AI的“萬億拷問”：瘋狂砸AI，從哪里賺回來？

在上篇分析《》中，海豚君提到了2025年AI產業鏈的核心變化是產業鏈價值極度上游化之后，產業鏈健康度失衡，在FOMO心態下，AI投入節節攀升，但核心玩家博弈明顯。

但互聯網邁入AI時代，無論要素變化如何重塑產業鏈條上不同玩家的話語權，AI還是要回答一個終極問題：在這場五年上下為折舊周期的前置式重資金、重技術、重人才投入，最終到底是不是一場泡沫，終極衡量非常簡單，它創造的ROI是否算得過來。

本篇，海豚君就圍繞嘗試來毛估算一下這場AI投資盛宴所需要的投資回報，以及邁向這個投資回報，2026年以及之后，AI重點應該關注什么？

一、到底多少增量創收，北美AI投入的ROI才算得過來？

先解決一個基礎命題，這些年瘋了一樣的AI投入到底需要創造多少的收入才能有一個合理的ROI。這里海豚君先做一個穩態下的合理假設：

a. 英偉達每賣出1美元的AI芯片+配套網絡，云計算中心實際投入是2美元；

b. 按目前云計算50%毛利率水平，數據中心2美元的投入，需要云服務商創造4美元的收入，ROI才能覆蓋上；

c. 而下游最終的用戶（AI和Model使用者的最終客戶）這里同樣做一個50%的毛利率假設，也就是終端企業4元的云服務采購，至少要創造8塊錢的收入ROI才能算得過來。

那么在這條復雜冗長的產業鏈上，芯片設計商每1美元的AI芯片和網絡收入，要在終端場景產生合理的ROI，大概是：1×2×2×2=8元才能算得過來。

來源：英偉達NDR材料

按目前市場現在對主流芯片設計商2026年的收入預期（AKA云計算中心AI芯片+網絡的采購支出），26年3700億美金的合計收入。大約對應云計算中心26年6400億美金（也是目前的市場一致預期）的數據中心資本開支。

而這些資本開支，在5年的攤銷期合計要給云計算廠商們合計創造6400×2=1.2萬億的收入才能算得過來。這1.2萬億的收入，在CSP的客戶賬單中，就成了1.2萬億的AI云計算采購支出，這些客戶要把賬算過來，需要創收2.4萬億的終端場景才行（對終端客戶來看，要么創收、要么減支）。

當然，如果把這2.4萬億的經濟價值要求攤到5年，每年5000億，好像也不是特別困難。但多數人的預測中，AI投入是在這個體量上每年高增，還要增長很多年。

甚至在英偉達的自己對云服務資本開支的預測中，到2030年甚至要拉高到3.5萬億的資本開支水平。其實，就算這個水平上零增長維持五年，那把2.4萬億增量經濟價值攤銷到五年也沒有意義。

也就是說，2026年6400億的資本開支，對一年經濟效益的要求就有2.4萬億美金，考慮到美國當下名義GDP大約31萬億。這個水準的資本支出所對應的2.4萬億的經濟增加值要求，已經相當于25年美國名義GDP的7.5%+。

換句話說，美國企業的這場AI投入帶來技術擴散效應，美股AI在全球繁殖，同時也要帶來美國自身生產效率的提升。按美國美聯儲主席熱門人選哈塞特的說法，AI要在26年帶動美國生產效率提升4%，美國實際GDP 2026年低于或等于3%的增長都是不夠的。

帶著2萬億+的終端價值總要求回報，在解答AI泡沫到底會不會破裂的時候，26年關鍵就是看什么？海豚君認為，不妨跟蹤三大方向：

1）AI集大成群體：美股互聯網利潤能否加速增長？

2）排頭兵OpenAI真能成為下一個互聯網巨無霸嗎？

3）端側AI：到底何時才能爆發？

二、AI集大成群體：美股互聯網利潤能有加速增長嗎？

美股互聯網巨頭因多數本身是云服務提供商，同時手握核心的分發渠道，也是下游場景落地的集大成者（比如， AI推薦系統普遍被這些企業用來對原本的推薦系統升級，以實現更好的人與貨、人與內容，廣告與人之間的推薦精準度）。

