夜雨聆风上周末，我跟一个做AI视频生成的朋友吃饭，他苦笑着把上季度的财务报表推给我看：融资到账的3000万，有1900万直接划给了云服务商。他叹了口气，说了句让我到现在都忘不了的话——“我现在感觉不是自己在创业，是在给英伟达和AWS打工，连个打赏都捞不着。”
这不是段子。这是a16z最新发布的《AI应用支出报告》里，那个扎心数字的活生生写照：超过60%的AI创业资金，正源源不断地流向基础设施层。 换句话说，那些你看着光鲜亮丽的AI产品背后，藏着一条“烧钱链”，而链条的尽头，站着几个你我都不陌生的巨无霸。
钱不是花掉了，而是换了一种形式，存在了别人的资产负债表里。
钱去哪了？一张图看懂AI创业公司的资金流向
先别急着骂“烧钱”，咱们得先弄清楚，钱到底烧在了哪儿。a16z的报告给了一个极度清晰的切片：假设你是一家AI创业公司，拿到100块风险投资，大致是这样被“分食”的——
• 60块以上：直接流进GPU算力和云计算的口袋（也就是给英伟达、AWS、Azure、谷歌云交“过路费”）。
• 25块左右：花在模型训练和推理上（本质上还是算力，只是换了个名头）。
• 剩下不到15块：才轮到数据标注、招募算法工程师、做市场推广。
看到这个结构，你大概就明白了：现在的AI创业公司，本质上根本不是什么“产品公司”，而是“算力批发商”或“云服务VIP客户”。 你卖的是AI服务，但你的成本结构却像一座矿场——最大的开销不是创意，也不是代码，而是电费（算力）和租金（云服务）。
这种先天性的“畸形”支出结构，直接导致了一个残酷的现实：商业模式还没跑通，现金流先被基础设施抽干了。 不少创业者跟我抱怨，说自己做了一款爆火的AI应用，用户量蹭蹭涨，结果月底一算账，用户越多，亏得越惨。为什么？因为每一个用户的每一次提问，背后都是实打实的GPU推理成本。你越成功，你给英伟达交的“份子钱”就越多。
你以为你在做产品，其实你只是在给上游的“卖水人”当搬运工。
基础设施“吃”掉六成预算，谁在躺赚？
既然60%以上的钱都流向了基础设施，那这钱到底进了谁的口袋？答案清晰得令人绝望：英伟达、AWS、微软Azure、谷歌云。
这几家公司现在的状态，用“躺赚”来形容都算谦虚了。它们根本不需要关心你的AI应用能不能盈利，只关心你需不需要更多的算力。你融资越多，它们股价越高；你烧钱越猛，它们财报越亮眼。你承担了所有的创新风险和市场不确定性，它们却拿着确定性极高的“过路费”。
更扎心的是，创业公司在这条链条里，完全是个“成本被动接受者”。GPU的价格是英伟达定的，云服务的折扣是AWS给的。你没有任何议价权。当算力供不应求时，你甚至得排队、加价才能抢到资源。这就导致了一个恶性循环：
• 想创新？ 得先买算力。
• 想迭代？ 得先买算力。
• 想融资？ 故事讲得好，钱到手了，第一件事还是买算力。
研发投入？产品打磨？人才储备？ 不好意思，预算已被基础设施吃掉一大半，剩下的钱只能紧巴巴地过活。很多公司为了省钱，不得不降低模型精度、减少用户并发数，甚至放弃一些很有前景但算力消耗大的功能。这不是不想做好产品，而是被成本逼得只能“偷工减料”。
创新最大的敌人，有时候不是竞争对手，而是你每个月要付的那张云服务账单。
生成式AI vs 企业级AI：不同赛道的烧钱逻辑
当然，同样是AI创业，不同赛道的“烧钱姿势”也天差地别。a16z的报告特意区分了生成式AI和企业级AI，两者的成本结构完全不同。
生成式AI（比如AI绘画、AI写作、AI视频）：
这是典型的“富二代”玩法。因为你需要从零开始训练大模型，或者频繁调用大模型的推理能力。它的成本大头就是算力。每生成一张图、一段文字、一个视频，都是在烧钱。这种模式极度依赖资本输血，一旦融资断档，立刻会因为算力成本过高而窒息。所以你看那些头部生成式AI公司，要么疯狂融资，要么疯狂涨价，否则根本活不下去。
