贏家通吃，還是百花齊放？AI產(chǎn)業(yè)格局的四層推演

本文來自微信公眾號： 防冷涂的臘 ，作者：防冷涂的臘

過去三年，AI產(chǎn)業(yè)的每一次技術(shù)升級，似乎都在強(qiáng)化同一種判斷。

前沿模型的訓(xùn)練成本越來越高，頭部科技公司不斷上調(diào)資本開支，芯片、云計算和用戶流量快速向少數(shù)公司集中。按照互聯(lián)網(wǎng)時代的經(jīng)驗，AI最終也會收斂到少數(shù)超級平臺手中。

數(shù)據(jù)卻沒有完全支持這個結(jié)論。

OECD在2026年7月發(fā)布的報告顯示，2023年全球前三大云廠商占據(jù)約74%的市場份額，英偉達(dá)在GPU市場的份額約為90%。美國五家最大的科技公司，2025年資本開支合計達(dá)到4000億美元，2026年預(yù)計進(jìn)一步增至6600億美元。

但進(jìn)入模型和應(yīng)用層，市場仍在快速變化。

截至2026年5月，ChatGPT在全球AI聊天機(jī)器人網(wǎng)站流量中的份額，從一年前的76.4%降至52.7%；Gemini由8.9%升至27.3%，Claude則從1.6%升至8.9%。ChatGPT仍然領(lǐng)先，優(yōu)勢卻在收窄。

獨(dú)立AI應(yīng)用也沒有被基礎(chǔ)模型廠商迅速消滅。Cursor在2025年11月的年化收入已經(jīng)超過10億美元；可靈AI在2026年一季度收入超過6.5億元，同比增長超過300%；Harvey在2026年3月服務(wù)超過1300家機(jī)構(gòu)和10萬名律師，平臺上運(yùn)行著2.5萬個定制智能體。

一邊是資本、算力和基礎(chǔ)設(shè)施迅速集中，一邊是模型數(shù)量增加、應(yīng)用公司不斷涌現(xiàn)。兩種趨勢同時發(fā)生，說明“贏家通吃”與“百花齊放”的二選一，本身就可能問錯了問題。

AI產(chǎn)業(yè)究竟會在哪里集中？當(dāng)前的市場份額能否形成長期壁壘？誰能夠活下來，誰又能獲得利潤？

要回答這些問題，需要把AI產(chǎn)業(yè)拆開來看。

01AI產(chǎn)業(yè)并非一個市場

市場討論AI競爭，最常比較的是模型參數(shù)、榜單排名、用戶數(shù)量和融資規(guī)模。這些數(shù)據(jù)很重要，卻回答不了同一個問題。

判斷一層市場的產(chǎn)業(yè)格局，需要從市場集中度、市場可競爭性和利潤池三個維度觀察。

第一是市場集中度，觀察頭部公司占據(jù)了多少市場份額，這一層最終能夠容納多少家主要企業(yè)。

第二是市場可競爭性。即使一家公司的市場份額很高，只要新進(jìn)入者仍能進(jìn)入，客戶能夠低成本切換，企業(yè)也可以同時使用多家供應(yīng)商，它的領(lǐng)先地位就沒有形成牢固壁壘。

第三是利潤池。公司數(shù)量多，不代表利潤會平均分配；用戶規(guī)模高度集中，也不代表這一層已經(jīng)形成穩(wěn)定的資本回報。

基礎(chǔ)模型就是典型案例。前沿模型掌握在少數(shù)公司手中，模型性能卻在收斂，調(diào)用價格持續(xù)下降，企業(yè)也越來越多地采用多模型架構(gòu)。這一層可能長期保持寡頭競爭，卻未必?fù)碛蠥I產(chǎn)業(yè)鏈中最好的利潤。

云計算的情況完全不同。云廠商的客戶增速未必有AI應(yīng)用那么快，但基礎(chǔ)設(shè)施投入巨大，客戶遷移困難，頭部公司已經(jīng)連續(xù)多年獲得高于資本成本的回報。

