人工智能经济现状
益语智库 · 2026-06-25
以自下而上的去重收入模型分析生成式AI需求、经济规模、资本开支、词元定价与产业栈，尝试回答真实客户需求能否支撑当前扩张。
---
title: "人工智能经济现状"
publisher: "Exponential View"
date: 2026-06-25
summary: "以自下而上的去重收入模型分析生成式AI需求、经济规模、资本开支、词元定价与产业栈，尝试回答真实客户需求能否支撑当前扩张。"
topics: [战略, 业务设计, AI 技术]
---
# 人工智能经济现状
## 报告速览
报告试图解决AI经济的“需求端可见性”问题。作者追踪1,000多家公司和原始披露，对应用、基础模型与托管收入去重，并用公司财务模型和供应侧数据交叉验证。核心结论是需求真实且增长极快，但利润分布不均，资本开支和折旧压力巨大，词元价格下降能否持续激发足够用量是关键变量。
==**生成式AI年化收入运行率约1,750亿美元，但产业承诺的累计资本开支接近2万亿美元：真实需求与回报压力同时存在。**==
| 维度 | 说明 |
| --- | --- |
| 范围 | 全球除中国大陆，计入应用、基础模型和基础设施托管 |
| 不计入 | 芯片销售、AI广告提升、传统软件功能和融资 |
| 数据 | 自下而上追踪1,000多家公司 |
| 方法 | 来源分级、公司建模、三角验证与跨层去重 |
| 主线 | 需求、经济、资本开支、词元与产业栈 |
## 核心问题
| 问题 | 解读视角 |
| --- | --- |
| AI收入是否来自真实外部客户？ | 拆分应用、模型和托管层增值 |
| AI经济有多大、增长多快？ | 去重收入、GDP占比和采用速度 |
| 资本开支能否回收？ | 收入、折旧、利用率和融资结构 |
| 价格下降会扩大还是压缩市场？ | 词元价格弹性、用量和总支出 |
| 价值最终在哪一层沉淀？ | 应用、模型、托管和能源之间的利润分配 |
## 核心结论
| 结论 | 意义 |
| --- | --- |
| 需求由真实客户驱动 | 去重后生成式AI年化收入运行率约**1,750亿美元** |
| 发展速度异常快 | 报告估算其收入轨迹约为以往IT浪潮的**3倍** |
| 经济体量仍处早期 | 快速增长不等于已占宏观经济主导地位 |
| 资本开支成为核心风险 | 超大规模与新型云服务商承诺的累计资本开支接近**2万亿美元** |
| 词元经济具有高弹性 | 价格下降伴随用量快速增长，但利润取决于利用率和成本曲线 |
```chart
type: bar
title: 生成式AI经济收入的两种当前口径
unit: 十亿美元
x: 过去12个月去重收入, 年化运行率
y: 110, 175
```
## 研究方法与证据边界
研究追踪1,000多家公司，将收入追溯到审计账目、监管文件、高管披露和可信报道；所有来源进行置信度分级，并用完整公司财务模型、芯片、建设成本和产能数据三角验证。收入按增值额跨层去重，避免同一美元在应用、模型和托管层重复计算。私营公司和未披露业务仍需要模型估计。
| 维度 | 说明 |
| --- | --- |
| 来源 | 原始申报、审计账目、高管披露、可信报道和代理指标 |
| 覆盖 | 1,000多家公司 |
| 置信度 | 每条输入分级，派生数据继承较低评级 |
| 验证 | 公司模型与芯片、建设、产能和行业资料交叉核对 |
| 去重 | 按各层增值归属，不跨层相加 |
| 边界 | 私营和分部未披露数据含模型判断 |
## 01 需求真实、巨大且增长迅速
应用订阅、API调用和企业合同形成真实外部收入。每新增10亿美元累计收入所需时间从2023年的约180天缩短到不足2天，说明增长不仅来自一次性热潮，而是在多个采用阶段延续。
