从成本、层级、责任与开闭源四个维度，解析 AI 行业商业模式中的结构性矛盾与利润分布规律。
2026 年年中，AI 行业的主要经营指标——收入与调用量——均保持高速增长。但拆分各家公司财务与业务结构后可以发现，同一组增长数字背后，商业模式不尽相同。本文梳理当前 AI 商业模式中的四个结构性悖论：成本、层级、责任与开闭源。这四个悖论指向同一个底层趋势：智能正在快速商品化，而利润仅停留在少数环节。
2023 年 3 月 GPT-4 发布时，每百万 Token 输入价格 30 美元、输出 60 美元，企业用其搭建客服系统，一个月的 API 费用可能超过整个客服团队工资。三年后，同等智能水平的价格已下降超过 95%。
按常理推断，AI 开支应当随之收缩，现实却相反。2026 年 3 月，全球单周 Token 调用量达 20.4 万亿；中国日均调用量突破 140 万亿，较 2024 年初增长超千倍。这一现象与经济学中的杰文斯悖论一致：蒸汽机效率越高、单位耗煤越低，煤炭总消耗反而越大。Token 单价下降，并没有带来总账单下降。
原因在于需求结构的改变。价格足够低之后，大量原本不具备经济性的任务被纳入 AI 处理范围，企业月度支出从 5 万美元升至 50 万美元，但完成的任务也是此前不敢设想的。更关键的是使用范式迁移：过去的对话式交互以人的时间为上限，而 Agent（智能体）可 24 小时运行，一名员工背后可能挂有 10 个 Agent，用量可达纯人工交互的数十倍。有研究显示，智能体编程任务的 Token 消耗约为普通问答的一千倍。
成本在产业链中的分配同样值得关注。以每月 20 美元的 Claude 订阅为例，模型公司扣除算力、渠道与运营成本后净利空间较薄；而流向芯片层的利润有时并不比模型公司少。面对账单压力，行业从省单价转向省任务：简单任务路由至小模型，为 Agent 设置任务预算以防空转；核算单位也从每百万 Token 的价格转为完成一件事的总成本。
账单加重的同时，企业效率提升却常常看不见。Databricks 创始人 Ghodsi 讲过一个案例：一个数据连接器历来要开发九个月，引入大模型后首次尝试只省下一个半月；直到有人把流程拆解重做，才实现一个季度交付。成本悖论因此有两层：杰文斯悖论说 Token 越便宜总账单越重；索洛悖论说流程不改效率进不了统计。前者要求优化任务，后者要求重构流程。
移动互联网时代的共识是「应用为王」：谁占据用户时间，谁就有机会通过广告和推荐变现。但在 AI 这一轮出现了反转。2026 年夏天，一级市场主流判断是「应用已死」：基础模型进化过快，做得太薄的应用随时可能被模型能力的自然延伸所覆盖。资本首先流向模型与基础设施，应用层虽有融资，但远不如上一轮被视为理所当然。
产业账本在一定程度上支持了资本选择。按产业栈拆分，生成式 AI 生态年化收入约 4000 亿美元时，芯片层拿走约七成收入和近八成毛利；应用层收入约 600 亿美元，毛利率多在 0–30% 之间，而英伟达一类芯片公司毛利率可达七成上下。云计算时代应用层占据最大份额的正三角形结构，在 AI 产业中倒置过来。
模型层内部也在分化。偏企业 API、依靠存量客户用量滚雪球的公司，收入暴涨的同时推理毛利率可从深度亏损修复至七成上下；而背负庞大免费用户的公司，营业端表现远不及收入标题。资本对应用的冷落，既有认知偏见，也有财务依据。
由此可得一个简洁的判别标准：基础模型每增强一代，产品的价值是变大还是变小？变小的多半是模型能力的包装；变大的通常握有私有上下文、业务流程、完整交付能力或渠道。价值兑现环节并未消失，只是标准改变了：谁能成为更难被替代的一环。
Anthropic 的年化收入（ARR）从 2024 年 12 月约 10 亿美元，增至 2026 年 5 月 470 亿美元以上，一年半增长超四十倍。OpenAI 官方口径：2023 年 ARR 20 亿美元，2024 年 60 亿美元，2025 年超 200 亿美元，2026 年 2 月底已超 250 亿美元。
但增速只能证明需求存在，无法证明利润能够留存。Anthropic 推理基础设施毛利率从一年前 38% 提升至 70% 以上；而 OpenAI 在 2025 年 11 月更新的内部文件将自由现金流转正时点推迟至约 2030 年。同处 AI 产业，两类公司的增长已出现分化。
市场上主要有三种解释：
排除上述解释后，剩下的结构性变量是：厂商愿意为结果承担多大范围、多强约束的责任。责任越重，毛利越高，预算来源也越大。按 Token 销售争夺的是 IT 预算，按结果销售切入的是人力预算——一个部门每月人力成本十万元，若 AI 能以一万元完成同等结果，定价空间将完全不同。
因此，评估一家 AI 公司的位置，关键问题是：它敢于为哪部分结果负责，以及这部分结果的归因是否足够坚实。前者是意愿，后者是能力，缺一则无法获得结果溢价。
仅看用量，开源已占据优势。OpenRouter 平台流量前五的模型全部为开放权重模型；开发者采用率方面，开源 79%，闭源 71%。中国模型是这一轮开源扩张的主力，在该平台份额从一年前不足 2% 升至 2026 年 4 月 45% 以上，前十名模型中 Token 用量占比达 61%。
仅看收入，闭源优势同样明显。a16z 对 Global 2000 企业 CIO 的调查显示：企业在开源模型上的支出占比从上年的 19% 降至今年的 11%，闭源占 89%，平均每家企业年度大模型预算约 700 万美元。OpenRouter 平台内部也呈现同一结构：Anthropic 以 12% 的 Token 份额获得 46% 的金额份额。
性能差距仅为个位数、价格便宜 5–20 倍，企业为何仍选择闭源？因为采购对象从来不只是智能本身，还包括可靠性、技术支持、合规保障以及出现问题时的责任主体。够用与敢于用于核心业务是两回事。开源与闭源的总拥有成本（TCO）正在收敛，闭源降价速度快于开源建立信任的速度。混合部署因此成为常态：实验与边缘场景用开源，关键路径用闭源。
更深层的变化在于，开源阵营自身也不依靠模型盈利。不同厂商的开源动机并不相同：有的以平台生态为目标，用开放权重换取开发者入口和行业标准话语权，由既有主业反哺；有的把开源模型当成云业务的获客渠道，带动云收入持续增长。模型层正在快速商品化，利润池向两端迁移：上游的算力，下游的编排、数据与服务。
四个悖论指向同一结论：智能正在快速商品化，而利润仅停留在少数环节。短期内，成本下降仍将持续；模型层与应用层的博弈远未结束；按结果计费将逐步走向归因清晰的领域；开源与闭源长期共存。AI 公司能否最终兑现利润，关键在于能否在责任、场景与组织方式上建立难以替代的位置。