AI的落地首先是應該體現在這大公司收入的加速擴張中，或支出降本增效和人力替代中。而一旦沒有收入的加速擴張，就會體現為重資產化資本開支強度走高，即使AI有效抵消一部分研發人員開支，一旦重資產的攤銷比例上來，利潤率也會下滑。

收入增長停滯或放緩+利潤率收縮夾擊，EPS必然會加速放緩，這樣就等于完全逆轉了這三年巨頭超額收益的底層支撐——收入加速增長、EPS比收入增長更高的規模化優勢。

過去幾個季度來看，美股互聯網巨頭（微軟、谷歌、Meta、亞馬遜四家）收入端上基本保持住了高增長，甚至因為AI推薦系統提高了互聯網廣告的變現效率，巨頭的收入增長以Meta為核心，還有加速增長的勢頭。

且AI投入早期階段，除了微軟之外的折舊費雖然有所拉升，但由于收入加速增長，這些新增的費用基本能被有效攤銷。

但從25年三季度開始，研發支出（AI人才爭奪戰）在報表端的利潤侵蝕已經非常明顯，以至于已經開始全部侵蝕掉了收入加速增長帶來的經營杠桿效應。

結果是，九個季度后，巨頭經營利潤率首次下滑，巨頭們首次出現了利潤增長慢于收入增長。

而回溯過往，當2022年美股巨頭們收入增長放緩的同時，利潤率轉而又下滑，導致EPS呈現雙重壓力時，巨頭普遍會經歷慘烈的殺估值行情。

從三季度已經給出業績展望的公司們來看，Meta因為指引收入已經隱含了四季度增長放緩，殺估值已經開始。其他幾個互聯網巨頭（除蘋果外），市場目前普遍預計的是傳統互聯網業務增長放緩（電商、廣告），而云業務增長小幅加速。

對于，2026年美股互聯網利潤能有加速增長嗎？從三季度的答案來看，除非AI生產力提升大殺四方，否則希望并不大，甚至能保住收入一頭加速增長也不是一件容易的事情。

如果26年增長確實如此，這里隱含的意思是AI并沒有給傳統業務帶來顯著的增量收入，云業務加速度不明顯，那么26年很可能是三季度利潤率邊際下行、EPS增長下行的進一步演繹。

26年看起來多數巨頭都會處在收入增長停滯而投入加劇的收支錯配期。因此，站在高估值的2025年末去展望2026年，美股巨頭們接下來AI資本開支高增、攤銷折舊支出在報表端明顯呈現、同時AI搶人戰下研發支出“通脹”，而AI的回報（體現在增收或者降本裁員），無法有效去稀釋掉這些新增的開支的時候，美股部分巨頭恐怕就會遭遇殺估值，即使不殺估值，恐怕也很難跑出超額收益。

三、終端排頭兵OpenAI真能成為下一個巨無霸嗎？

目前AI的落地集中在B、C兩端。

目前C端模型跑出來的應用場景，主要是Chatbots和AI搜索，另外一個是瀏覽器，但目前看瀏覽器在交互形態發生大的變化之前，要顛覆傳統瀏覽器還比較難。

B端的應用多數是以生產力的AI Agentic工具為主，收入增長快，但是整體體量仍然偏小。

作為開創者，OpenAI要支付25年開出的巨額資本開支承諾，也意味著它的創收和變現壓力最大。它26年變現速度和方向，會是2026年這2.4萬億經濟價值增量的一個重要跟蹤方向。接下來海豚君就以OpenAI來作為重點對象，來研究它的推進速度。

按媒體信息，當下OAI 25年按10月年化預期200億，全年130億；目前公司收入有 to C端——ChatGPT(app訂閱收入；to B端 ——OpenAI API接口為主，兩類收入構成。to C和to B收入兩端構成，從7：3占比優化為25年的65：35。

