。分母是 AI 實驗室的營收。這代表 AI 實驗室每賺 1 美元，超大規模雲端業者就賺走 90 美分，而不是超大規模雲端業者的營收有 90% 來自 AI 實驗室。後者無法從這張表中得知。今天這篇文章要持續探討的核心，正是這個分母問題。
最不賺錢的產品是訂閱
從這裡開始變得有趣了。
巴克萊（Barclays）將各產品線的推論利潤率劃分如下：直接 API 超過 80%，間接 API 介於兩者之間，訂閱產品約為 70%。像 Claude Code 或 Codex 這類定額訂閱產品，在三條產品線中賺得最少。
這與常識相反。因為通常包套搭售的一方利潤會更好。
原因很簡單。這是因為 AI 實驗室正在刻意補貼訂閱使用者的 Token 成本。因為這些是必須留住的使用者。API 客戶已經將產品建立在該模型之上，很難輕易遷移，但訂閱使用者下個月就能直接解約。
最近訂閱產品的使用量上限頻繁重設，也可以放在同一個脈絡下解讀。雖然一方面歸功於模型效率提升，但看起來也是為了防止用戶流失的壓力共同作用下的結果。這是巴克萊的觀察，並非已確定的事實。
整理起來就是這樣：AI 的定價表反映的不是成本，而是反映了必須留住誰。資金並非流向成本最沉重的一方，而是流向最容易離開的一方。
業務結構不同，帳面數字也大不相同
巴克萊建立了兩家虛擬的前沿實驗室來進行比較。這不是真實的公司，而是模型。
實驗室 A 的營收中有 70% 來自 API、30% 來自訂閱；實驗室 B 則相反，80% 來自訂閱、20% 來自 API。 雖然身處相同產業、擁有相似產品，但調整後的毛利率，實驗室 A 約為 55%，實驗室 B 則約為 38%，相差了 17%p。
這項差距有一半來自剛才提到的毛利結構，另一半則來自會計處理方式。實驗室 A 將間接 API 營收以總額法2認列，而實驗室 B 則以淨額法認列，或是乾脆不將策略合作夥伴代為營運的部分認列為營收。巴克萊將此比喻為 Uber 與 Lyft 之間的關係。明明是相同的業務，卻因為認列標準不同，導致財報上的數字看起來截然不同。
從雲端業者的角度來看，情況又反了過來。對應實驗室 A 的 100 美元營收，雲端營收為 35 美元、營業利益 11.8 美元、利潤率為 34%；實驗室 B 則因加上了合作夥伴的分潤，雲端營收達到 41 美元、利益 19.1 美元、利潤率高達 47%。
這裡巴克萊提出的但書非常關鍵：分潤拉高的只是表面上的利潤率，實際上每個 Token 真正賺到的錢是一樣的。而且這項分潤預計在 2028 年之後就會消失。
還有一點值得留意：Agent 型訂閱產品會為雲端業者創造額外價值。因為它不是一問一答就結束的對話，而是帶著狀態持續運作的 runtime，會同時呼叫資料庫或儲存空間等上層資源。這意味著每產生 1 美元營收，伴隨而來的基礎架構消耗更多。在某些合作架構中，雲端業者與 AI 實驗室甚至簽有拆分這部分收益的合約。
這對導入端來說也是同樣的道理。串接越多 Agent，增加的不只是模型呼叫費用，背後連帶的基礎設施消耗也會隨之增加。如果報價單上只寫著模型單價，那就只看到了一半。
一旦 AI 實驗室開始公布 GAAP 財務報表，這種落差就會直接轉嫁給投資人。指標變得難以照單全收的局面，我們過去就曾探討過。那時問題出在 ARR 的計算方式，而這次則是毛利率的「分母」。
然而，成本並非只朝單一方向變動
到目前為止的討論都是以「成本正在下降」為前提。每個 Token 的推論成本確實正在下降。完成同一項任務所需的 Token 數量減少了，導入了量化與推測解碼等技術，而且新一代運算資源也陸續到位。
然而，採購那些運算資源的價格卻反其道而行。例如隨著 CCL[^3] 等高階半導體成為主流，這種趨勢正變得更加明顯。
| 項目 | 漲幅 | 備註 |
|---|---|---|
| 記憶體 | +45% q-q | 2026 年第 2 季 |
| CCL | +12~22% | M8/M9 高階 |
| MLB | +15% | AI 加速器用 |
| 封裝載板 | +15% | 記憶體用 |
| MLCC | +15~35% | AI 伺服器用高電容 |
