AI 的 “万亿拷问”：疯狂砸 AI，从哪里赚回来？

在上篇分析《AI“原罪”：英伟达是 AI 戒不掉的 “兴奋剂”？》中，海豚君提到了 2025 年 AI 产业链的核心变化是产业链价值极度上游化之后，产业链健康度失衡，在 FOMO 心态下，AI 投入节节攀升，但核心玩家博弈明显。

但互联网迈入 AI 时代，无论要素变化如何重塑产业链条上不同玩家的话语权，AI 还是要回答一个终极问题：在这场五年上下为折旧周期的前置式重资金、重技术、重人才投入，最终到底是不是一场泡沫，终极衡量非常简单，它创造的 ROI 是否算的过来。

本篇，海豚君就围绕尝试来毛估算一下这场 AI 投资盛宴所需要的投资回报，以及迈向这个投资回报，2026 年以及之后，AI 重点应该关注什么？

一、到底多少增量创收，北美 AI 投入的 ROI 才算得过来？

先解决一个基础命题，这些年疯了一样的 AI 投入到底需要创造多少的收入才能有一个合理的 ROI。这里海豚君先做一个稳态下的合理假设：

a. 英伟达$英伟达(NVDA.US) 每卖出 1 美元的 AI 芯片 + 配套网络，云计算中心实际投入是 2 美元;

b. 按目前云计算 50% 毛利率水平，数据中心 2 美元的投入，需要云服务商创造 4 美元的收入，ROI 才能覆盖上；

c. 而下游最终的用户（AI 和 Model 使用者的最终客户）这里同样做一个 50% 的毛利率假设，也就是终端企业 4 元的云服务采购，至少要创造 8 块钱的收入 ROI 才能算得过来。

那么在这条复杂冗长的产业链上，芯片设计商每 1 美元的 AI 芯片和网络收入，要在终端场景产生合理的 ROI，大概是：1×2×2×2=8 元才能算得过来。

来源：英伟达 NDR 材料

按目前市场现在对主流芯片设计商 2026 年的收入预期（AKA 云计算中心 AI 芯片 + 网络的采购支出），26 年 3700 亿美金的合计收入。大约对应云计算中心 26 年 6400 亿美金（也是目前的市场一致预期）的数据中心资本开支。

而这些资本开支，在 5 年的摊销期合计要给云计算厂商们合计创造 6400×2=1.2 万亿的收入才能算得过来。这 1.2 万亿的收入，在 CSP 的客户账单中，就成了 1.2 万亿的 AI 云计算采购支出，这些客户要把账算过来，需要创收 2.4 万亿的终端场景才行（对终端客户来看，要么创收、要么减支）。

当然，如果把这 2.4 万亿的经济价值要求摊到 5 年，每年 5000 亿，好像也不是特别困难。但多数人的预测中，AI 投入是在这个体量上每年高增，还要增长很多年。

甚至在英伟达的自己对云服务资本开支的预测中，到 2030 年甚至要拉高到 3.5 万亿的资本开支水平。其实，就算这个水平上零增长维持五年，那把 2.4 万亿增量经济价值摊销到五年也没有意义。

也就是说，2026 年 6400 亿的资本开支，对一年经济效益的要求就有 2.4 万亿美金，考虑到美国当下名义 GDP 大约 31 万亿。这个水准的资本支出所对应的 2.4 万亿的经济增加值要求，已经相当于 25 年美国名义 GDP 的 7.5%+。

换句话说，美国企业的这场 AI 投入带来技术扩散效应，美股 AI 在全球繁殖，同时也要带来美国自身生产效率的提升。按美国美联储主席热门人选哈塞特的说法，AI 要在 26 年带动美国生产效率提升 4%，美国实际 GDP 2026 年低于或等于 3% 的增长都是不够的。

带着 2 万亿 + 的终端价值总要求回报，在解答 AI 泡沫到底会不会破裂的时候，26 年关键就是看什么？海豚君认为，不妨跟踪三大方向：

1）AI 集大成群体：美股互联网利润能否加速增长？

2）排头兵 OpenAI 真能成为下一个互联网巨无霸吗？

3）端侧 AI：到底何时才能爆发？

二、AI 集大成群体：美股互联网利润能有加速增长吗？

美股互联网巨头因多数本身是云服务提供商，同时手握核心的分发渠道，也是下游场景落地的集大成者（比如， AI 推荐系统普遍被这些企业用来对原本的推荐系统升级，以实现更好的人与货、人与内容，广告与人之间的推荐精准度）。

AI 的落地首先是应该体现在这大公司收入的加速扩张中，或支出降本增效和人力替代中。而一旦没有收入的加速扩张，就会体现为重资产化资本开支强度走高，即使 AI 有有效抵消一部分研发人员开支，一旦重资产的摊销比例上来，利润率也会下滑。

