两年了。终于赚钱真实

在这两年里，全球“AI泡沫”的亿美元警告声此起彼伏，但始终无人能给出一个最朴素的收入答案：这个行业到底赚了多少钱？它何时能实现收支平衡？

如今，答案浮出水面。让人

分析机构Exponential View（EV）发布了这份重磅报告，终于赚钱真实其核心人物是全球分析师兼投资人Azeem Azhar。团队耗时数月，亿美元梳理了超过1000家公司的收入财务数据、供应链记录及行业披露信息，让人完成了一项看似简单实则极难的终于赚钱真实工作：重新计算AI行业的真实收入。

为什么要“去重”？全球

AI行业的收入数字长期存在一个“秘密”：同一笔资金被重复计算。云服务商算一遍，亿美元大模型厂商算一遍，收入应用层再算一遍。让人

EV报告通过“去重”剔除水分后，发现数字大幅缩水，但也因此获得了前所未有的可信度。

核心结论：
* 过去12个月，全球生成式AI（不含中国大陆本土市场）产生1100亿美元真实收入。
* 年化运行率超过1750亿美元。

关键里程碑：勉强跨过折旧门槛

更引人注目的是季度数据。

2026年第一季度，AI行业季度收入达到250亿美元，连续第二个季度超过同期的芯片与数据中心折旧额（210亿美元）。

Azhar对此的评价极为克制：AI需求“just about clears the depreciation hurdle”（勉强跨过折旧门槛）。

注意措辞：不是“大幅超越”，不是“全面覆盖”，而是“勉强”。作为深度参与AI投资的人，Azhar在发布最乐观的需求侧报告后，选择了这种保守表述。

这种克制源于对行业增速的敬畏，也源于对宏观规模的清醒认知。

• 增速惊人：AI收入增速约为互联网、云计算、智能手机等以往IT平台浪潮的3倍。2023年新增10亿美元收入需180天，2026年缩短至不到2天。
• 规模尚小：即便以1750亿美元年化收入计，AI仅占美国GDP的0.42%（整个IT行业占9.4%）。

1100亿美元是巨款，但在宏观经济尺度上，AI仍处于极早期阶段。

拷问一：AI到底回本了吗？

结论：取决于你使用哪把尺子。

第一把尺子：EV报告的视角（乐观）

• 标准：季度收入 vs. 同期折旧摊销。
• 数据：250亿收入 > 210亿折旧。
• 结论：跨过去了。

第二把尺子：Sequoia资本的视角（保守）

• 标准：英伟达数据中心收入运行率 × 2（GPU占成本一半）× 2（运营商所需毛利率）。
• 含义：AI行业每年必须产生的最低收入门槛。
• 数据演变：
• 2023年底：2000亿美元
• 2024年中：6000亿美元
• 2026年：持续上移
• 结论：1750亿美元年化收入与6000亿美元门槛相比，差距超过4倍。

第三把尺子：全投资周期视角（严峻）

• 标准：累计资本支出 vs. 累计收入。
• 数据：
• 2026年底，AI相关资本支出比历史趋势线多出5350亿美元。
• 加上基础投入，高盛与摩根士丹利测算，超大规模云商AI累计资本支出逼近2万亿美元。
• 结论：累计收入远未触及资本支出红线。

核心争议：折旧年限的“会计魔术”

2025年11月，因做空次贷闻名的Michael Burry指控：科技巨头将GPU折旧年限从实际的2-3年拉长至5-6年。
* Burry测算：2026-2028年间，行业合计低估折旧约1760亿美元。
* 官方解释：延长折旧符合会计准则，AWS CEO证实A100服务器因需求旺盛未退役，提供了现实依据。
* 本质冲突：会计估计 vs. 快速迭代下的真实经济寿命。

EV报告自身也展示了两种情景：
1. 乐观情景：GPU在6年折旧期满后仍通过低负载推理产生收益，CapEx可回本。
2. 悲观情景：H100等芯片2-3年即过时，收入无法覆盖支出。

这两张图之间的1760亿美元差距，恰好与Burry的指控方向一致。这份最乐观的报告，在折旧寿命这一关键变量上，也未敢下定论。

拷问二：价格打到骨折，收入为何还在涨？

这是AI行业最反直觉的现象：价格暴跌，收入激增。

价格崩塌的速度

• 斯坦福AI Index：GPT-3.5级别查询成本从2022年11月的$20/百万token，降至2024年10月的$0.07/百万token，降幅280倍。
• a16z分析：GPT-3级别推理成本从2021年至2024年降低1000倍。

按常规逻辑，价格跌1000倍，收入应暴跌。但事实相反，行业收入年增速接近200%。

经济学解释：杰文斯悖论（Jevons Paradox）

1865年，经济学家威廉·杰文斯发现：蒸汽机效率提升导致单位煤炭消耗减少，但英国总煤炭消耗量反而急剧上升。因为效率提升开辟了全新需求。

AI正在重演这一过程：
* 门槛降低：成本从$20降至$0.07，使AI应用从大公司下沉至初创公司、中小企业及个人开发者。
* 增量爆发：“之前不值得做”的场景变得经济可行。
* 数据印证：
* Bain & Company：2024.12-2025.12，Token成本减半，消耗量增长450%。
* EV报告：全球Token月消耗量超30Q（千万亿），同比增长14倍。
* 需求弹性：每降价10%，用量增长12%-18%（弹性系数1.2-1.8）。需求增长始终快于价格下降。