| 信号 | 报告观察 | 解读 |
| --- | --- | --- |
| 去重收入 | 过去12个月约1,100亿美元 | 避免产业栈重复计算 |
| 年化运行率 | 约1,750亿美元 | 反映最近增长速度 |
| 波次速度 | 约为以往IT浪潮3倍 | 资本规划需要更短反馈周期 |
| 新增收入速度 | 从约180天到不足2天 | 需求加速但波动风险也高 |
## 02 AI经济大、但相对宏观经济仍小
报告强调，AI既可能对单个供应商或行业产生巨大影响，又仍只占整体GDP的一小部分。企业收益分布不均，且许多生产率改善未被财务系统单独量化。
| 层面 | 当前判断 | 常见误读 |
| --- | --- | --- |
| 产业收入 | 增长极快 | 等同于全经济已经AI化 |
| 企业采用 | 头部支出和收益集中 | 平均企业都会同幅受益 |
| 生产率 | 大量价值可能未计量 | 没有单列收入就没有价值 |
| 利润 | 成本节约和增长分布不同 | 收入增长必然转成净利润 |
## 03 资本开支超级周期正在接受回报检验
超大规模企业和新型云服务商计划的累计资本开支接近2万亿美元。折旧、能源、融资和利用率决定基础设施经济性。报告估算2026年相关折旧接近1,110亿美元，并指出在计入其他成本前，折旧已吸收很大部分生成式AI收入。
```chart
type: bar
title: 报告估算的AI基础设施关键规模
unit: 十亿美元
x: 累计资本开支承诺, 2026年折旧费用
y: 2000, 111
```
- 累计资本开支承诺与单年折旧属于不同时间口径，不能直接相减。
## 04 词元是产量单位，但未必是最终价值单位
词元用量反映模型活动，却不能单独说明客户价值。报告观察到价格下降往往带来超过比例的用量增加：每降价10%，词元数量增加约12%-18%，总支出仍可能上升。代理型工作负载会进一步推高调用量。
```chart
type: hbar
title: 价格下降10%时词元数量增幅区间
unit: %
x: 增幅下界, 增幅上界
y: 12, 18
```
- 这是报告基于观察给出的弹性区间，不是所有模型和客户的固定规律。
## 05 产业栈决定价值与风险分配
应用层接近客户和业务结果，模型层提供认知能力，托管层把资本与能源转为计算。开放权重、模型价格、云利用率和应用差异化共同决定利润池如何移动。
| 层级 | 核心收入 | 主要成本/风险 |
| --- | --- | --- |
| 应用 | 订阅、席位、结果和交易 | 获客、模型调用和同质化 |
| 基础模型 | API、许可和自有应用 | 训练、推理与价格竞争 |
| 托管 | 计算和基础设施服务 | 资本、折旧、能源和利用率 |
| 供应链 | 芯片与建设收入 | 周期、产能和技术替代 |
## 结论与行动建议
企业和投资者应同时追踪去重收入、单位经济性、资本回收和客户结果，避免用单一词元或资本开支指标判断健康度。
| 行动 | 牵头角色 | 验证指标 |
| --- | --- | --- |
| 建立去重收入视图 | 财务与战略团队 | 层级增值而非总交易额 |
| 追踪单位经济性 | 产品与基础设施团队 | 每任务收入、模型成本和毛利 |
| 压力测试利用率 | CFO与基础设施负责人 | 折旧和能源在多场景下可承受 |
| 把词元映射到客户价值 | 产品负责人 | 调用量与完成结果、留存连接 |
| 披露估计不确定性 | 研究与投资团队 | 来源置信度和模型假设透明 |
> 数据说明：本报告含大量作者专有模型估计，尤其是私营公司收入、AI资本开支归属和分层增值。1,750亿美元为年化运行率，1,100亿美元为过去12个月收入，两者不能直接相加。