AI 经济现状：年化收入达 1750 亿美元，回报尚处临界点

过去 12 个月，生成式 AI 经济已创造出 1100 亿美元的去重销售额，按最近一个月收入年化计算，运营率已突破 1750 亿美元。这是业内首次对覆盖全栈的消费者与企业 AI 支出进行自下而上、去重后的系统测算。报告同时指出：AI 产生的收入目前刚好能够勉强覆盖超大规模云厂商 AI 基础设施的折旧费用，而 Token 价格下降反而刺激了总支出持续走高。

报告背景与方法论

报告的核心目标是回答几个最关键的行业问题：AI 市场究竟有多大？收入是否在持续增长？这些收入能否覆盖前期的投资成本？未来随着 Token 价格下降而质量提升，行业经济效益会如何变化？

供应端与需求端

供应端相对清晰——芯片、内存、变压器、冷却系统等 AI 数据中心核心部件的供应商大多是上市公司，通过财报与远期订单即可推断全行业基建投入。需求端则复杂得多：大部分收入流向了 OpenAI、Anthropic、Cursor、ElevenLabs 等无信息披露义务的私营公司，而亚马逊、谷歌、微软等已上市的「超大规模云厂商」也不会定期、系统性地单独披露 AI 业务收入。

为破解这一难题，报告团队构建了专属 AI 经济模型，仔细研读超大规模云厂商、新型独立云（Neoclouds）及其供应商与客户的公开表态，并参考详实的外媒报道与公司自述，对每一条数据点赋予置信度权重。

避免重复计算

模型的核心原则是统计终端客户实际支付的美元。例如，用户花 1 美元向 Anthropic 购买 Claude 服务，Anthropic 再花 50 美分向亚马逊购买算力——内部两个数字都会记录，但在发布去重数据时只计入 1 美元，避免对供应链中流转价值的重复统计。

未纳入统计的内容

报告明确排除了以下几类：

• Meta、谷歌等因推荐系统优化带来的广告收入增长（内部 AI 增效）；
• 大型科技公司通过内部 AI 工具实现的效率提升与成本节省；
• 专业服务与系统集成费用；
• 中国市场的 AI 收入数据（已建模，但 1.0 版本暂未纳入）。

核心发现一：收入真实且增速空前

过去 12 个月，剔除重复计算后，整个 AI 生态系统共创造 1100 亿美元收入，最近一个月年化运营率达 1750 亿美元。这一增速超过了以往任何一次 IT 导向的产业浪潮，扩张速度大约是移动互联网或早期互联网浪潮的三倍。

报告指出，尽管许多企业已告别零星试点阶段，但仍处于规模化扩张与深度融合的早期阶段。在与欧美工业制造、保险、金融、制药等行业高管的交流中，普遍信号是：未来几年将进一步加大对 AI 的投入。财报电话会议上提及 AI 的频率也越来越高——调研中有一半的 CEO 认为，能否保住饭碗取决于能否交出漂亮的 AI 答卷。

核心发现二：AI 收入刚好覆盖基础设施折旧

报告将主要超大规模云厂商与新型独立云的 AI 专属资本开支从常规资本开支中剥离（因为 ChatGPT 诞生前，这些厂商每年常规资本开支就已达约 1200 亿美元）。在锁定投向 AI 基础设施的增量投资后，团队将算力资产按 6 年折旧、其他基础设施按 14 年折旧。

模型结果显示：目前直接归属超大规模云厂商的 AI 收入，刚好能够勉强覆盖这笔折旧费用。报告认为 6 年折旧期完全站得住脚，主要原因是市场需求仍远超当前可用算力，且云厂商管理和调度大规模 GPU 集群的技术愈发成熟——单凭第二点就足以支撑延长经济寿命的合理性。

核心发现三：Token 降价反而推升总支出

报告对 Token 价格弹性做了深入分析：在各类服务商中，价格每下降 10%，Token 使用量会增加 12% 至 18%，因此总支出规模仍呈上涨态势。这意味着以更低价提供更强能力的模型，将持续打开更大的市场空间。

与此同时，报告指出 Token 虽是一个实用的计费指标，但并不能准确衡量该行业中流转的「智能」所蕴含的真正经济价值。报告提出通过将 Token 产量、实际呈现在终端用户面前的有效输出比例、底层模型综合能力进行加权结合，构建「质量调整后的输出 Token」指标，作为评估 AI 经济更客观的「智能商数」。

报告还涵盖了哪些内容

除了上述核心发现，该报告还深入探讨了以下议题：

• AI 需求对美国电力行业带来的冲击，以及电力利用效率正在发生的变革；
• Token 成本的最新动向，以及基于使用量计费的模式将如何进一步拓宽市场边界；
• 在不同价格与技术能力演进轨迹下，预测 AI 需求增长速度的四种潜在情景。

对于关注 AI 商业化进程与基础设施投入回报的行业人士而言，这份报告提供了一套可溯源、可审计的财务模型与基础数据，是目前市面上少有的系统性行业经济快照。