AI产业链盈利结构隐忧:卖铲子的赚翻了,挖金子的在流血

2026年6月14日，当资本市场的目光聚焦于OpenAI、Anthropic和SpaceX的万亿级IPO浪潮时，一个不容忽视的结构性矛盾正在AI产业链中持续发酵——硬件供应商赚得盆满钵满，而应用层企业却深陷亏损泥潭。这种“卖铲子的人发财，挖金子的人破产”的怪圈，正在成为制约AI产业可持续发展的核心隐忧。

冰火两重天：产业链利润的极端倒三角

当前AI产业链呈现出一个极端的“倒三角”利润分配格局。上游（芯片/服务器/光模块）占据了约70%的利润，英伟达单季净利率高达71.5%，HBM毛利率更是达到惊人的90%；云厂商（AWS、阿里云等）稳拿20%的利润，两头收租；而中游大模型和下游应用层则普遍处于微利或亏损状态。

这种结构性失衡在财报数据中体现得淋漓尽致。以OpenAI为例，尽管其年化收入已飙升至约250亿美元，但预计2026年净亏损仍将高达140亿美元，2028年光是研究算力一项就要烧掉约850亿美元，直到2030年才有望实现现金流转正。更触目惊心的是，OpenAI每赚1美元，就要亏掉1.22美元，2026年第一季度运营利润率为负122%。

SpaceX的AI业务更是惨不忍睹。2026年第一季度，其星链业务营业利润11.88亿美元，而AI板块单季亏损高达24.69亿美元——AI的亏损已超过星链盈利的两倍。整个2025财年，SpaceX净亏损49亿美元，主要来自Starship火箭项目和xAI的持续烧钱。

与这些“挖金子”企业的惨淡形成鲜明对比的是，“卖铲子”的硬件企业正享受着前所未有的暴利。胜宏科技2025年营收192.92亿元，同比增长79.77%，归母净利润43.12亿元，同比增长273.52%；生益科技营收284.31亿元，同比增长39.45%，归母净利润33.34亿元，同比增长91.75%。

英伟达更是凭借A100、H100等高性能GPU，以及CUDA平台构建的生态壁垒，AI芯片业务营收同比增长超50%，算力服务毛利率维持在65%以上。

成本倒挂：AI商业模式的“反互联网”困境

为什么会出现如此极端的利润分化？核心原因在于AI生意的成本曲线与传统互联网截然不同。

微信多一个用户，边际成本趋近于零；但ChatGPT越火、调用越多、推理成本就越高。用户增长不再是纯利好，而是变成了成本压力。这种“反互联网”的商业模式，意味着规模效应不仅没有带来利润，反而放大了现金流压力——用户增长不再直接等价于价值增长。

更具体地说，AI应用企业面临着三重成本压力：

第一，推理成本居高不下。OpenAI 2026年预计推理成本高达141亿美元，比2025年的84亿美元暴涨近七成。C端通用AIGC应用的算力成本占营收的30%-50%，而用户付费意愿低、留存差，导致现金流持续失血。

第二，人力与研发成本高昂。美国头部科技巨头AI相关IT岗位占比已升至约25%，四大合计年化AI相关人力薪酬超300亿美元。仅微软每年向OpenAI支付的研发与服务费用就超百亿美元。

第三，电力与运维成本惊人。AI算力集群的电力消耗占运营成本的40%-45%，四大巨头2026年合计AI相关电力支出年化超过450亿美元。为了锁定供电，企业甚至不得不自掏腰包建电网配套。

四大科技巨头AI投资1886亿美元，首次超过核心业务经营活动现金流——这不是“积极扩张”，而是“支出压倒盈利”的典型信号。更关键的是，即便把数据中心、算力芯片等硬件投入全部归零，四大巨头的AI业务仍在亏损。

资本开支的“军备竞赛”：没有尽头的烧钱游戏

如果说高额的运营成本已经让AI企业喘不过气来，那么天文数字般的资本开支更是让整个产业的可持续性蒙上阴影。

甲骨文当季资本支出186亿美元，竟然超过了其总收入172亿美元——这意味着这家公司赚到的所有钱都不够投资，还得倒贴钱来维持AI基础设施的扩张。

而AI巨头们的未来支出承诺更令人瞠目。OpenAI到2030年的算力基础设施投入目标约6000亿美元，算力合同签到2032年以后，覆盖软银Stargate、Oracle、微软Azure、亚马逊AWS，总承诺超过1.4万亿美元。换句话说，OpenAI把自己绑定在了一张超长期的巨额账单上，无论用户增长多少，这些账单每个月都得付。

