推理利润率已超过80%，为什么AI价格依然纹丝不动
区分企业公布的推理利润率与云端成本估算值，深入探究其定价结构。
商业云厂商抽走40美元，为何利润率还能高达80%
人工智能公司每赚到100美元，其中就有35~40美元直接打入了另一家公司的账户。那就是AWS、Azure和谷歌云。因为这是运行推理1的算力成本。三大云厂商从中留下10~20美元作为营业利润，营业利润率大约在35~45%的水平。
这是巴克莱（Barclays）于2026年8月28日发布的AI行业单位经济学报告中的数据。我亲自核对了行业摘要图表，正如表中所注，这些全部是巴克莱的预估值。2026年以后的数值属于预测，并非已实现的真实数据。
同一份报告中还有这样一段：AI实验室的付费推理利润率预计将从2025年的百分之十几跃升至2026年的50~65%以上，调整后毛利率在一年内的改善幅度预计达30~50%p；直接面向客户的API推理利润率估算值更是突破了80%。
这就有些奇怪了。100美元里有40美元作为算力成本流出，利润率怎么可能达到80%？因为这两个数字的分母不同。 40美元是以AI实验室整体营收为基准计算的云成本，而80%则是用API营收减去该请求的直接计算成本后，再除以该API营收得出的比率。利润率上涨了这么多，买方支付的价格为何依然纹丝不动？下文将逐一剖析。
两个数字看似矛盾的原因
我们先来理清这两个数字的分母。巴克莱对整个行业的预测摘要如下：
| 单位：10 亿美元 | 2024 | 2025 | 2026E | 2027E | 2028E |
|---|---|---|---|---|---|
| AI 实验室收入 | 7 | 26 | 137 | 376 | 690 |
| 推理成本 （占收入比重） | 4 (57%) | 17 (66%) | 58 (42%) | 157 (42%) | 292 (42%) |
| 训练成本 （占收入比重） | 7 (96%) | 19 (70%) | 66 (48%) | 132 (35%) | 210 (30%) |
| 超大规模云厂商 AI 收入 | 11 | 36 | 124 | 289 | 502 |
| 占 AI 实验室收入比重 | 153% | 136% | 90% | 77% | 73% |
数据来自巴克莱研究部测算，2026 年起为预测值。
观察 2026 年一栏，推理成本占收入的 42%，训练成本占 48%。两者相加得到的 1,240 亿美元，就全额转变成为了超大规模云厂商的 AI 收入。这相当于 AI 实验室收入的 90%。
“每 100 美元中占 35～40 美元”指的只是其中的推理部分，并不包含训练。
“推理利润率 80%”的统计口径则更窄。它指的是从运行现有模型获取的 API 收入中，仅仅扣除处理该请求所产生的直接算力成本后的数值。训练费用、研发人员薪酬以及数据成本均未计入其中。
因此，前一个数字反映的是整家公司的损益，而后一个数字仅仅代表单一生产线的边际贡献。两者虽然都是真实的，但绝不能放在同一维度去比较。作为参考，ICONIQ 统计的 AI 产品实际毛利率在 2024 年为 41%，2025 年为 45%，2026 年预计在 52% 左右。这一数字虽在持续改善，但与 80% 仍相去甚远。
看一眼表格中 2024 年那一栏，这种结构就更加一目了然。在 2024 年，推理与训练合计的算力成本占到了收入的 153%。这意味着仅算力成本一项就已经超过了总收入。那是超大规模云厂商赚得比 AI 实验室还要多的时期。
此外，这张表格很容易被误读。坊间常有一种流传甚广的解读，称“超大规模云厂商 AI 收入的 90% 来自 AI 实验室”，但其逻辑方向恰恰相反。分母其实是 AI 实验室的收入。它的实际含义是，AI 实验室每赚取 1 美元，超大规模云厂商就能赚走 90 美分，而不是指云厂商收入的 90% 都由 AI 实验室贡献。后者通过本表是无法得出的。在阅读这类表格时，必须首先核实比例是以什么作为分母计算出来的。
最不赚钱的产品反而是订阅