如果明年收入僅僅300億，那么收入會遠遠不夠支付這些云服務的償付承諾（26年新增500億支付承諾）。

1） to C 互聯網消費：ChatGPT
目前toC互聯網產品，OpenAI僅有一個ChatGPT，其他新推互聯網產品——瀏覽器、Sora等等，目前還不到跡象，目前的用戶留存還都太差了。

目前ChatGPT 大約8-9億WAU，估算年化收入120億美金；如果按照最終20億MAU（大約油管的用戶體量），按目前APP的付費訂閱率10%來毛估算，ChatGPT穩態訂閱收入可能會在450億美金上下。

而其他變現上，目前看純廣告可能較難，因為在模型中加入廣告權重會污染模型，影響用戶對ChatGPT回答的信任度；但基于成交的收入還在嘗試中，收入目前不好測算。

從目前的產品演進來看，更偏訂閱產品；如果終局是訂閱類APP，那么交易變現假如占比25%（基于其他to C付費類APP估算）中廣告收入占比來估算，那么對應應該是150億美金，訂閱加交易類收入合計收入600億美金。

這個收入假設是建立在ChatGPT目前實現全球20億用戶的基礎上的。回溯歷史互聯網APP用增史，不考慮社交類APP，多數APP過了10億用戶大關之后，單體APP（無母APP導流）用戶繼續高增，都會變得較為困難。

而AI聊天APP如果在技術領先期內，無法形成有效生態壁壘，一旦一個更強導流的競對在模型能力跟上來，如出現類似谷歌 Gemini模型迭代+垂直一體化成本優勢下的低價競爭，可能會導致OpenAI的付費訂閱率遲遲拉不上去。

而25年一個很大的變化是，Gemini+Nano Banana在快速追趕，已經開始威脅ChatGPT在AI對話上的競爭力。

四、AI互聯網的經濟性到底如何？

相比于創收端的難以預料，海豚君在梳理OpenAI的收入經濟性以及未來可能盈利前景的時候，遇到了另外一個麻煩的問題，不得不讓海豚君重新思考AI時代to C互聯網的生意經濟性問題。

海豚君注意到，當下的OpenAI收入年化接近200億美金，體量已不算小，但似乎收入做大過程中，虧損的斜率更高。

下圖是海豚君從媒體報道中整理的微軟從OpenAI的收入中拿到提升，假如該提成相對其收入規模比例關系保持穩定，同時三季度之前微軟作為40%的股權擁有方，在OpenAI之前的虧損比例也保持穩定，那么微軟因OpenAI虧損計入自己表內的虧損承擔，相對比微軟從OpenAI處獲得的收入，能夠一定程度上體現OpenAI的虧損率趨勢。

當海豚君把這兩個數放在一起的時候，呈現出非常完全“反互聯網規模效應”的結果：OpenAI的收入在增長過程中，OpenAI的虧損率反而越來越大。

而我們知道，經歷過PC和移動互聯網，甚至是對帶寬、CPU和存儲要求更高的視頻互聯網，都能免費提供服務，早期完全不需要付費訂閱。

免費提供APP服務，可以快速打滿用戶，最終用戶不需要為網絡服務買單，是廣告商、賣貨商為APP服務買單，實現極致的用戶流量規模效應。

比如，大家熟悉的短視頻互聯網，相比圖文互聯網，因為視頻需要更多的存儲，視頻的播放需要更多的流量，所以它對云服務的需求相比圖文是更高的，但它好在能夠建立超高的用戶數量和時長——總流量池，用高效且多維度的變現來攤薄這些IT成本。

變現過程中，收入不斷壯大，而成本增長速度遠遠低于收入，利潤率結構分布的柱子不斷上移，這也是互聯網生意的魔力之處。

我們知道，傳統互聯網時代，一次搜索，在搜索結果的展示上，本質是統一底層知識庫的不同組合展示，底層的內容知識庫不變，傳統互聯網在給用戶展示內容時候，邊際成本非常低。

