OpenAI一年收入都1400億了，國內AI為啥還是不賺錢？

　　過去一年，Meta在AI上的出手堪稱瘋狂：斥資百億收購Scale AI 49%股份、砸下上億美元挖人補強團隊，還任命年僅26歲的Alexandr Wang為Meta首任“首席AI官”。

　　按今年的預測，Meta的資本支出強度達到了驚人的35%收入占比。也就是說，每100美元收入，就要拿出35美元砸進AI，幾乎壓上了自己的大部分家底。

　　像Meta這樣“豪賭AI”的公司，在美國還有三家：微軟、谷歌、亞馬遜。

　　根據這四大科技巨頭公布的財報預測，今年它們在AI相關的資本支出將高達4000億美元，主要投向AI基礎設施建設。

　　這個數字，比整個歐盟2023年一整年的國防開支還多，也正在徹底甩開我們。

　　即使考慮未上市公司如字節等等，加上承擔基礎任務的運營商AI資本開支，根據中金估計，2025年國內AI整體資本開支也不會超過5000億人民幣。

　　很多人把兩者差距歸因于“算力瓶頸”。但問題的根本，不只是有沒有GPU，而是：有沒有一個足夠明確的商業邏輯，能撐起萬億級別的投入。

　　美國已經快速找到了這個邏輯。

　　從數據上看，美國AI賺錢速度越來越快了。OpenAI+Anthropic的年化營收將在今年底突破290億美元，投行預計到2026年底，這一數字或將上升至600-1000億美元。初創公司主導的AI應用也在C端、B端全面開花。

　　反觀國內，AI商業化始終沒有找到合適的答案。哪怕是可靈AI這樣跑出來的產品，70%以上的營收也來自海外。

　　更嚴峻的是，在地緣政治的不確定性下，原本誕生于中國的AI創新正加速“外溢”。Manus、Lovart、Heygen等公司，或將總部遷往新加坡、美國，或干脆在海外成立公司。

　　這些外遷的動作，并不只是為了“更接近海外市場”，更深層的原因在于——國內難以跑通的商業路徑，正在壓低資本開支的回報預期。

　　在全球科技競爭中，國內的科技公司正面臨日益增長的結構性壁壘。即便撇開芯片限制不談，如果AI商業化路徑遲遲跑不通，資本開支的回報率就難以建立。而一旦回報率持續走低，我們在AI賽道上與美國的差距只會越拉越大。

　　只賺吆喝不賺錢，或許才是我們AI產業表面“繁榮”背后最大的隱憂。

　　全球AI賺錢越來越快了

　　AI賺錢的速度，遠遠超出了所有人的想象。

　　過去一年，最驚人的不是AI模型的更新速度，而是它帶來的商業變現斜率。

　　先看頭部選手：

　　去年底，OpenAI年化收入（ARR）是55億美元，今年6月突破100億美元，最近《紐約時報》披露，其收入已經達到120–130億美元年化收入，年底將達到200億美元，增幅接近300%。

　　Anthropic的增長更加夸張。Anthropic去年ARR僅10億美元，今年上半年達到40億，年底預計將突破90億美元，同比暴增800%。

　　也就是說，到今年年底，OpenAI+Anthropic的合計ARR將達到290億美元。投行預計，按這個速度增長，到2026年年底這一數字可能攀升至600-1000億美元。

　　這是什么概念？亞馬遜的云計算業務AWS去年全年收入是1076億美元——兩家頭部大模型廠商花了3年就幾乎重造了一個AWS。

　　而這場爆發，并不只存在于基礎模型層。在應用端，無論是面向消費者（C端）還是企業（B端），美國AI市場都跑出了令人瞠目結舌的收入曲線。

　　在C端市場，以AI編程為代表的初創公司開始爆發：

　　定價20美元/月的AI編程Agent Cursor的ARR已經到達5億美元，吸引了全球超過36萬用戶；AI編程產品Lovable在2個月內實現了1000萬美元收入，并在第8個月做到了1億美元的ARR。

　　即使小眾的AI應用，也有不俗的商業化表現。

　　Tolan是由Portola開發的AI伴侶應用，上線僅幾個月，年經常性收入(ARR)就達到了1200萬美元。AI視頻編輯工具OpusClip ARR也達到了2000萬美元。

　　而B端市場，更是成為了AI最重要的造富機器，跑出了一批高估值、收入增長迅速的AI公司，遍布法律、客服、醫療、招聘等各個領域。

Glean（搜索）：估值72億美元，ARR 1億

Mercor（招聘）：估值20億美元，ARR 1億

Crescendo（客服）：估值5億美元，ARR 9100萬

Harvey（法律）：估值50億美元，ARR 7500萬

Clay（銷售）：估值30億美元，ARR 3000萬

Abridge（醫療）：估值27.5億美元，ARR 1億

　　這些公司的共同特征是：成立不久，收入斜率極陡，產品滲透迅速，估值水漲船高。這種速度，讓許多大公司都開始感到焦慮。

　　大廠打不過小廠”，已成為硅谷近一年來的新共識。原因很簡單，這些小廠更加靈活，能在極短時間內做出符合市場需求的產品，人才也更愿意去創新的環境，而更關鍵的是，小廠也能拿到融資。