造成差異的，是四組產(chǎn)業(yè)變量。

固定成本高、轉(zhuǎn)換成本強(qiáng)的市場，容易形成長期寡頭；產(chǎn)品高度標(biāo)準(zhǔn)化、客戶可以同時使用多家供應(yīng)商的市場，即使頭部公司投入巨大，也很難鎖定用戶。

所以，AI不是一個市場。算力與云、基礎(chǔ)模型、通用入口和行業(yè)工作流，遵循著四套不同的競爭邏輯。

02算力與云：寡頭格局已經(jīng)形成

AI產(chǎn)業(yè)的上游，已經(jīng)率先形成結(jié)構(gòu)性集中。

芯片研發(fā)、先進(jìn)制程、數(shù)據(jù)中心、電力和高速網(wǎng)絡(luò)，都需要巨額前期投入。這些投入大部分屬于沉沒成本，規(guī)模越大，采購能力、設(shè)備利用率和單位運(yùn)營成本越有優(yōu)勢。

OECD統(tǒng)計的2023年數(shù)據(jù)中，全球前三大云廠商市場份額達(dá)到74%，英偉達(dá)約占GPU市場的90%。三年后的報告仍將芯片和云計算列為AI產(chǎn)業(yè)中集中程度最高的市場。

利潤也率先沉淀在這里。

英偉達(dá)2026財年收入達(dá)到2159億美元，同比增長65%，GAAP毛利率為71.1%；2027財年第一季度收入進(jìn)一步增至816億美元，毛利率升至74.9%。在芯片持續(xù)迭代、資本開支不斷擴(kuò)張的階段，英偉達(dá)仍能保持這樣的盈利能力，依靠的不只是芯片性能，還有CUDA軟件生態(tài)、開發(fā)工具以及客戶的遷移成本。

云計算的鎖定效應(yīng)更加明顯。

英國競爭與市場管理局的調(diào)查顯示，2024年Microsoft和AWS在IaaS市場的份額均為30%—40%，Google為5%—10%。每年更換主要云服務(wù)商的客戶不足1%。大型企業(yè)雖然會采購多家云服務(wù)，主要支出通常仍集中在一家供應(yīng)商。

數(shù)據(jù)遷出費(fèi)用、接口差異、員工技能、安全體系、軟件授權(quán)和系統(tǒng)時延，共同提高了遷移成本。客戶更換云廠商，需要重新調(diào)整數(shù)據(jù)、應(yīng)用、人員和安全架構(gòu)，遠(yuǎn)比切換一個模型API復(fù)雜。

CMA的調(diào)查還發(fā)現(xiàn)，Microsoft和AWS連續(xù)多年獲得顯著高于資本成本的回報。市場集中度、轉(zhuǎn)換成本和利潤水平，在這一層形成了完整的驗證鏈條。

Google、Amazon、Microsoft和阿里都在發(fā)展自研芯片，模型壓縮和推理效率提升也在降低單位算力需求。這些變化會調(diào)整寡頭內(nèi)部的市場份額，卻很難逆轉(zhuǎn)集中趨勢。

自研芯片同樣需要資本、供應(yīng)鏈和軟件生態(tài)。它把競爭從幾家芯片公司之間，擴(kuò)大到幾套全棧基礎(chǔ)設(shè)施之間，行業(yè)門檻反而更高了。

AI上游不會只剩一個贏家，但留在核心競爭中的公司已經(jīng)屈指可數(shù)。這一層的創(chuàng)業(yè)窗口基本關(guān)閉，競爭屬于少數(shù)擁有巨額資本和完整生態(tài)的科技公司。

03基礎(chǔ)模型：技術(shù)優(yōu)勢正在加速折舊

基礎(chǔ)模型是AI產(chǎn)業(yè)中最容易被高估的一層。

訓(xùn)練前沿模型需要大量算力、人才和數(shù)據(jù)。斯坦福《AI Index 2026》顯示，2025年超過90%的重要AI模型來自產(chǎn)業(yè)界。大學(xué)和小型實(shí)驗室仍然能夠推動算法創(chuàng)新，但承擔(dān)前沿模型訓(xùn)練成本的主體，已經(jīng)變成大型科技公司和獲得巨額融資的模型企業(yè)。

