AI的聰明，終究要用于賺錢

2026年7月，AI走到了微妙關(guān)口。

錢還在往里砸——四家頭部云廠商2026年資本開支合計7250億美元，比2025年猛增77%。但資本市場已經(jīng)換了臉色，“七巨頭”上半年整體下跌。

7月，Meta計劃出租閑置算力的消息一出，Meta自己大漲，算力產(chǎn)業(yè)鏈卻集體撲街。

同月，微軟開始大面積取消Claude Code內(nèi)部許可證。就在半年前，微軟剛把這套AI編程工具開放給數(shù)千名工程師，使用率從32%飆到84%，有人一個月Token費用就花掉500到2000美元——微軟也經(jīng)不起這么折騰。

還有一個信號更宏觀：Silicon Data的Token支出指數(shù)，自2024年底創(chuàng)立以來近乎翻倍，2026年5月見頂后已回落近20%。

指數(shù)回落背后是更具體的現(xiàn)實：大廠程序員發(fā)現(xiàn)模型接口開始排隊了，有人抱怨“現(xiàn)在用AI像搶車位”，額度一到月底就見底。

三件事指向同一個變化：過去三年聊模型能力，今天開始聊商業(yè)回報。

AI，不是互聯(lián)網(wǎng)

AI的生意和互聯(lián)網(wǎng)的生意，底層邏輯天然有所區(qū)別。

互聯(lián)網(wǎng)時代：固定成本高，邊際成本趨近零。微信多一億用戶，服務(wù)器成本增加有限。流量是資產(chǎn)，用戶越多越賺錢。

AI時代：用戶增長→Token增長→GPU消耗增長→成本同步增長。用戶每說一句話都在消耗資源。

互聯(lián)網(wǎng)時代，流量是資產(chǎn)，在AI時代，流量可能變成負債。

但這里有一個容易搞混的地方。

很多人覺得AI燒錢燒在訓(xùn)練上——動不動幾百萬美元跑一次模型，聽著就嚇人。但訓(xùn)練其實是一次性的研發(fā)投入，就像買一臺礦機，貴是貴，買完就完了。

真正要命的，是推理。用戶每問一句話，你就要付一次錢。像電費，機器開著就在流血。

訓(xùn)練燒錢未必致命——融資能覆蓋。推理如果算不過來賬，用戶越多，倒得越快。

那Token指數(shù)回落近20%怎么理解？不一定是不用AI了，也可能是在更省著用。工程上各種優(yōu)化——MoE、蒸餾、KV Cache、緩存命中——讓同樣一件事消耗的Token變少了；企業(yè)也在把調(diào)用從貴的大模型往便宜的模型遷移，低價值的用法則干脆砍掉。幾股力量合在一起，Token增速自然就慢下來了。

如果算力成本只是數(shù)字上的問題，靠技術(shù)優(yōu)化和規(guī)模效應(yīng)總能慢慢解決。但AI商業(yè)化真正棘手的，是一個更深層的錯位：它創(chuàng)造的價值，和它收取費用的方式之間，隔著一條看不見的裂縫。

員工喜歡AI，老板只看賬單

正如學(xué)生上補課班，買單的是家長一樣，AI產(chǎn)業(yè)有一個挺獨特的結(jié)構(gòu)性問題：用它的人和為它付錢的人，不是同一個人。

員工可太喜歡AI了：寫周報、做PPT、整理會議紀要、生成代碼。效率的提升是每個人都能直接感受到的。但老板關(guān)心的是另一套東西：收入增加了嗎？成本降下來了嗎？人員減少了嗎？

很多AI創(chuàng)造的是效率價值，卻沒有轉(zhuǎn)化成財務(wù)價值。

一百個員工每人每天省下30分鐘，聽起來很美好。但工資沒降，崗位沒減，利潤沒增——軟件費用反而還多了一筆。在員工眼里，這是“效率神器”；在老板的利潤表上，它往往只是一筆“管理費用”的增加。

有人總結(jié)得很精準：先給你無限Token隨便用，等你已經(jīng)離不開AI了，再開始限制額度。問題就在于，2025到2026年，這一批工具集體從“聊天”升級成了“Agent”，突然變得特別能燒錢。

