AI大模型营收的好故事, 已经讲完了大半

AI 行业现在最好的生意是coding，好到什么程度：Anthropic的年化收入，从2025年底的90亿美元，涨到2026年2月的140亿、3月的190亿、4月的300亿，5月已经超过450亿美元——半年五倍。

发动机是一个产品：Claude Code，上线6个月年化收入破10亿美元，是这家公司历史上增长最快的产品；GitHub公开提交的代码里，已经有4%出自它手。说coding是AI诞生以来跑通的最好的生意，没有任何争议。

但这篇文章想说的，是一个和这条曲线完全相反的判断：AI营收的好故事，已经讲完了大半。这场疯狂增长的上限，已经肉眼可见，基本进入倒计时；而且在撞到天花板之前，模型的溢价可能先一步被打掉。

凭什么敢这么说？凭一件朴素的事：看清这些钱是从哪来的。AI今天赚到的每一分钱，本质上都来自同一个动作——替代人。

它没有创造新的需求，它做的是供给侧的提效：同样的活，用更少的人、更低的成本干完。而一门靠替代人赚钱的生意，客户愿意付的钱，锚定的从来不是"AI创造了什么"，而是"省下了谁的工资"。

顺着这个锚，可以造一把尺子，给所有AI生意算账——也就能算出天花板在哪、还有多远、撞上之后是什么。剩下还没讲的那小半个好故事，要到硬件和物理世界里去找，但那是以十年计的慢变量，文末会说到。

壹工资替代法

把那个锚变成公式，一个AI赛道的收入上限就可以这么毛估：

工资总额是可以查的，难的是替代系数。我认为系数由两个变量决定。

第一个是确定性：产出能不能被客观验证。代码能不能跑通、测试能不能过，对错分明；一篇文案好不好，得老板说了算。确定性越高，客户越敢把整段工作交出去，也越敢按效果付钱。

第二个是可脱离人：活干完之后，还需不需要人盯着。需要人加工、人审核、人兜底的，AI只是个工具，就只能收工具的钱；能整段拿走、不需要人的，AI才是劳动力，定价才能往工资上靠。

给个毛估的系数（这是框架假设，不是统计数据）：两项都高的场景，比如coding，系数能到10%~20%；需要人深度加工的场景，比如写内容，3%~5%；如果产出还高度同质化，更低。

这个系数为什么不可能是100%？因为替代发生时，省下的钱大部分会以"降本"的形式留在客户手里——客户不会把省下的工资原封不动交给AI公司，否则他替代个什么劲。AI公司能切走的，只是其中一刀。

贰目前真正跑通的，只有coding和chatbot

不用猜，看头部公司的收入构成就行。

coding那条曲线，就是开头Anthropic的那组数字。这里只补一个结构信息：它约八成的收入来自企业客户——是企业在为"替代程序员"这件事，按席位、按token大把掏钱。

chatbot那条曲线在OpenAI身上：年化收入约330亿美元（2026年5月，Sacra估算），大头是ChatGPT订阅——本质上是帮白领写东西、查东西、做东西。

第三方API路由平台OpenRouter在2026年6月的数据里写得更直白：编程是全平台第一大用途。

一个替代程序员，一个给白领打下手。前者确定性高、可脱离人，所以企业肯按工资的逻辑付钱；后者确定性低、离不开人，所以主要收每个月20美元的工具钱——但它的基数是所有白领，全世界最大。

这两条收入曲线，正好对上前面那两档系数。

叁给coding算一个天花板

全球程序员的工资盘子有多大？

美国有约190万软件开发者，中位年薪约13万美元（美国劳工统计局数据），仅美国就是大约2500亿美元一年。全球职业开发者大约2500万到3000万人，混合人力成本毛估每人4万到7万美元，盘子在1万亿到2万亿美元之间。

按10%~20%的替代系数，coding AI的收入天花板，大约在每年1500亿到4000亿美元。

现状离天花板有多远？把Anthropic、OpenAI中与编程相关的部分，加上Cursor、Copilot这些工具，2026年年中粗算在年化几百亿美元的量级。也就是说，还有5到10倍的空间。