这种“循环记账”现象更是加剧了财务风险。微软向OpenAI注资的130亿美元并非以现金形式交付，而是以“云积分”形式发放。OpenAI动用这些积分训练模型，微软则将其计为新增云收入。这种“用投资买云服务”的闭环操作，表面上看是健康的收入增长，实质上是用自己的钱支付给自己，再定性为销售收入。据测算，OpenAI年度云服务账单已膨胀至逾600亿美元，是其250亿美元实际营收的两倍有余。

下游落地难的三大结构性障碍

造成“上层赚钱、下层亏钱”局面的，是下游应用落地面临的三大核心障碍：

场景不闭环

目前大量AI应用只做单点功能（如AI写作、AI绘画），没有嵌入核心工作流，用户“用完即走”，缺乏持续付费的理由。

RAND Corporation对2400个企业AI项目的元分析显示，仅19.7%的项目实现了正向ROI，平均回报率仅1.7倍。2025年全球企业AI总投入6840亿美元中，5470亿完全没有可衡量的业务产出。

数据与壁垒弱

通用模型能力趋同，缺乏差异化。多数企业缺少行业数据和know-how，产品易被复制。

S&P Global数据显示，2025年有42%的公司取消了大部分AI项目，而2024年该比例仅为17%。

“Token不经济”的结构性矛盾

“Token不经济，经济不Token”——这句话精辟地概括了当前AI产业的核心困境。AI生意的成本结构决定了它无法像传统互联网那样享受规模效应带来的边际成本递减。相反，用户越多、调用越频繁，成本压力就越大。

破局之路：B端垂直刚需与成本重构

尽管C端通用AI应用举步维艰，但B端垂直刚需领域已经展现出正向现金流的可能性。

Anthropic的成功证明了“为企业服务”路径的可行性。这家由前OpenAI高管创立的公司，2026年第二季度预计营收达109亿美元，年化经常性收入逼近440亿美元，单季度经营性利润5.59亿美元，成为首个实现盈利的头部大模型企业。其盈利核心在于“极致偏科”：放弃高耗能的多模态拓展，锚定纯文本推理与企业级代码生成。Anthropic约80%的收入来自企业客户。

在国内，科大讯飞也走通了类似的路径。2025年，科大讯飞实现营业收入约271.05亿元，同比增长16.12%，归母净利润约8.39亿元，同比增长49.85%。其AI开放平台已开放920项AI能力与解决方案，大模型API及MaaS平台服务收入3.85亿元，同比增长263%。

具体来说，AI应用企业要走出亏损泥潭，需要走四条路：

死磕B端垂直刚需：选择工业质检、金融风控、医疗影像、政务审批等高价值、强合规、高付费场景，通过定制化方案+年度订阅+效果分成模式实现正向现金流。

做“模型+数据+行业工具”一体化：不只是套壳API，而是自建行业知识库+RAG+智能体，嵌入客户全流程，让降本可量化。

成本重构：从“调用别人”到“自建+混合”，用小模型+微调+私有部署替代闭源API，降低推理成本。

走“AI增强的既有业务”模式：将AI嵌入微信、美团、抖音等传统巨头的核心业务流中，不算在AI公司的报表里，但算在传统巨头的利润里。这部分才是应用层真正在赚钱的地方。

未来展望：闭环能否形成？

AI产业链的可持续性，最终取决于能否形成这样的闭环：下游刚需付费→垂类应用盈利→持续采购算力→上游稳赚→再反哺下游降本。

目前这个闭环尚未完全形成。从产业链传导来看，下游模型商是全链需求的核心锚点，上游算力扩容、硬件迭代、机房建设等资本开支，最终均依赖下游模型服务的商业化落地兑现价值。

而当前模型商的亏损状况，意味着这一传导链条存在断裂风险。

更令人担忧的是折旧加速问题。AI硬件的实际经济折旧年限可能远短于财报中的假设期限。亚马逊2025年年报披露，自当年1月1日起，公司将部分服务器及网络设备折旧年限由6年缩短至5年，核心原因系AI技术迭代提速，硬件淘汰周期显著缩短。

这意味着，即使硬件企业今天赚得盆满钵满，未来也可能面临资产减值的风险。

这场AI产业的“马拉松”，前10公里或许属于“卖铲子”的硬件商，但最终赢得比赛的，一定是那些能够将技术转化为可持续商业价值的应用层企业。当资本盛宴退去，只有真正解决用户痛点、创造可量化价值的企业，才能在AI产业的下半场活下来。