效率提升這件事，在沒有變成利潤之前，老板是看不見的。他只看得見賬單。于是有了一個很自然的反應(yīng)：既然AI這么能燒錢，那就限制著用。

一個對比很清楚：RPA（機器人流程自動化）為什么賣得動？因為它替代了3個崗位，軟件成本增加10萬，人工成本減少30萬——ROI清清楚楚。而很多Copilot類產(chǎn)品呢，軟件成本增加了，人工成本卻沒變——ROI是模糊的。

但問題還不止于此。RPA之所以ROI清晰，是因為它做的事是確定的、重復(fù)的、出錯了可以立刻修正的。而很多AI產(chǎn)品面對的場景，遠比這復(fù)雜。復(fù)雜性帶來的不僅是算力消耗，還有一個更棘手的東西：不確定性。

當(dāng)結(jié)果不確定，企業(yè)就得掂量——這個不確定，我承擔(dān)得起嗎？

有些場景對準確率沒有那么苛刻。比如會議紀要、法律初審、代碼輔助、財務(wù)審核，準確率85%就可以接受。只要AI犯錯帶來的成本，比人工全量處理的成本低，這商業(yè)模式就有機會跑通。

但換到自動駕駛、醫(yī)療診斷、金融交易、司法裁決這些場景，邏輯就完全不同了。在這里，決定商業(yè)價值的不是效率，而是責(zé)任。AI離決策層越近，責(zé)任就越大，企業(yè)對精度的要求就越高，驗證成本就越高，商業(yè)化的周期也就拉得越長。

同樣是AI犯錯：會議紀要寫錯一個數(shù)字，損失可能就是5分鐘的回查時間；醫(yī)療診斷給錯一個用藥建議，一旦引發(fā)訴訟，賠償金額往往幾十上百萬。

深圳一家AI教育硬件公司推出的AI拍學(xué)機，累計用戶超過25萬，但至今未能盈利。原因在于每一次識別都要消耗Token，用戶越活躍，成本越高。

為了控制開支，公司不得不采用端云協(xié)同、小模型處理高頻任務(wù)、緩存重復(fù)結(jié)果等方式壓縮推理成本。

最近Momenta成功上市后，創(chuàng)始人曹旭東表示，1000萬輛車，按一年1萬公里累計，當(dāng)年的駕駛里程就有1000億公里。這些數(shù)據(jù)足以覆蓋很多場景。這里面涉及的問題，人開一輩子車可能都不會遇到。但他同時也說，正常情況下，人開車差不多1萬公里左右，會遇到一次難以處理的場景。

題做錯了大不了重做，但換成自動駕駛，一瞬間的判斷失誤，可能就是生命代價。這就是為何Momenta必須采用真實數(shù)據(jù)背后的考量。AI越靠近決策層，商業(yè)化的瓶頸往往越不是算力，而是責(zé)任。

AI當(dāng)然要算賬，但別過了頭

過去幾年，行業(yè)看的是用戶數(shù)、DAU、Token、參數(shù)規(guī)模。未來幾年，大家盯著的指標會變成：單用戶毛利、推理成本、客戶續(xù)費率、ROI、自由現(xiàn)金流。

互聯(lián)網(wǎng)時代，規(guī)模幾乎天然帶來利潤；AI時代，只有先證明利潤，規(guī)模才有意義。

中金公司的研究測算顯示，從算力自建的角度看，推理成本大概是每百萬Token 2美元；從算力租賃的角度看，大約是2.6美元。Bessemer Venture Partners在《State of AI 2025》報告里也指出，AI公司的毛利率遠遠低于傳統(tǒng)SaaS，大概在60%上下，有些公司甚至低到了25%。

當(dāng)VC的盡調(diào)清單里開始出現(xiàn)“單用戶收入是否能夠覆蓋推理成本，并留下足夠毛利”這樣的語句時，AI行業(yè)的技術(shù)敘事，就徹底讓位給了商業(yè)敘事。

2026年，還發(fā)生了一個很微妙但影響深遠的變化：到底是誰決定AI資源的分配？

過去三年，資源往往聽工程師的。大家討論的是參數(shù)、算力、模型能力。今天，財務(wù)部門開始拿到越來越大的話語權(quán)。大家討論的，變成了ROI、毛利率、現(xiàn)金流。過去三年一直坐在后排的CFO，現(xiàn)在坐到了副駕駛的位置上。