分析师总结：“模型越来越便宜，用量越来越重，账单顽固地居高不下。”

商业范式转移：Token即CPC

EV报告类比Google发明CPC（按点击付费）的故事：
* 过去：横幅广告按展示计费，市场有限。
* 现在：Token计费成为AI时代的“价值计量单位”，实现精确计价与追踪。
* 案例：Uber在4个月内耗尽全年AI预算，并非失控，而是因调用变便宜，工程师发现了更多自动化流程，用量螺旋上升。UberAI支出上限约$1500/工程师/年，虽居全美前10%，但相对于营收仍是“毛毛雨”。

这是一个真实运转的需求飞轮。1100亿美元是真实付出去的钱，但也意味着飞轮一旦加速，消耗将远超预期。

产业结构变化：价值向上迁移

EV报告指出，价值正在沿技术栈向上迁移：

钱正在从“卖铲子的人”流向“挖金子的人”。

隐忧：前沿模型定价权正在被侵蚀。开源模型快速追上并商品化，若模型能力同质化，模型层收入增长将见顶，进而加剧“折旧门槛”压力（收入放缓，折旧加速）。

拷问三：需求是真的，危机也是真的

杰文斯悖论反过来看，是一个自我加速的死亡飞轮：

需求旺盛 → 大厂不敢踩刹车 → 投资猛增 → 未来折旧巨大 → 收入门槛更高 → 需更多投资维持竞争力……

飞轮的物理尺度膨胀

• 折旧飙升：预计2026年底，AI基础设施年折旧额逼近1110亿美元（Q1季度折旧为210亿美元）。
• 数据中心扩张：全球最大数据中心规模四年扩大50倍。
• 成本结构变化：芯片占比从2021年40%升至2026年60%。增长最快的是高带宽内存（HBM），份额从2%飙升至18%，成为最大增量项。

对冲力量不足

开源模型成熟和推理效率提升虽能压低单位成本，但速度仍追不上折旧门槛的上升。

财务危机：现金流告急

• 自由现金流暴跌：超大规模云商从2024年每季度450亿美元，跌至2026年Q1的40亿美元。
• 债务驱动：2025年债务发行额达历史平均水平的4倍。靠借债维持AI投资已成常态。

飞轮在加速，但燃料供给正触碰两道硬墙。

第一道硬墙：电力（物理天花板）

• 用电量：2026年全球数据中心用电量逼近1050 TWh，若为国家，为全球第五大耗电体。
• 供电缺口：PJM预测2027年出现6GW供电缺口；Gartner预测电力短缺将限制40%的AI数据中心扩张。
• 时间错配：数据中心建设仅需数月，核电站需10年，电网审批需5-7年。
• 碳中和冲突：空档期只能靠天然气填，违背科技公司碳中和承诺。
• 巨头抢跑：微软重启三里岛核电站，亚马逊收购直连核电园区，Meta/Google布局核电PPA。只有资产负债表雄厚的玩家能锁定资源，其余只能排队。

第二道硬墙：折旧的定时炸弹

• 技术迭代：H100 → Blackwell → Rubin → Feynman。英伟达每两年一次代际跳跃。
• 资产缩水：新芯片成本效益领先，旧资产价值迅速缩水，工作负载被抢走。
• 寿命争议：普林斯顿大学CITP研究指出GPU实际有效寿命仅1-3年，而行业按5-6年计提折旧。
• 风险释放：一旦折旧假设被迫修正，多年积累的账面利润虚高将集中释放。

体能测试还在后面

平心而论，EV报告的里程碑是真实的。它第一次吹散了AI需求侧的迷雾，确认了1100亿美元是真实付出去的钱。

但必须清醒认识到：
1. 规模尚小：AI仅占美国GDP的0.42%，行业仍处于极早期。
2. 脆弱平衡：“勉强跨过折旧门槛”需要三个条件同时成立：
* AI收入保持~200%增速。
* 折旧假设不被迫修正。
* 电力供给跟上飞轮转速。
3. 无一理所当然：这三个条件中，没有任何一个是稳固的。

Azhar的话值得回味：“在资本密集型投资的这个阶段，你不会期待大幅超越折旧门槛，如果那样的话，说明你之前可能把钱留在桌上没赚。”

真正的赢家，是那些既跨过这条线，又留有足够余裕应对电力短缺和折旧冲击的玩家。

这场财务大考，AI通过的是受控条件下的第一关。

真正的压力测试，将由物理世界来主持。

（原报告摘要/博客版：https://www.exponentialview.co/p/the-state-of-the-ai-economy）

（本文首发钛媒体APP，作者 | 硅谷Tech_news，编辑 | 林深）