　　而就在美國AI市場沿著商業化路徑一路狂飆的同時，我們的AI市場則呈現出一幅截然不同的景象。

　　技術追平了，但還是很難賺錢

　　盡管技術層面不斷突破，但我們AI產業的商業化現實卻顯得格外冷清。

　　根據華龍證券的數據，2024年國內計算機行業AI應用板塊總營收為768億元，同比增長僅6.4%；歸母凈利潤為35億元，增幅只有2.7%。到了2025年第一季度，凈利潤甚至滑落至不足0.3億元，幾乎原地踏步。

　　對比之下，美國AI應用公司則跑出了明確的增長曲線：

　　以Salesforce、Adobe、ServiceNow、Palantir等9家公司為例，2025年Q1合計營收達236億美元，同比增長12.1%，平均經營利潤率高達15.8%。

　　數據背后，是產業結構的根本不同：

美國AI，是“小廠跑贏大廠”的創業黃金時代，跑出一大批技術型初創公司；

而國內AI，則是“大廠主導，小廠陪跑”，主流產品幾乎都掌握在平臺型企業手中。

　　比如AI編程賽道，國內最頭部的產品分別來自字節（Trae）、阿里（通義靈碼）和百度（文心快碼），鮮有獨立創業公司嶄露頭角。

　　更嚴峻的問題，即使跑出來的AI產品也普遍陷入了“有流量、無收入”的困境。

　　根據QuestMobile數據，截至今年3月，國內AI原生App的月活用戶數已達2.7億，甚至超過ChatGPT的1.8億。但真正實現規模化變現的產品，寥寥無幾。

　　哪怕是年收入突破1億美元的可靈AI，70%以上營收也來自海外市場。

　　付費困境不僅在C端重演，B端同樣難以突圍。AI產品在To B市場面臨著與SaaS企業類似的問題：小企業沒預算，大企業靠定制，利潤被反復壓縮。

　　一端是用戶體量不夠，另一端是交付成本過高，真正可規?；?、可復制的商業模式始終沒跑出來。

　　于是，一大批誕生于我們本土的AI創新產品正在外流。

　　今年6月，Manus宣布，將總部從中國遷往新加坡，并在美國、日本設立分部。原在華團隊120人中，40名核心技術骨干隨之遷出，其余大部分被裁撤。在此之前，AI視頻公司Heygen也將公司總部從深圳遷到了洛杉磯。Lovart更是直接將公司總部放在了舊金山。

　　這一輪中美AI在商業化上的分野，并非偶然，而是延續了互聯網時代早已埋下的路徑差異。

　　入口的邏輯還能講多久？

　　2011年8月，Marc Andreessen在《華爾街日報》上寫下那句著名預言：“軟件正在吞噬世界”，宣告了移動互聯網時代的開啟。

　　從那之后，中美互聯網走出了兩條完全不同的道路。

　　在美國，“軟件”接力消費級應用浪潮，推動SaaS創業全面爆發。2010到2015年間，每年新增的SaaS創業公司超過1000家。在這期間，風險投資逐漸達到高峰，每年投入的金額都在百億美元的級別，這些錢大部分都流入了SaaS行業。

　　而在中國，真正改變時代的卻是消費互聯網。

　　字節跳動以信息流重塑全球內容分發邏輯，拼多多則從下沉市場殺出重圍，把電商做進了Amazon的后花園。每一個成功案例背后，都是超級App的崛起與流量入口的掌控。國內的互聯網敘事，是流量驅動的一切。

　　借用公眾號“Platform Thinking”的觀點，中美的差異不僅僅服務對象的區別，而是兩種底層范式的分歧：中國講“入口”，美國講“接口”。

　　其實，我們并非沒有企業軟件，它們大都存在大廠的「閉環」生態里，作為云計算銷售的敲門磚。這些軟件表面上做著企業服務的生意，仍未走出消費互聯網的影子：靠燒錢換規模、用免費產品堆用戶，再靠“流量變現”補血，延續的是典型的「入口」思維。

　　而正是這種路徑依賴，構成了當下的分野：

　　問題在于，AI不是一款能裝進App Store的新應用，它是一種“打散路徑、壓縮流程”的基礎能力。在AI的世界里，用戶不再從一個App出發，而是從問題出發、從意圖出發——直接奔向結果。

　　帶來的結果是，入口的價值被不斷壓縮：從“路徑經濟”轉向“結果經濟”，控制用戶路徑的價值也隨之貶值。

　　這就解釋了為什么美國的AI商業化跑得更快：SaaS公司原本就以“接口”思維運作，AI只不過是新的能力插件；而在中國，過度依賴“流量閉環”的打法，使得AI很難快速嵌入已有的產品與組織流程，反而出現了有技術、無場景，有用戶、無收入的尷尬局面。

　　問題的根源，不在技術落后，而在路徑僵化。真正值得警惕的，不是我們暫時落后于美國，而是我們仍在用“入口思維”去擁抱一個“接口世界”。

　　雖然國內AI產業在商業化上仍然存在著一些問題，但前景也并未悲觀。

　　技術浪潮的落地方式，從來不只有一種標準答案。零售、電商、短視頻……過去十年中國的每一次產業躍遷，走的都不是美國的那條路。

　　AI也一樣。它未必顛覆我們“大廠主導”的產業結構，但一定會倒逼所有玩家，從“控制入口”轉向“連接接口”：

去爭奪流量的起點，不如成為生態的通路；

去封閉用戶的路徑，不如放大自身被調用的能力。

　　這，或許才是我們AI產業，真正走向商業化的分水嶺。

　　文/林白