企业级AI（比如AI客服、AI数据分析、行业解决方案）：
这类公司看起来没那么“烧钱”，但它们的钱花在了别的地方——数据标注、定制开发、销售渠道和长期服务。它们不需要自己训练一个惊天动地的大模型，更多是基于开源模型或API进行微调。但它们的痛点在于：客户获取成本极高。你需要去一个个拜访企业客户，理解他们的业务逻辑，做定制化的数据清洗，还要提供7×24小时的售后支持。这种成本是“慢刀子割肉”，虽然单次消耗不大，但周期长、见效慢，很容易陷入“服务越重，利润越薄”的泥潭。
所以，你看到了吗？生成式AI是“高射炮打蚊子”，一炮下去，钱就没了；企业级AI是“蚂蚁搬家”，每天搬一点，但架不住路远。 这两种模式没有谁更高明，只是面临的成本压力来源截然不同。前者怕算力贵，后者怕客户难伺候。
烧钱不可怕，可怕的是不知道自己烧的钱，究竟是在买未来，还是在买赎罪券。
算力成本高企之下，创业公司还有活路吗？
讲到这里，你可能会觉得，AI创业是不是没戏了？别急，a16z的报告最后给出了几条活路，虽然不好走，但至少指明了方向。
第一条路：死磕成本优化。
别再傻乎乎地直接调用最贵的GPU了。能不能用模型压缩技术，把大模型变小？能不能用边缘计算，把推理放到用户手机端，省掉云服务费？能不能跟专用芯片厂商合作，用更低的成本获得更高的算力？这些技术门槛听起来很高，但这是未来AI创业公司的核心竞争力。谁能把算力成本打下来，谁就能在价格战中活下来。
第二条路：创造“数据网络效应”。
这是最理想的状态。你的产品用的人越多，积累的数据就越多；数据越多，你的模型就越聪明；模型越聪明，用户体验就越好；用户越好，就越离不开你。当你的产品形成了这种正向飞轮，用户粘性就变成了护城河。 这时候，即便是高昂的算力成本，也能被庞大的用户基数和高频的使用场景摊薄。比如一些顶级的AI助手，用户一旦习惯了它的交互方式，就很难再换别的。
第三条路：拒绝“死亡循环”。
什么是死亡循环？就是“融钱—买算力—做产品—用户增长—算力成本飙升—现金流断裂—再融资”。很多公司就死在这个循环里。你必须从一开始就想清楚，你的产品能不能在算力成本不增加的情况下，实现用户和收入的线性增长。 如果不能，那你就得考虑是否该换个赛道，或者干脆把产品卖掉。别等到账上只剩三个月工资了，才想起来要优化成本。
真正的护城河，不是你花了多少钱，而是你让用户花了多少时间，以及他们离开你有多难。
最后，给不同人群的几句实在话：
• 给创业者： 别被“风口”冲昏了头。在开干之前，先算一笔账：你的用户生命周期价值（LTV），能不能覆盖掉他一生中消耗的算力成本？如果不能，赶紧调整方向。不要用融资的幻觉，来掩盖商业模式的缺陷。
• 给投资人： 别再只看DAU和用户增速了。多看看这家公司的“算力成本率”和“单位经济模型”。如果一个项目80%的钱都花在了买GPU上，那它本质上就是一个风险极高的“算力期货”，而不是一个科技公司。
• 给吃瓜群众： 别觉得AI产品贵。你付的那点会员费，可能连人家公司给你提供服务的电费都不够。你今天用的每一个免费AI工具，背后都有人在替你负重前行（烧钱）。
AI的浪潮确实来了，但浪潮之上，是无数创业公司用真金白银堆起来的“算力冰山”。冰山之下，有人闷声发财，有人血本无归。当潮水退去，你才会发现，谁在裸泳，谁在卖泳裤。
#AI创业 #英伟达 #AIGC算力
如有 AI 相关业务咨询，可与我联系，服务内容：
• 自媒体运营系统咨询、自媒体代运营；
• 企业(组织/业务)系统AI自动化咨询；
• 详请见：http://www.xikai.net.cn/。