| AI 伺服器 | +15% 以上 |
這是三星證券整理媒體報導的資料。記憶體的漲幅雖然低於 TrendForce 在第 2 季展望中提出的通用 DRAM 58~63%，但看起來更接近綜合各產品線後的實際數值。
兩種成本正朝著相反方向變動。**製造單一 Token 的成本正在下降，而採購製造 Token 的機器成本卻在上升。**而且這項漲幅尚未完全反映在 AI 實驗室的損益表上。因為伺服器一旦買入，會在數年間透過折舊逐漸攤提。
因此，現在看到的 80% 並不是餘裕，而更像是用來吸收未來採購成本上漲的防線。
為什麼這很重要
從這個結構中，在實務上可以得出三個結論。
第一，不能把降價當作預算的前提假設。 在制定 AI 導入計畫時，許多組織會預設「反正 Token 價格會一直下跌」來規劃三年的預算。然而，在過去一年利潤率改善 30～50 個百分點的同時，採購方獲得的降價幅度卻遠不及於此。成本下降的紅利並沒有流向客戶，而是留在了公司內部。甚至在某些區間，名義 API 單價反而是上漲的。
巴克萊（Barclays）的預測也指向同一個方向。推論成本占營收比重從 2025 年的 66% 大幅下降至 2026 年的 42%，但 2027 年與 2028 年依然維持在 42%。這意味著大幅度的成本下降期已經過去了。 未來改善的是訓練費用占比，而不是推論單價。
第二，觀察供應商的業務結構，就能看出談判空間。 API 營收占比高的公司，利潤空間較大，但維持價格的動機也同樣強烈。訂閱占比高的公司，利潤率雖然較薄，但對用戶流失更為敏感。比起用量承諾（volume commitment），解約選項更能成為談判籌碼的正是後者。即便提出相同的要求，向哪一方提出，得到的答案也會完全不同。
第三，現在雲端業者收到的錢並不是永久租金。 超大規模雲端業者（Hyperscaler）的 AI 營收除以 AI 實驗室營收的比例，將從 2024 年的 153% 下降至 2026 年的 90%、2027 年的 77%、2028 年的 73%。訓練支出占比也從 2024 年的 96% 下降至 2027 年的 35%、2028 年的 30%。不過，金額本身仍在持續擴大。超大規模雲端業者的 AI 營收將從 2026 年的 1,240 億美元增加到 2028 年的 5,020 億美元。減少的是占比份額，而不是絕對規模。
整體產業營收預計將從 2024 年的 70 億美元成長至 2026 年的 1,370 億美元、2028 年的 6,900 億美元。這些全都是預估值，如果這個規模未能實現，上述的比例結構也會隨之瓦解。
結語
我想留下三點想法。
第一，看 AI 利潤率數字時，必須先確認分母。推論利潤率 80% 與毛利率 52% 都是正確的數字，90% 也是如此。只要確認究竟是拿什麼除以什麼即可。
第二，現在的價目表不是成本表，而是政策表。是由誰更容易離開來決定價格。
第三，成本不會只朝單一方向發展。在 Token 價格下跌的同時，機器設備的成本正在上升，而那張帳單目前還沒寄達。
不知大家在最近一年內，是否曾實際經歷過所使用的 AI 工具單價下滑？還是只有額度增加，帳單金額依舊不變？我很想知道各位的情況。
參考資料與延伸閱讀
- 巴克萊研究部 AI 產業摘要估算（Barclays Research Estimates，2026 年 8 月 28 日）本文表格是根據這份資料的數據重新整理的。因為是非公開研究報告，所以沒有提供連結。
- AI 利潤格局：模型企業每 100 美元營收的去向（新浪財經，2026 年 8 月 29 日） 報導同一份報告的新聞。各產品線的利潤率與實驗室 A/B 比較都在這裡。
- The next wave of AI (Barclays Investment Bank) 巴克萊研究部的公開摘要。可以從中確認單位經濟效益正在改善的宏觀趨勢。
- AI COGS 與 SaaS 毛利率壓縮（SaaS Magazine） 整理了以 ICONIQ 統計為基準的 AI 產品毛利率趨勢。很適合作為分母比較的依據。
- 第 2 季 DRAM 合約價展望（《韓國經濟》） 記憶體漲幅預估值的依據出處。