飛書CEO謝欣在今年1月的一次演講里也提到，企業(yè)落地AI的時候，安全管控部門和財務(wù)預(yù)算部門正在成為主要的阻力。他的建議是，財務(wù)預(yù)算要從ROI思維，升級成COI思維，也就是關(guān)注“不作為的成本”。

但這里也需要警惕另一種極端。如果說工程師高估了技術(shù)，那么財務(wù)可能低估了未來。很多顛覆式創(chuàng)新——Agent、Physical AI、世界模型——天然就不符合短期ROI那套邏輯。

過去三年，工程師坐在駕駛位，財務(wù)坐在后排。今天，財務(wù)坐到了副駕駛，開始盯著油表看了。但如果財務(wù)一把搶過方向盤，同樣也可能錯過未來。

那么問題來了，誰會率先跑通商業(yè)模式？

像初級法律輔助、工業(yè)質(zhì)檢、初級金融風(fēng)控輔助、行業(yè)知識庫、垂直SaaS，這類場景有一個共同點：責(zé)任邊界清晰，結(jié)果能用錢衡量，ROI算得過來。說白了，就是AI犯錯的代價可以接受，省下來的錢看得見、摸得著。

什么樣的可能面臨危險？那些千篇一律的通用聊天機器人、免費AI助手、同質(zhì)化嚴重的AI應(yīng)用。用戶量看著挺大，可錢從哪兒來，沒人說得清楚。

安聯(lián)研究算了一筆賬，目前AI領(lǐng)域的投資增速，和實際銷售收入之間，存在著接近46%的“增長斷層”。這個數(shù)字，比2001年互聯(lián)網(wǎng)泡沫破裂期的32%還要嚴重。換句話說，錢是真砸進去了，收入?yún)s沒跟上。

把目光放長一點，真正的機會，可能藏在“開源模型+行業(yè)數(shù)據(jù)+工作流”這個組合里。企業(yè)未來買的，未必是模型本身，而是模型背后的行業(yè)能力。誰更懂某個行業(yè)的數(shù)據(jù)和流程，誰就能把AI變成可收費的服務(wù)。

當(dāng)然，如果Agent或者Physical AI哪天突然突破了，現(xiàn)在的算力格局可能又得重新洗牌。但不管怎么洗，ROI這個問題不會消失，只會換一種方式，重新出現(xiàn)在下一張利潤表上。

值得注意的是，過度追求短期ROI同樣可能埋下隱患。近期《哈佛商業(yè)評論》提到，一些企業(yè)在用AI削減初級崗位后，18個月內(nèi)便出現(xiàn)人才斷層。財務(wù)能計算成本，卻未必能計算未來能力的價值。

尾聲

過去三年，AI行業(yè)拼的是誰的模型更聰明；從2026年開始，拼的是誰先賺到錢。

技術(shù)突破當(dāng)然重要，但真正決定行業(yè)格局的，不再只是參數(shù)、Token和算力，而是誰能把AI變成客戶愿意持續(xù)買單的生意。

AI迎來的不止是技術(shù)瓶頸，更是商業(yè)化大考。

免責(zé)聲明（上下滑動查看全部）

任何在本文出現(xiàn)的信息（包括但不限于個股、評論、預(yù)測、圖表、指標、理論、任何形式的表述等）均只作為參考，投資人須對任何自主決定的投資行為負責(zé)。另，本文中的任何觀點、分析及預(yù)測不構(gòu)成對閱讀者任何形式的投資建議，亦不對因使用本文內(nèi)容所引發(fā)的直接或間接損失負任何責(zé)任。投資有風(fēng)險，過往業(yè)績不預(yù)示未來表現(xiàn)。財經(jīng)早餐力求文章所載內(nèi)容及觀點客觀公正，但不保證其準確性、完整性、及時性等。本文僅代表作者本人觀點。

?星標財經(jīng)早餐，好內(nèi)容不錯過?

覺得好看，請點“在看”，歡迎點贊評論和轉(zhuǎn)發(fā)