收入增长停滞或放缓 + 利润率收缩夹击，EPS 必然会加速放缓，这样就等于完全逆转了这三年巨头超额收益的底层支撑——收入加速增长、EPS 比收入增长更高的规模化优势。

过去几个季度来看，美股互联网巨头（微软、谷歌、Meta、亚马逊四家）收入端上基本保持住了高增长，甚至因为 AI 推荐系统提高了了互联网广告的变现效率，巨头的收入增长以 Meta 为核心，还有加速增长的势头。

且 AI 投入早期阶段，除了微软之外的折旧费虽然有所拉升，但由于收入加速增长，这些新增的费用基本能被有效摊销。

但从 25 年三季度开始，研发支出（AI 人才争夺战）在报表端的利润侵蚀已经非常明显，以至于已经开始全部侵蚀掉了收入加速增长带来的经营杠杆效应。

结果是，九个季度后，巨头经营利润率首次下滑，巨头们首次出现了利润增长慢于收入增长。

而回溯过往，当 2022 年美股巨头们收入增长放缓的同时，利润率转而又下滑，导致 EPS 呈现双重压力时，巨头普遍会经历惨烈的杀估值行情。

从三季度已经给出业绩展望的公司们来看，$Meta(META.US) 因为指引收入已经隐含了四季度增长放缓，杀估值已经开始。其他几个互联网巨头（除$苹果(AAPL.US) 外），市场目前普遍预计的是传统互联网业务增长放缓（电商、广告），而云业务增长小幅加速。

对于，2026 年美股互联网利润能有加速增长吗？从三季度的答案来看，除非 AI 生产力提升大杀四方，否则希望并不大，甚至能保住收入一头加速增长也不是一件容易的事情。

如果 26 年增长确实如此，这里隐含的意思是 AI 并没有给传统业务带来显著的增量收入，云业务加速度不明显，那么 26 年很可能是三季度利润率边际下行、EPS 增长下行的进一步演绎。

26 年看起来多数巨头$微软(MSFT.US) 都会处在收入增长停滞而投入加剧的收支错配期。因此，站在高估值的 2025 年末去展望 2026 年，美股巨头们接下来 AI 资本开支高增、摊销折旧支出在报表端明显呈现、同时 AI 抢人战下研发支出 “通胀”。

而 AI 的回报（体现在增收或者降本裁员），无法有效去稀释掉这些新增的开支的时候，美股部分巨头恐怕就会遭遇杀估值，即使不杀估值，恐怕也很难跑出超额收益。

三、终端排头兵 OpenAI 真能成为下一个巨无霸吗？

目前 AI 的落地集中在 B、C 两端。

目前 C 端模型跑出来的应用场景，主要是 Chatbots 和 AI 搜索，另外一个是浏览器，但目前看浏览器在交互形态发生大的变化之前，要颠覆传统浏览器还比较难。

B 端的应用多数是以生产力的 AI Agentic 工具为主，收入增长快，但是整体体量仍然偏小。

作为开创者，OpenAI 要支付 25 年开出的巨额资本开支承诺，也意味着它的创收和变现压力最大。它 26 年变现速度和方向，会是 2026 年这 2.4 万亿经济价值增量的一个重要跟踪方向。接下来海豚君就以 OpenAI 来作为重点对象，来研究它的推进速度。

按媒体信息，当下 OAI 25 年按 10 月年化预期 200 亿，全年 130 亿；目前公司收入有 to C 端——ChatGPT(app 订阅收入；to B 端 ——OpenAI API 接口为主，两类收入构成。to C 和 to B 收入两端构成，从 7:3 占比优化为 25 年的 65:35。

如果明年收入仅仅 300 亿，那么收入会远远不够支付这些云服务的偿付承诺（26 年新增 500 亿支付承诺）。

1）to C 互联网消费：ChatGPT
目前 toC 互联网产品，OpenAI 仅有一个 ChatGPT，其他新推互联网产品——浏览器、Sora 等等，目前还不到迹象，目前的用户留存还都太差了。

目前 ChatGPT 大约 8-9 亿 WAU，估算年化收入 120 亿美金；如果按照最终 20 亿 MAU（大约油管的用户体量），按目前 APP 的付费订阅率 10% 来毛估算，ChatGPT 稳态订阅收入可能会在 450 亿美金上下。

而其他变现上，目前看纯广告可能较难，因为在模型中加入广告权重会污染模型，影响用户对 ChatGPT 回答的信任度；但基于成交的收入还在尝试中，收入目前不好测算。

从目前的产品演进来看，更偏订阅产品；如果终局是订阅类 APP，那么交易变现假如占比 25%（基于其他 to C 付费类 APP 估算）中广告收入占比来估算，那么对应应该是 150 亿美金，订阅加交易类收入合计收入 600 亿美金。