但注意增速：这个行业现在一年涨3到5倍。5到10倍的空间，按这个斜率，两三年就吃完了。

开头那个判断，就是这么来的：coding这一场的上限，已经肉眼可见，基本进入倒计时。不是增长是假的——增长是真的，而且真得吓人——而是这条S曲线的渐近线清晰可见，按当前斜率，弯头就在两三年内。

对这个测算，最常见的反驳是长尾论：AI把写软件的成本打到接近零之后，会释放出今天根本没被满足的长尾需求——小餐馆有自己的系统，每个人有自己的App，软件需求总量爆炸，工资盘这个锚就失效了。

这个反驳听上去很美，但它忘了软件行业的一个底层属性：软件的边际复制成本本来就是零。一份代码可以零成本复制、分发给全世界。这意味着过去三十年，凡是真实存在、付得起钱的需求，早就被某个SaaS、某个App用"一份软件服务一万个客户"的方式吃掉了。今天还留在长尾里的需求，是被一个零边际成本的行业筛了三十年之后剩下的残渣——它们之所以是长尾，恰恰是因为哪怕把定价降到无限低，它们也撑不起一门生意。长尾不是没被发现的金矿，长尾是被反复淘洗过的尾矿。

而且，写软件变便宜了，不等于做软件生意变便宜了。获客的成本、流量的价格，一分钱都没变。一个需求如果小到连两三个程序员的工资都撑不起，它同样撑不起把产品送到用户面前的那笔钱。开发成本从来不是长尾需求没被满足的瓶颈，分发成本才是——而AI没有动后者分毫。这是自然规律。

最后还有一个朴素的检验：如果这些"被压抑的需求"真的存在、真的有人愿意为它付钱，为什么过去三十年没有任何人雇几个程序员去干？雇人写软件一直是可行的，只是贵一点而已。答案只有一个：因为那些需求撑不起那几份工资。而撑不起工资的需求，按工资替代法，本来就在天花板之外——AI来了，它们或许真的会第一次被满足，但以接近零的价格被满足，对营收的贡献，也接近零。

肆第二重天花板：coding没有差异化，溢价撑不住

工资盘给出的是整个市场的总量天花板。但对模型公司来说，天花板之内还有第二重挤压：单价。

coding是一个极度没有差异化的需求。用户要的只有一句话："帮我把任务完成，并且没有bug。"评价标准单一到残忍——任务要么完成了，要么没完成；代码要么能跑，要么不能跑。没有审美偏好，没有口味之争，没有"我就喜欢这家的风格"。

这种生意里，差异化只剩一种：技术领先。而技术领先是所有护城河里最不经熬的一种。当你95分、别人只有40分的时候，你的模型是唯一能把活闭环干完的，溢价随便开——这就是头部公司过去一年享受的位置。但当其他选手陆续爬到60分、70分、80分，跨过"能把活干完"这道门槛之后，在那个单一的评价标准下，它们就都成了你的替代品。95分对80分，在"完成任务且没bug"这把尺子上，很难撑起10倍、20倍的价差。

这种行业，巴菲特在航空业上看了一辈子。航空业改变了世界，客运量涨了整整一个世纪，但因为服务高度同质化——乘客只在乎安全、准点、便宜，跟coding用户只在乎"完成任务、没有bug"一模一样——价格战就没停过，整个行业飞了一百年，几乎没给股东留下钱。巴菲特甚至毒舌说，当年真该有个有远见的资本家，在基蒂霍克把莱特兄弟的飞机打下来。需求真实、总量暴涨、没人赚钱——这是无差异化行业的标准三件套。

这个过程已经开始了。第三方API路由平台OpenRouter是个领先指标——它聚集的是全世界对价格最敏感的开发者。2026年6月的数据：DeepSeek以约18%的token份额排名第一，是OpenAI份额的两倍多；中国系模型合计吃掉全平台四到五成的token；在编程这个全平台最大的品类里，小米的两个MiMo模型合计占了超过两成的coding token。与此同时，平台总token量一年涨了四倍以上。注意这组数字的结构：总量在暴涨，但增量的大头流向了便宜的模型。