巴克莱将各产品线的推理利润率划分为：直接 API 超过 80%，间接 API 居中，订阅产品约为 70%。像 Claude Code 或 Codex 这样的定额订阅产品，在这三条线中推理利润率是最低的。
看起来打包销售定额订阅的利润空间应该更大，结果却恰恰相反。
理由很简单：AI 实验室在刻意补贴订阅用户的 Token 成本。因为这些是必须留住的用户。API 客户已经把产品架构搭在该模型之上，很难轻易迁移，但订阅用户下个月随时都能取消订阅。
最近订阅产品的使用限额频繁重置，也可以放在同一语境下来理解。这固然得益于模型效率的提升，但也显示出防止用户流失的压力在共同起作用。不过，这只是巴克莱的观察，并非既定事实。
概括起来就是：AI 的定价并非取决于成本，而是取决于必须留住哪类客户。比起成本负担最重的那条线，补贴反而更集中在流失风险极高的订阅用户这一端。
业务结构不同，账面表现也不同
巴克莱设立了两个虚拟的前沿实验室模型来进行对比。这并非真实公司，而是一个测算模型。
实验室 A 的营收中有 70% 来自 API、30% 来自订阅。实验室 B 则相反，80% 来自订阅、20% 来自 API。处于同一行业，提供类似产品，调整后的毛利率却是 A 约为 55%，B 约为 38%。相差了整整 17%p。
这种差异有一半来自刚刚提到的利润率结构，另一半则来自会计处理方式。实验室 A 将间接 API 营收按总额法2确认，而实验室 B 则按净额法确认，或者干脆不将战略合作伙伴代运营的部分确认为自身营收。巴克莱将此比作 Uber 与 Lyft 之间的关系。明明是同样的业务，却因确认口径不同，导致财报上的数字看起来截然不同。
从云厂商的角度来看，画面又反转了。对应实验室 A 100 美元的营收，云厂商的营收为 35 美元，营业利润为 11.8 美元，利润率为 34%。而在实验室 B 这边，由于附带合作伙伴的分成，云厂商的营收达到 41 美元，利润为 19.1 美元，利润率达到 47%。
巴克莱在此补充了一个前提：收益分成推高的只是表面上的利润率，每消耗一个 token 实际留存的资金在两种情况下其实是一样的。而且巴克莱预计，这种分成模式在 2028 年之后将会消失。
还有一点值得注意：Agent 类型的订阅产品会为云厂商创造额外价值。因为它们不再是一次请求即结束，而是在保持任务状态的情况下持续运行，因此会联动消耗数据库和存储等资源。这意味着每 1 美元营收所带动的基础设施消耗更多。在某些环节，云厂商与 AI 实验室之间甚至签署了共享这部分收益的协议。
这一点对采用 AI 的企业方同样适用。接入的 Agent 越多，增加的就不只是模型调用费，挂载在其背后的基础设施消耗也会一并激增。如果报价单上只写了模型单价，那么随之而来的基础设施消耗成本实际上是被遗漏了。
一旦 AI 实验室开始披露 GAAP 财务报表，投资者就必须亲自核对这些营收确认口径的差异。我们之前就曾探讨过指标不能轻信的局面。当时的问题出在 ARR 的计算方式上，而这一次则是利润率的分母。
但成本并非只朝一个方向变动
到目前为止的讨论，都是建立在“成本在下降”这一前提之上的。每个 Token 的推理成本确实在下降。因为完成同一任务所需的 Token 减少了，量化和推测解码等技术得到了应用，新一代计算资源也已入场。
然而，采购这些计算资源的成本却背道而驰。比如像 M8/M9 级 CCL3 这类高端零部件成为主流，让这种趋势愈发明显。
| 项目 | 涨幅 | 备注 |
|---|---|---|
| 存储 | +45% q-q | 2026 年第二季度 |
| CCL | +12~22% | M8/M9 高端 |
| MLB | +15% | 面向 AI 加速器 |
| 封装基板 | +15% | 面向存储 |
| MLCC | +15~35% | 面向 AI 服务器高容量 |
| AI 服务器 | +15% 以上 |
这是三星证券整理自媒体报道的资料。存储的涨幅虽然低于 TrendForce 在第二季度展望中给出的通用 DRAM 58~63%，但这看起来更接近综合各类产品线后的实际兑现数值。