傳統互聯網時代的生產資料組合，似乎本質上是CPU+光纖+基站=流量=萬物線上化，生產資料端的成本經過2000年的PC互聯網泡沫破裂和移動時代多輪流量大基建（電信運營商的并購整合），生產資料端已經高度大宗商品化，超額利潤已早被抹平。

但AI互聯網，每一個問答，都是基礎存量知識庫的個性化回答生成。每一個都要GPU算力的介入，且交互頻次越高，需要記憶的上下越長，消耗的Tokens也會進一步增加。

似乎，AI時代核心生產資料組合已經變成了GPU+電力=Tokens=萬物智能化。在重塑后生產資料權重中，GPU不僅用量過高，上游又是高度壟斷，溢價超高的行業。

從個性化問答角度，AI互聯網有點“反互聯網規模效應”，所以原始的用戶積累階段，開支和投入過大。所以，我們也能看到，AI互聯網在to C端，在一開始推廣的時候，就需要訂閱付費，而非像Meta一樣，在全球范圍內最大可能地積累用戶，中間用廣告收入完全可以支撐免費用戶的全球擴張。

現在，OpenAI在收入做大過程中，虧損率反而越來越高。這到底是因為OpenAI的免費用戶增長過快了，還是因為AI時代上游生產資料的變化影響了AI時代互聯網生意模式變化？

“AI”的消費互聯網時代，到底還會有PC、移動時代無敵的互聯網規模效應嗎？這個問題值得深入思考，海豚君也會在AI經濟的動態演繹中，嘗試逐步去尋找這個問題的答案。

2） to B 產業互聯網：模型接口

探討完AI時代，消費互聯網的問題。再看一下OpenAI商業模式上要順滑很多的AI 產業互聯網。目前OpenAI在to B端，主要是兩類收入：

a. 企業訂閱：5mn用戶，按22元訂閱收費，估計年化15億美金（類似Office銷售，員工使用，企業買單）

b. PaaS: API接口服務——Azure獨家分發，估計年化收入60億美金， Anthropic API收入年化已90億美金。

從目前的競爭趨勢來看，在大模型的API接口服務上，2025年Anthropic的市占率迅速，已經明顯超過了OpenAI。

由于API接口的分發權在微軟，因此OpenAI 模型 API接口的銷售收入，OpenAI需要與微軟分成。OpenAI在優先級上，對這塊業務的推進并不高。

但在海豚君看來，但這塊業務其實經濟確定性比較強的地方，一方面企業用戶本身付費能力較強，且收費模式上是按照Tokens消耗量來計費，相比to C互聯網收入的不確定性，這部分在經濟賬上更容易投入產出比，風險系數比to B生意好算很多。

而全行業來看，按第三方數據（Menio Ventures），2025年AI云服務下游客戶（第三方類客戶）整體創造了大約370億美金的收入，同比增長了320%。

按目前的增長斜率，2026年按同比150-200%的增長來算，整體to B方向（含基礎模型+AI SaaS）26年應該能達到1000億美金，因基數小，增長看起來更加速度。

注：Horizontal為通用辦公AI，類似ERP、Office等；垂類行業指醫療健康等特定行業；部門AI指企業銷售、財務等特定職能部門

行業層面，整個to B+to C下游場景合計創收2026年預估是to C 3000億（美股互聯網巨頭新增收入）+to B 1000億，大約也就是4000億美金的增量。

尤其是C端，互聯網競爭不僅是技術，更是在有限時間內，生態、用戶、渠道、資金、產能等的生態競爭。在AI Model以季度為領先時間差的情況下，再生長出來一個全新to C互聯網巨頭，可能性并不算大。