还有一股推力让溢价更难守住：模型正在退到生产端的后台去。当AI从"人对着聊天框挑模型"变成"agent在流水线里自动跑任务"，用户对模型能力差异的感知会越来越弱——没有人在意自家工厂用的电是哪家电厂发的，采购只看两个数：单位成本，故障率。能力越是溢出到"够用线"以上，品牌越隐身，定价权越向成本线坍缩。

把两重天花板叠在一起，就是模型生意的终局形状：总token量持续增长，直到撞上工资盘；单价持续倒退，直到贴近成本。收入等于量乘以价。前半场，量的增速远快于价的跌速，所以收入暴涨——这是现在。后半场，量增到头了，价还在跌，收入就会从"增速放缓"变成"绝对值倒退"。

这是token纯软行业的终局。 软+硬另说。

这条曲线，影像行业一百多年前就走完了一遍。想要一张像，最早得雇画师一笔一笔画，画师是高薪手艺人；照相机出现，"画"变成了"拍"，单价跌掉一个量级；智能手机出现，普通影像彻底免费。今天影像的总量是绘画时代的亿万倍，但"一张图的价格"趋近于零，还能收到钱的只剩特定场合——婚纱照去影楼，广告片找制作公司。生产工具每便宜一个量级，普通产出的价格就向零塌一步，钱只在"普通"够不着的角落里幸存。coding大概率走进同一条隧道：普通代码正在免费化，能收钱的部分，会不断向高复杂度、高责任的场景收缩。

所以这门生意到了中后期，比拼的就不再是模型分数，而是成本结构——说白了，谁有自己的芯片，谁能活在价格战的水位线之下。

伍视频AI赚的钱，和你以为的不是同一笔

代码和内容有一个根本区别：代码永远短缺，内容从来过剩。

每家公司的需求列表都排到三年后，工程师永远不够用，这是代码。而一条内容可以分发给几亿人，供给侧从来不是内容行业的瓶颈——瓶颈在需求侧，而需求侧是锁死的：中国微短剧用户人均每天已经看120分钟（中国网络视听协会2025年白皮书），整个短视频行业已经把国民时长榨得差不多了。时长不涨，广告盘子就不涨；用户也不会因为内容是AI生成的，就多付一分钱。

2026年3月，OpenAI关停了Sora应用，给"需求侧锁死"提供了一个教科书级的标本。据媒体援引分析师的估算，Sora推理高峰期每天的算力成本约1500万美元，而第三方机构估算它整个生命周期的总收入只有约210万美元——一天烧掉的钱，是一辈子赚到的钱的七倍。一个直接面向消费者的AI内容产品，没有让任何人多看一分钟、多付一分钱，它只是换了种方式，去生产那些本来就过剩的东西。

但几乎同一时间，另一条路线跑通了。据36氪报道，字节的视频模型Seedance 2.0单月营收已超过10亿元人民币，仍在爬升期，海外API甚至还没全量上线；火山引擎因此把2026年的MaaS营收目标上调到150亿元——而2025年全年，这块收入只有约15亿。

同一类模型，一个关停，一个年化奔着一两百亿去。差别在哪？差别在于赚的不是同一笔钱。

Sora想赚需求侧的钱：让用户为AI内容停留、为AI内容付费。这笔钱不存在。Seedance赚的是供给侧的钱：据36氪，它在短剧行业的渗透率已达约95%——"如果你是短剧从业者，你很难不是Seedance的用户"。它的客户是短剧团队、广告公司、电商商家，买的是"用更少的人、更低的成本，做出反正都要发出去的素材"。

用工资替代法看，这笔账立刻就顺了。B端素材生产恰好是个高系数场景：素材按脚本和规格生产，对不对一眼可验——确定性高；95%的渗透率说明它已经嵌进了生产流水线——可脱离人。两项都高，系数就往coding那一档靠。看深度：2025年中国微短剧加漫剧的总产值约一千亿人民币（DataEye），Seedance一家的年化收入已经相当于这个数的一成出头（尽管它的客户不止短剧）——AI供应商从行业产值里切走两位数的比例，这就是高替代系数长出来的样子。看广度：把短剧制作、广告素材、电商视觉、营销视频这些B端生产环节的人力加总，中国一年是数千亿人民币的盘子（广告市场本身就有一万多亿），Seedance的空间还没到头。