如果只看投入門檻，基礎(chǔ)模型似乎也會復(fù)制芯片市場的集中路徑。

現(xiàn)實(shí)卻復(fù)雜得多。

OECD對模型市場的研究顯示，截至2025年初，活躍基礎(chǔ)模型已經(jīng)超過1000個。真正進(jìn)入“性能—價格經(jīng)濟(jì)前沿”的公司大約有10家，另有15家公司與前沿水平的差距不到一年。

前沿位置也不穩(wěn)定。領(lǐng)先模型平均每月有約30%被新模型替代，大多數(shù)模型在三個月內(nèi)就會離開經(jīng)濟(jì)前沿。

模型能力之間的差距正在縮小。

2025年的Arena榜單中，前四名模型之間一度相差約97分；到2026年3月，Anthropic、xAI、Google和OpenAI的頭部模型差距已經(jīng)縮小到25分以內(nèi)。同期，最強(qiáng)閉源模型與最強(qiáng)開放權(quán)重模型之間相差3.4%，中美最強(qiáng)模型之間相差2.7%。

價格下降得更快。OECD的質(zhì)量調(diào)整價格指數(shù)顯示，文本模型的單位質(zhì)量價格，從2024年1月至2026年4月累計下降接近80%。

這組數(shù)據(jù)揭示了基礎(chǔ)模型最殘酷的一面：訓(xùn)練成本不斷上升，技術(shù)領(lǐng)先的有效期卻在縮短。模型能力越接近，客戶越容易在價格、延遲、隱私和可靠性之間重新選擇。

企業(yè)可以把復(fù)雜任務(wù)交給前沿模型，把標(biāo)準(zhǔn)化任務(wù)交給低成本模型，再通過路由系統(tǒng)動態(tài)切換。開源模型則提供了另一套價格錨點(diǎn)，使閉源廠商很難長期依靠單項能力維持高溢價。

因此，基礎(chǔ)模型最終不會留下上千個有效競爭者。少數(shù)公司繼續(xù)承擔(dān)前沿訓(xùn)練，開放模型服務(wù)本地部署和特定場景，處在中間位置、缺少性能與成本優(yōu)勢的模型會逐漸退出。

但公司數(shù)量收縮，不等于利潤自然集中。

模型廠商需要持續(xù)承擔(dān)訓(xùn)練成本、推理補(bǔ)貼和獲客投入，產(chǎn)品價格又在快速下降。它們可以留在市場中，甚至占據(jù)較大份額，資本回報卻可能長期低于市場預(yù)期。

基礎(chǔ)模型很可能成為AI產(chǎn)業(yè)中資本消耗最重、商業(yè)壁壘最容易折舊的一層。技術(shù)領(lǐng)先能夠帶來流量和融資，卻很難單獨(dú)構(gòu)成長期定價權(quán)。

這也解釋了為什么OpenAI、Google和Anthropic都在向搜索、代碼、辦公、智能體和企業(yè)部署延伸。基礎(chǔ)模型公司必須繼續(xù)控制用戶入口或進(jìn)入工作流，才能擺脫API價格競爭。

04通用入口：流量集中，勝負(fù)未定

通用AI助手天然具有集中趨勢。

截至2026年5月，ChatGPT、Gemini和Claude占全球AI聊天機(jī)器人網(wǎng)站流量的份額分別為52.7%、27.3%和8.9%，前三家合計接近89%。

ChatGPT的份額較一年前明顯下降，說明先發(fā)優(yōu)勢還沒有形成絕對鎖定；前三家接近九成的流量，又說明通用入口很難長期容納大量同質(zhì)化產(chǎn)品。

這一層的壁壘主要來自品牌、用戶習(xí)慣、歷史上下文、訂閱關(guān)系和分發(fā)渠道。

當(dāng)AI助手開始保存記憶，連接郵箱、文檔和日歷，理解個人偏好并代理執(zhí)行任務(wù)，用戶遷移時失去的將不只是對話記錄，還包括一套長期形成的個人數(shù)據(jù)和使用習(xí)慣。