因此未來多年高額的AI資本投入，最后真正的價值承擔者，現在核算下來，似乎主要還是要寄望于端側AI產品，以及由此產生新興IoT產業互聯網機會。

3）端側AI，會是2.4萬億重擔的真正承擔者？

目前看，兩類端側產品，一種是人力替代型工具——AI機器人，但本身技術難度較高，推進進度可能會比較慢；而另外一類是AI消費電子，這一大類會類似移動時代的手機，是創造新需求的品類。目前來看：

a) AI機器人

似乎目前雞生蛋和蛋生雞的尷尬。

智能化：互聯網的線上歷史，有視覺、聽覺數據，但唯獨缺乏觸覺數據。相比汽車的智能化，機器人智能化的研發在原始數據積累層面難度就高了很多。需要依賴硬件出貨來收集數據。

硬件出貨：沒有智能化能力的機器人，除了少數嘗鮮用戶，買來除了占地方，能有多大的實用性？

注意這里邏輯與手機和汽車完全不同，手機在非智能手機時代，本身具備通信功能；而汽車在智能化到來之前，通過電動化來交通功能，本來也能夠實現出貨。

這兩個大品類都可以在沒有智能化功能的情況下，憑借既定規模出貨量來實現智能化的冷啟動——收集用戶行為和場景數據，通過OTA實現智能化的迭代。而機器人在出貨量少的基礎下，去做觸覺數據的收集和訓練，恐怕路程會比較漫長。

b) AI時代新硬件：搶奪AI時代新的交互入口？

相比于AI機器人，海豚君認為似乎短期落地可能性更大的，是AI時代新興消費電子。現在已經可以看到一批新的AI消費電子，比如說25年底，各家都在爭相發售的AI眼鏡，AI玩具，其他如AI戒指、AI手環、AI耳機，以及AI的基礎上重做手機，類似近期豆包的AI手機等。

小結：26年三大方向——端側AI、產業AI、算力降本

經過以上梳理，海豚君認為AI從22年底出現經過三年的演繹，三年圍繞算力資源的炒作之后，26年或許更應關注算力降本需求下的投資機會，以及下游互聯網巨無霸們處在投入產出錯配期的情況下，去尋找AI在端側落地的可能機會，以及產業AI落地中 Agentic vs 傳統SaaS格局對比中產生的機會。

在26年的AI研究與跟蹤中，海豚君也會重點從這三個方向去做深度研究，敬請關注。

<此處結束>

//轉載開白

本文為海豚研究原創文章，如需轉載請添加微信：dolphinR124 獲得開白授權。

//免責聲明及一般披露提示

本報告僅作一般綜合數據之用，旨在海豚研究及其關聯機構之用戶作一般閱覽及數據參考，並未考慮接獲本報告之任何人士之特定投資目標、投資產品偏好、風險承受能力、財務狀況及特別需求投資者若基於此報告做出投資前，必須諮詢獨立專業顧問的意見。任何因使用或參考本報告提及內容或信息做出投資決策的人士，需自行承擔風險。海豚研究毋須承擔因使用本報告所載數據而可能直接或間接引致之任何責任或損失。本報告所載信息及數據基於已公開的資料，僅作參考用途，海豚研究力求但不保證相關信息及數據的可靠性、準確性和完整性。

本報告中所提及之信息或所表達之觀點，在任何司法管轄權下的地方均不可被作為或被視作證券出售邀約或證券買賣之邀請，也不構成對有關證券或相關金融工具的建議、詢價及推薦等。本報告所載資訊、工具及資料並非用作或擬作分派予在分派、刊發、提供或使用有關資訊、工具及資料抵觸適用法例或規例之司法權區或導致海豚研究及／或其附屬公司或聯屬公司須遵守該司法權區之任何註冊或申領牌照規定的有關司法權區的公民或居民。

本報告僅反映相關創作人員個人的觀點、見解及分析方法，並不代表海豚研究及/或其關聯機構的立場。

本報告由海豚研究製作，版權僅為海豚研究所有。任何機構或個人未經海豚研究事先書面同意的情況下，均不得(i)以任何方式製作、拷貝、複製、翻版、轉發等任何形式的複印件或複製品，及/或(ii)直接或間接再次分發或轉交予其他非授權人士，海豚研究將保留一切相關權利。

文章不易，點個“分享”，給我充點兒電吧~