两种成本正在朝相反的方向变动。**生产单个 Token 的成本在下降，而采购制造 Token 的机器的成本却在上升。**并且这部分上涨尚未完全反映在 AI 实验室的损益表上。因为服务器一旦采购，会在数年内通过折旧逐渐计入损益。
因此，现在的 80% 与其说是剩余的充裕利润，不如说更应该看作是用来吸收未来将计入损益表的采购成本涨幅的份额。
为什么这很重要
从这种结构中，在业务实操层面可以得出三点结论。
第一，不能把降价作为编制预算的前提。 许多机构在制定 AI 引入计划时，都抱持着“反正 Token 价格总会持续下降”的想法来规划未来三年的预算。然而，在过去一年利润率提升 30~50 个百分点的同时，买方所享受到的降价幅度却远不及此。成本下降带来的红利并未传递给客户，而是留在了公司内部。甚至有些区间的名义 API 单价反而有所上涨。
巴克莱银行的预测也指向同一方向。推理成本占营收的比重从 2025 年的 66% 大幅下降至 2026 年的 42%，但在 2027 年和 2028 年依然维持在 42%。这表明他们认为大幅度的成本下降期已经过去。 未来有所改善的是训练费用占比，而非推理单价。
第二，看清供应商的业务结构，才能找到谈判空间。 API 营收占比高的厂商虽然利润空间大，但维持高价的动力也同样强烈。订阅营收占比高的厂商虽然利润微薄，却对客户流失极为敏感。对于订阅占比较高的供应商，与其承诺用量，不如将“退订可能”作为谈判筹码更为奏效。即便提出相同的诉求，面对不同的供应商也会得到截然不同的答复。
第三，预计云厂商分得的份额相对于 AI 实验室的营收将持续缩水。 超大规模云厂商的 AI 营收与 AI 实验室营收的比例，将从 2024 年的 153% 降至 2026 年的 90%、2027 年的 77%、2028 年的 73%。训练支出占比也将从 2024 年的 96% 降至 2027 年的 35%、2028 年的 30%。不过金额本身仍在持续扩大。超大规模云厂商的 AI 营收将从 2026 年的 1,240 亿美元增至 2028 年的 5,020 亿美元。缩小的只是相对于 AI 实验室营收的比例，绝对金额本身依然在增长。
整个产业的总营收预计将从 2024 年的 70 亿美元增至 2026 年的 1,370 亿美元、2028 年的 6,900 亿美元。这些全都是预测值，如果未能实现这一规模，上述比例也将随之瓦解。
结语
我只想留下三点思考。
第一，看 AI 利润率数字时，必须先确认分母。推理利润率 80% 和毛利率 52% 都是真实的数字，90% 也同样如此。关键在于看清究竟是用什么除了什么。
第二，当前的价格与其说是基于成本核算，不如说是出于留住客户的考量。补贴主要集中在流失风险较大的订阅端。
第三，成本并非只向单一方向变动。在每 Token 成本下降的同时，服务器和零部件价格却在上涨，而这部分涨幅将通过折旧摊销在未来的损益中体现出来。
在过去这一年里，您所使用的 AI 工具单价是否真的下降过？还是说仅仅是额度增加了，账单金额却依然如故？我很想知道您的经历是哪一种。
参考资料与延伸阅读
- 巴克莱研究 AI 行业摘要测算（Barclays Research Estimates，2026 年 8 月 28 日） 正文表格重构了该资料中的数据。由于是非公开研报，暂无链接。
- AI 利润格局：模型企业每 100 美元收入的去向（新浪财经，2026 年 8 月 29 日） 这是针对同一份研报的报道。各产品线的利润率以及实验室 A/B 的对比均收录于此。
- The next wave of AI (Barclays Investment Bank) 这是巴克莱研究的公开摘要。可以从中纵览单位经济效益正在改善的全貌。
- AI COGS 与 SaaS 毛利率挤压（SaaS Magazine） 整理了 ICONIQ 统计口径下的 AI 产品毛利率走势。在进行分母对比时很有参考价值。
- 第二季度 DRAM 合约价展望（韩国经济） 属于存储芯片涨幅预期方面的依据。