分發(fā)渠道同樣會改變競爭格局。Google可以把Gemini嵌入搜索、Android和Workspace，Microsoft擁有Windows和Office，OpenAI則擁有規(guī)模最大的獨(dú)立AI用戶基礎(chǔ)。

通用入口最終更可能收斂為少數(shù)全球平臺和若干區(qū)域平臺。大量功能相似、缺少獨(dú)立渠道的助手，很難持續(xù)獲得用戶。

但入口集中，也不能直接推導(dǎo)出利潤集中。

Google和Microsoft可以通過搜索、辦公軟件和云服務(wù)補(bǔ)貼AI助手，免費(fèi)產(chǎn)品會持續(xù)壓低獨(dú)立訂閱的價格。入口的價值還可能體現(xiàn)在廣告、云計算、軟件續(xù)費(fèi)和數(shù)據(jù)協(xié)同中，并不一定完整留在AI助手自己的利潤表里。

這正是通用入口與云計算的差別。云廠商已經(jīng)擁有較強(qiáng)的客戶鎖定和穩(wěn)定回報；AI助手仍處在高投入、低價格和交叉補(bǔ)貼的競爭階段。

通用入口會高度集中，卻未必成為最厚的獨(dú)立利潤池。巨頭爭奪入口，很多時候是在保護(hù)原有業(yè)務(wù)，或者為云、搜索和辦公軟件導(dǎo)流。

05行業(yè)應(yīng)用：百花齊放只是第一階段

應(yīng)用層會“百花齊放”，同樣是一個過于樂觀的判斷。

通用助手、代碼工具、視頻生成和法律AI都屬于應(yīng)用，面對的競爭機(jī)制卻完全不同。應(yīng)用公司的長期價值，取決于它能否進(jìn)入用戶工作流，并逐漸提高客戶的遷移成本。

▍高頻工具：一個品類只會留下少數(shù)平臺

Cursor是高頻工具的代表。

它建立在外部基礎(chǔ)模型之上，卻沒有停留在模型調(diào)用界面，而是進(jìn)入代碼編輯、項目上下文、代碼庫理解和智能體執(zhí)行。2025年11月，Cursor的年化收入超過10億美元，說明用戶愿意為完整開發(fā)環(huán)境付費(fèi)。

用戶可以更換Cursor調(diào)用的底層模型，長期積累的項目結(jié)構(gòu)、代碼上下文、使用習(xí)慣和團(tuán)隊協(xié)作流程卻很難遷移。模型可以替換，工作流仍然由應(yīng)用公司掌握。

可靈AI走的是另一條路線。它依托快手的視頻數(shù)據(jù)、算法積累和內(nèi)容生態(tài)發(fā)展視頻生成業(yè)務(wù)，2026年第一季度收入超過6.5億元。它的競爭力并非只來自模型能力，還包括創(chuàng)作者、內(nèi)容分發(fā)和視頻生產(chǎn)場景。

這類市場不會長期保持大量公司并存。隨著功能標(biāo)準(zhǔn)化、獲客成本上升，一個高頻品類最終會留下兩三家主要平臺，其余產(chǎn)品轉(zhuǎn)向細(xì)分市場或者退出。

▍垂直AI：行業(yè)壁壘不等于高利潤

法律、醫(yī)療、金融、工業(yè)和建筑行業(yè)，擁有不同的專業(yè)知識、數(shù)據(jù)結(jié)構(gòu)、監(jiān)管規(guī)則和責(zé)任邊界。模型輸出只是交付的一部分，企業(yè)還需要處理數(shù)據(jù)權(quán)限、系統(tǒng)集成、審查流程、結(jié)果追溯和責(zé)任歸屬。

Harvey的發(fā)展可以說明這種壁壘如何形成。

截至2026年3月，Harvey服務(wù)超過1300家機(jī)構(gòu)和10萬名律師，平臺上運(yùn)行著2.5萬個定制智能體，覆蓋并購、盡職調(diào)查、合同起草和文件審查。

客戶采購的是一套嵌入律所內(nèi)部的知識庫、權(quán)限體系和工作流程。底層模型即使發(fā)生變化，歷史數(shù)據(jù)、業(yè)務(wù)規(guī)則和系統(tǒng)接口仍然留在應(yīng)用平臺中。