所以视频AI是门真生意，但要看清它是哪一门：它替代的是乙方的美工、剪辑师和制作团队，赚的是降本的钱；它没有创造任何新的观看和新的付费。量级也要摆正：Seedance年化约120亿人民币，约合17亿美元，是Anthropic同期年化的二十几分之一；全球B端内容生产的工资盘，毛估也比程序员工资盘小好几倍。"视频模型再造一个抖音"的故事不成立，"视频模型成为内容行业的富士康"才是成立的那一个。

陆AI是一场供给侧改革

把上面的账放在一起，开头埋下的那句话就有了分量：AI到目前为止，没有创造任何新需求。

互联网当年是创造过新需求的。电商创造了新的消费场景，游戏和短视频创造了新的时间消费品类，广告盘子跟着新增的注意力一起变大——蛋糕真的变大了。

而AI到目前为止做的事情是：同样的需求，用更少的人去满足。让一部分人提效，让另一部分人失业，让更少的人做出更多的产出。它动的是生产函数，不是需求函数。这是一场典型的供给侧改革。

供给侧改革不做大蛋糕，它只是重新切蛋糕：原来发给劳动者的工资，一部分变成企业省下的成本，一部分变成AI公司的收入。所以AI公司的收入天花板，天然锁死在被替代环节的工资总额上。

这不是悲观，这是会计。

对照一下投入端的数字：五大云厂商2026年一年的资本开支承诺就有六七千亿美元，高盛估计2026到2031年AI相关的累计投入约7.6万亿美元。这几万亿，最终要靠"切工资"切回来。需要AI吃下多大的工资盘、吃到多深，才能覆盖这笔投入——这道算术题，每个投资人都应该自己做一遍。

柒渗透率、空窗期，和什么会打破这个框架

coding的渗透率已经很高了。写代码的人里，几乎找不到完全不用AI的——光Claude Code一家就占了GitHub公开提交的4%，有预测说到2026年底这个数字会超过20%。

这意味着coding的增长，正在从"拉新"切换到"深化"：不是更多的人开始用，而是已经在用的人付更多的钱、烧更多的token。深化也能涨，涨得还很猛，但深化的尽头，就是那个"工资盘 × 系数"——而且如第四节所说，深化阶段的每一个增量token，单价都比上一个便宜，token曲线会比收入曲线好看得多。

那下一个场景在哪？按这个框架找，需要同时满足三个条件：确定性高、可脱离人、工资盘子大。在纯软件的世界里扫一遍——客服？人本来就便宜，而且出了事要人兜底。法律财务？看着确定性高，其实最后要人签字担责。设计？产出同质化严重。B端视频素材？确定性和可脱离人都够格——Seedance已经证明了——但盘子比程序员工资小好几倍，撑得起一门好生意，撑不起第二条主增长曲线。我扫不出第二个coding。

所以我的判断是：这一轮由coding驱动的疯狂增长，会在天花板逼近后告一段落，行业进入一段空窗期。空窗期不是死亡，是等待。

等什么？三个变量，任何一个出现，这个框架就要重写：

第一，AI开始创造新需求。出现一种因为AI才存在的新消费品类——就像短视频之于4G——蛋糕重新变大，工资替代法作废。

第二，能力跨代。今天那些"必须有人看着"的环节突然能闭环了，3%~5%的系数集体上修到10%以上，chatbot那个全球最大的基数被真正激活。

第三，走出软件。机器人把可替代的工资盘，从白领工资扩展到全部体力劳动——那是比程序员工资大一个数量级的矿。这也就是"好故事讲完大半"之后，剩下的那小半：它真实存在，但硬件的需求是慢变量，要靠产能、供应链、成本曲线和安全验证一年一年地释放，不会像coding这样三年烧穿。软件的故事是冲刺，硬件的故事是马拉松——前者的终点已经看见了，后者的发令枪才刚响。