这个收入假设是建立在 ChatGPT 目实现全球 20 亿用户的基础上的。回溯历史互联网 APP 用增史，不考虑社交类 APP，多数 APP 过了 10 亿用户大关之后，单体 APP（无母 APP 导流）用户继续高增，都会变得较为困难。

而 AI 聊天 APP 如果在技术领先期内，无法形成有效生态壁垒，一旦一个更强导流的竞对在模型能力跟上来，如出现类似$谷歌-A(GOOGL.US) Gemini 模型迭代 + 垂直一体化成本优势下的低价竞争，可能会导致导致 OpenAI 的付费订阅率迟迟拉不上去。

而 25 年一个很大的变化是，$谷歌-C(GOOG.US) Gemini+Nano Banana 在快速追赶，已经开始威胁 ChatGPT 在 AI 对话上的竞争力。

四、AI 互联网的经济性到底如何？

相比于创收端的难以预料，海豚君在梳理梳理 OpenAI 的收入经济性以及未来可能盈利前景的时候，遇到了另外一个麻烦的问题，不得不让海豚君重新思考 AI 时代 to C 互联网的生意经济性问题。

海豚君注意到，当下的 OpenAI 收入年化接近 200 亿美金，体量已不算小，但似乎收入做大过程中，亏损的斜率更高。

下图是海豚君从媒体报道中整理的微软从 OpenAI 的收入中拿到提升，假如该提成相对其收入规模比例关系保持稳定，同时三季度之前微软作为 40% 的股权拥有方，在 OpenAI 之前的亏损比例也保持稳定，那么微软因 OpenAI 亏损计入自己表内的亏损承担，相对比微软从 OpenAI 处获得的收入，能够一定程度上体现 OpenAI 的亏损率趋势。

当海豚君把这两个数放在一起的时候，呈现出非常完全 “反互联网规模效应” 的结果：OpenAI 的收入在壮大过程中，亏损率没有收敛，反而越来越大。

而我们知道，经历过 PC 和移动互联网，甚至是对带宽、CPU 和存储要求更高的视频互联网，都能免费提供服务，早期完全不需要付费订阅。

免费提供 APP 服务，可以快速打满用户，最终用户不需要为网络服务买单，是广告商、卖货商为 APP 服务买单，实现极致的用户流量规模效应。

比如，大家熟悉的短视频互联网，相比图文互联网，因为视频需要更多的存储，视频的播放需要更多的流量，所以它对云服务的需求相比图文是更高的，但它好在能够建立超高的用户数量和时长——总流量池，用高效且多维度的变现来摊薄这些 IT 成本。

通过多元化变现，收入不断壮大，而成本增长速度远远低于收入，利润率结构分布的柱子不断上移，这也是互联网生意的魔力之处。

传统互联网时代，一次搜索，在搜索结果的展示上，本质是统一底层知识库的不同组合展示，底层的内容知识库不变，传统互联网在给用户展示内容时候，边际成本非常低。

传统互联网时代的生产资料组合，似乎本质上是CPU+ 光纤 + 基站=流量=万物线上化，生产资料端的成本经过 2000 年的 PC 互联网泡沫破裂和移动时代多轮流量大基建（电信运营商的并购整合），生产资料端已经高度大宗商品化，超额利润已早被抹平。

但 AI 互联网，每一个问答，都是基础存量知识库的个性化回答生成。每一个都要 GPU 算力的介入，且交互频次越高，需要记忆的上下越长，消耗的 Tokens 也会进一步增加。

似乎，AI 时代核心生产资料组合已经变成了GPU+ 电力=Tokens=万物智能化。在重塑后生产资料权重中，GPU 不仅用量过高，上游又是高度垄断，溢价超高的行业。

从个性化问答角度，AI 互联网有点 “反互联网规模效应”，所以原始的用户积累阶段，开支和投入过大。

所以，我们也能看到，AI 互联网在 to C 端，在一开始推广的时候，就需要订阅付费，而非像 Meta 一样，在全球范围内最大可能地积累用户，中间用广告收入完全可以支撑免费用户的全球扩张。

现在，OpenAI 在收入做大过程中，亏损率反而越来越高。这到底是因为 OpenAI 的免费用户增长过快了，还是因为 AI 时代上游生产资料的变化影响了 AI 时代互联网生意模式变化？

“AI” 的消费互联网时代，到底还会有 PC、移动时代无敌的互联网规模效应吗？这个问题值得深入思考，海豚君也会在 AI 经济的动态演绎中，尝试逐步去寻找这个问题的答案。

2) to B 产业互联网：模型接口

探讨完 AI 时代，消费互联网的问题。再看一下 OpenAI 商业模式上要顺滑很多的 AI 产业互联网。目前 OpenAI 在 to B 端，主要是两类收入：

a. 企业订阅：5mn 用户，按 22 元订阅收费，估计年化 15 亿美金（类似 Office 销售，员工使用，企业买单）

b. PaaS: API 接口服务——Azure 独家分发，估计年化收入 60 亿美金， Anthropic API 收入年化已 90 亿美金。

从目前的竞争趋势来看，在大模型的 API 接口服务上，2025 年 Anthropic 的市占率迅速，已经明显超过了 OpenAI。

由于 API 接口的分发权在微软，因此 OpenAI 模型 API 接口的销售收入，OpenAI 需要与微软分成。OpenAI 在优先级上，对这块业务的推进并不高。

但在海豚君看来，但这块业务其实经济确定性比较强的地方，一方面企业用户本身付费能力较强，且收费模式上是按照 Tokens 消耗量来计费，相比 to C 互联网收入的不确定性，这部分在经济账上更容易投入产出比，风险系数比 to B 生意好算很多。

而全行业来看，按第三方数据（Menio Ventures），2025 年 AI 云服务下游客户（第三方类客户）整体创造了大约 370 亿美金的收入，同比增长了 320%。

按目前的增长斜率，2026 年按同比 150-200% 的增长来算，整体 to B 方向（含基础模型 +AI SaaS）26 年应该能达到 1000 亿美金，因基数小，增长看起来更加速度。

注：Horizontal 为通用办公 AI，类似 ERP、Office 等；垂类行业指医疗健康等特定行业；部门 AI 指企业销售、财务等特定智能部门

行业层面，整个 to B+to C 下游场景合计创收 2026 年预估是 to C 3000 亿（美股互联网巨头新增收入）+to B 1000 亿，大约也就是 4000 亿美金的增量。

尤其是 C 端，互联网竞争不仅是技术，更是在有限时间内，生态、用户、渠道、资金、产能等的生态竞争。在 AI Model 以季度为领先时间差的情况下，再生长出来一个全新 to C 互联网巨头，可能性并不算大。

因此未来多年高额的 AI 资本投入，最后真正的价值承担者，现在核算下来，似乎主要还是要寄望于端侧 AI 产品，以及由此产生新兴 IoT 产业互联网机会。

3）端侧 AI，会是 2.4 万亿重担的真正承担者？

目前看，两类端侧产品，一种是人力替代型工具——AI 机器人，但本身技术难度较高，推进进度可能会比较慢；而另外一类是 AI 消费电子，这一大类会类似移动时代的手机，是创造新需求的品类。目前来看：

a) AI 机器人

似乎目前鸡生蛋和蛋生鸡的尴尬。

智能化：互联网的线上历史，有视觉、听觉数据，但唯独缺乏触觉数据。相比汽车的智能化，机器人智能化的研发在原始数据积累层面难度就高了很多。需要依赖硬件出货来收集数据。

硬件出货：没有智能化能力的机器人，除了少数尝鲜用户，买来除了占地方，能有多大的实用性？

注意这里逻辑与手机和汽车完全不同，手机在非智能手机时代，本身具备通信功能；而汽车在智能化到来之前，通过电动化来交通功能，本来也能够实现出货。

这两个大品类都可以在没有智能化功能的情况下，凭借既定规模出货量来实现智能化的冷启动——收集用户行为和场景数据，通过 OTA 实现智能化的迭代。而机器人在出货量少的基础下，去做触觉数据的收集和训练，恐怕路程会比较漫长。

b) AI 时代新硬件：抢夺 AI 时代新的交互入口？

相比于 AI 机器人，海豚君认为似乎短期落地可能性更大的，是 AI 时代新兴消费电子。现在已经可以看到一批新的 AI 消费电子，比如说 25 年底，各家都在争相发售的 AI 眼镜，AI 玩具，其他如 AI 戒指、AI 手环、AI 耳机，以及 AI 的基础上重做手机，类似近期豆包的 AI 手机等。

小结：26 年三大方向——端侧 AI、产业 AI、算力降本

经过以上梳理，海豚君认为 AI 从 22 年底出现经过三年的演绎，三年围绕算力资源的炒作之后，26 年或许更应关注算力降本需求下的投资机会，以及下游互联网巨无霸们处在投入产出错配期的情况下，去寻找 AI 在端侧落地的可能机会，以及产业 AI 落地中 Agentic vs 传统 SaaS 格局对比中产生的机会。

在 26 年的 AI 研究与跟踪中，海豚君也会重点从这三个方向去做深度研究，敬请关注。

<此处结束>

海豚君过往文章：

《AI“原罪”：英伟达是 AI 戒不掉的 “兴奋剂”？》

《全成 “绳上蚂蚱”，OpenAI 是灵珠 or 魔丸？》

《“AI 宠儿” 秒成 “败家子”，Meta 还能杀回来吗？》

本文的风险披露与声明：海豚投研免责声明及一般披露