AI進(jìn)入核心業(yè)務(wù)以后，部署難度還會上升。工程團(tuán)隊需要連接客戶的數(shù)據(jù)和軟件，處理安全、審計和組織流程。基礎(chǔ)模型降低了產(chǎn)品開發(fā)門檻，行業(yè)交付門檻卻被進(jìn)一步抬高。

行業(yè)之間的差異足夠大，很難由一個通用平臺覆蓋全部場景。不同地區(qū)的監(jiān)管、語言和客戶關(guān)系，也為本地公司留下了空間。這決定了垂直市場能夠容納更多企業(yè)。

不過，垂直不等于高利潤。

定制交付過重，會拖累毛利率和擴(kuò)張速度；客戶數(shù)量有限，容易形成較高的客戶集中度；算力和部署成本過高，也可能使收入增長無法轉(zhuǎn)化為自由現(xiàn)金流。

判斷一家垂直AI公司的商業(yè)質(zhì)量，最終仍要看續(xù)費(fèi)率、毛利率、計算成本、交付費(fèi)用和客戶集中度。

▍缺少獨(dú)立壁壘的應(yīng)用：淘汰速度最快

缺少獨(dú)立入口、業(yè)務(wù)數(shù)據(jù)和工作流程的應(yīng)用，處在產(chǎn)業(yè)鏈中最脆弱的位置。

基礎(chǔ)模型每升級一次，都可能覆蓋一批原本需要獨(dú)立軟件完成的功能。傳統(tǒng)SaaS公司也可以把AI直接嵌入現(xiàn)有產(chǎn)品，通過已有客戶關(guān)系完成分發(fā)。

模型調(diào)用價格下降以后，簡單應(yīng)用的技術(shù)門檻和收費(fèi)空間會同時下降。流量增長如果沒有轉(zhuǎn)化為用戶數(shù)據(jù)、工作流和遷移成本，下一次模型升級就可能抹去已有優(yōu)勢。

所以，應(yīng)用層的繁榮會極不平均。

通用入口向少數(shù)平臺集中，高頻工具會收斂，垂直行業(yè)能夠容納更多公司，缺少工作流壁壘的產(chǎn)品則會快速被淘汰。

應(yīng)用層并不天然屬于創(chuàng)業(yè)公司。只有進(jìn)入工作流、掌握獨(dú)立數(shù)據(jù)或者擁有分發(fā)渠道的公司，才有機(jī)會把模型能力轉(zhuǎn)化為長期收入。

06巨頭之爭：模型之外的產(chǎn)業(yè)控制權(quán)

產(chǎn)業(yè)經(jīng)濟(jì)學(xué)家David Teece提出過“互補(bǔ)資產(chǎn)”的概念。一項技術(shù)能否轉(zhuǎn)化為商業(yè)價值，取決于技術(shù)本身，也取決于制造、渠道、品牌和客戶關(guān)系等配套能力。

放到AI產(chǎn)業(yè)，最重要的互補(bǔ)資產(chǎn)已經(jīng)變成云、入口、數(shù)據(jù)和工作流。

模型公司正在進(jìn)入搜索、代碼、辦公和企業(yè)部署；云廠商通過模型市場和基礎(chǔ)設(shè)施綁定客戶；互聯(lián)網(wǎng)平臺依靠現(xiàn)有流量完成分發(fā)；應(yīng)用公司則通過積累業(yè)務(wù)數(shù)據(jù)和訓(xùn)練專用模型，降低對單一基礎(chǔ)模型的依賴。

2026年5月，OpenAI成立Deployment Company，計劃投入超過40億美元，通過部署工程師進(jìn)入企業(yè)內(nèi)部，幫助客戶改造數(shù)據(jù)、系統(tǒng)和核心工作流。首批團(tuán)隊包括擬收購的Tomoro約150名部署工程師。

這一步說明，OpenAI已經(jīng)意識到，單純提供模型API無法控制企業(yè)AI的價值鏈。基礎(chