AI 的 “萬億拷問”：瘋狂砸 AI，從哪裏賺回來？
在上篇分析《AI“原罪”：英偉達是 AI 戒不掉的 “興奮劑”？》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後，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週期的前置式重資金、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 是否算的過來。
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 年以及之後，AI 重點應該關注什麼？
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。這裏海豚君先做一個穩態下的合理假設：
a. 英偉達$英偉達(NVDA.US) 每賣出 1 美元的 AI 芯片 + 配套網絡，雲計算中心實際投入是 2 美元;
b. 按目前雲計算 50% 毛利率水平，數據中心 2 美元的投入，需要雲服務商創造 4 美元的收入，ROI 才能覆蓋上；
c. 而下游最終的用户（AI 和 Model 使用者的最終客户）這裏同樣做一個 50% 的毛利率假設，也就是終端企業 4 元的雲服務採購，至少要創造 8 塊錢的收入 ROI 才能算得過來。
那麼在這條複雜冗長的產業鏈上，芯片設計商每 1 美元的 AI 芯片和網絡收入，要在終端場景產生合理的 ROI，大概是：1×2×2×2=8 元才能算得過來。
來源：英偉達 NDR 材料
按目前市場現在對主流芯片設計商 2026 年的收入預期（AKA 雲計算中心 AI 芯片 + 網絡的採購支出），26 年 3700 億美金的合計收入。大約對應雲計算中心 26 年 6400 億美金（也是目前的市場一致預期）的數據中心資本開支。
而這些資本開支，在 5 年的攤銷期合計要給雲計算廠商們合計創造 6400×2=1.2 萬億的收入才能算得過來。這 1.2 萬億的收入，在 CSP 的客户賬單中，就成了 1.2 萬億的 AI 雲計算採購支出，這些客户要把賬算過來，需要創收 2.4 萬億的終端場景才行（對終端客户來看，要麼創收、要麼減支）。
當然，如果把這 2.4 萬億的經濟價值要求攤到 5 年，每年 5000 億，好像也不是特別困難。但多數人的預測中，AI 投入是在這個體量上每年高增，還要增長很多年。
甚至在英偉達的自己對雲服務資本開支的預測中，到 2030 年甚至要拉高到 3.5 萬億的資本開支水平。其實，就算這個水平上零增長維持五年，那把 2.4 萬億增量經濟價值攤銷到五年也沒有意義。
也就是説，2026 年 6400 億的資本開支，對一年經濟效益的要求就有 2.4 萬億美金，考慮到美國當下名義 GDP 大約 31 萬億。這個水準的資本支出所對應的 2.4 萬億的經濟增加值要求，已經相當於 25 年美國名義 GDP 的 7.5%+。
換句話説，美國企業的這場 AI 投入帶來技術擴散效應，美股 AI 在全球繁殖，同時也要帶來美國自身生產效率的提升。按美國美聯儲主席熱門人選哈塞特的説法，AI 要在 26 年帶動美國生產效率提升 4%，美國實際 GDP 2026 年低於或等於 3% 的增長都是不夠的。
帶着 2 萬億 + 的終端價值總要求回報，在解答 AI 泡沫到底會不會破裂的時候，26 年關鍵就是看什麼？海豚君認為，不妨跟蹤三大方向：
1）AI 集大成羣體：美股互聯網利潤能否加速增長？
2）排頭兵 OpenAI 真能成為下一個互聯網巨無霸嗎？
3）端側 AI：到底何時才能爆發？
二、AI 集大成羣體：美股互聯網利潤能有加速增長嗎？
美股互聯網巨頭因多數本身是雲服務提供商，同時手握核心的分發渠道，也是下游場景落地的集大成者（比如， AI 推薦系統普遍被這些企業用來對原本的推薦系統升級，以實現更好的人與貨、人與內容，廣告與人之間的推薦精準度）。
AI 的落地首先是應該體現在這大公司收入的加速擴張中，或支出降本增效和人力替代中。而一旦沒有收入的加速擴張，就會體現為重資產化資本開支強度走高，即使 AI 有有效抵消一部分研發人員開支，一旦重資產的攤銷比例上來，利潤率也會下滑。
收入增長停滯或放緩 + 利潤率收縮夾擊，EPS 必然會加速放緩，這樣就等於完全逆轉了這三年巨頭超額收益的底層支撐——收入加速增長、EPS 比收入增長更高的規模化優勢。
過去幾個季度來看，美股互聯網巨頭（微軟、谷歌、Meta、亞馬遜四家）收入端上基本保持住了高增長，甚至因為 AI 推薦系統提高了了互聯網廣告的變現效率，巨頭的收入增長以 Meta 為核心，還有加速增長的勢頭。
且 AI 投入早期階段，除了微軟之外的折舊費雖然有所拉昇，但由於收入加速增長，這些新增的費用基本能被有效攤銷。
但從 25 年三季度開始，研發支出（AI 人才爭奪戰）在報表端的利潤侵蝕已經非常明顯，以至於已經開始全部侵蝕掉了收入加速增長帶來的經營槓桿效應。
結果是，九個季度後，巨頭經營利潤率首次下滑，巨頭們首次出現了利潤增長慢於收入增長。
而回溯過往，當 2022 年美股巨頭們收入增長放緩的同時，利潤率轉而又下滑，導致 EPS 呈現雙重壓力時，巨頭普遍會經歷慘烈的殺估值行情。
從三季度已經給出業績展望的公司們來看，$Meta(META.US) 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$蘋果(AAPL.US) 外），市場目前普遍預計的是傳統互聯網業務增長放緩（電商、廣告），而云業務增長小幅加速。
對於，2026 年美股互聯網利潤能有加速增長嗎？從三季度的答案來看，除非 AI 生產力提升大殺四方，否則希望並不大，甚至能保住收入一頭加速增長也不是一件容易的事情。
如果 26 年增長確實如此，這裏隱含的意思是 AI 並沒有給傳統業務帶來顯著的增量收入，雲業務加速度不明顯，那麼 26 年很可能是三季度利潤率邊際下行、EPS 增長下行的進一步演繹。
26 年看起來多數巨頭$微軟(MSFT.US) 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 年開出的鉅額資本開支承諾，也意味着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 訂閲收入；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 佔比優化為 25 年的 65:35。
如果明年收入僅僅 300 億，那麼收入會遠遠不夠支付這些雲服務的償付承諾（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，目前的用户留存還都太差了。
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（大約油管的用户體量），按目前 APP 的付費訂閲率 10% 來毛估算，ChatGPT 穩態訂閲收入可能會在 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，影響用户對 ChatGPT 回答的信任度；但基於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，更偏訂閲產品；如果終局是訂閲類 APP，那麼交易變現假如佔比 25%（基於其他 to C 付費類 APP 估算）中廣告收入佔比來估算，那麼對應應該是 150 億美金，訂閲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 目實現全球 20 億用户的基礎上的。回溯歷史互聯網 APP 用增史，不考慮社交類 APP，多數 APP 過了 10 億用户大關之後，單體 APP（無母 APP 導流）用户繼續高增，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$谷歌-A(GOOGL.US) Gemini 模型迭代 + 垂直一體化成本優勢下的低價競爭，可能會導致導致 OpenAI 的付費訂閲率遲遲拉不上去。
而 25 年一個很大的變化是，$谷歌-C(GOOG.US) 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？
相比於創收端的難以預料，海豚君在梳理梳理 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係保持穩定，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，那麼微軟因 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 的收入在壯大過程中，虧損率沒有收斂，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閲。
免費提供 APP 服務，可以快速打滿用户，最終用户不需要為網絡服務買單，是廣告商、賣貨商為 APP 服務買單，實現極致的用户流量規模效應。
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，所以它對雲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户數量和時長——總流量池，用高效且多維度的變現來攤薄這些 IT 成本。
通過多元化變現，收入不斷壯大，而成本增長速度遠遠低於收入，利潤率結構分佈的柱子不斷上移，這也是互聯網生意的魔力之處。
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，傳統互聯網在給用户展示內容時候，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（電信運營商的併購整合），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。在重塑後生產資料權重中，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”，所以原始的用户積累階段，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，就需要訂閲付費，而非像 Meta 一樣，在全球範圍內最大可能地積累用户，中間用廣告收入完全可以支撐免費用户的全球擴張。
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 的免費用户增長過快了，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. 企業訂閲：5mn 用户，按 22 元訂閲收費，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 的市佔率迅速，已經明顯超過了 OpenAI。
由於 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，對這塊業務的推進並不高。
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，一方面企業用户本身付費能力較強，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，風險係數比 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 雲服務下游客户（第三方類客户）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、財務等特定智能部門
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、用户、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，可能性並不算大。
因此未來多年高額的 AI 資本投入，最後真正的價值承擔者，現在核算下來，似乎主要還是要寄望於端側 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，除了少數嚐鮮用户，買來除了佔地方，能有多大的實用性？
注意這裏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，憑藉既定規模出貨量來實現智能化的冷啓動——收集用户行為和場景數據，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？
相比於 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，比如説 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後，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>
海豚君過往文章：
《“AI 寵兒” 秒成 “敗家子”，Meta 還能殺回來嗎？》
本文的風險披露與聲明：海豚投研免責聲明及一般披露
本文版權歸屬原作者/機構所有。
當前內容僅代表作者觀點，與本平台立場無關。內容僅供投資者參考，亦不構成任何投資建議。如對本平台提供的內容服務有任何疑問或建議，請聯絡我們。
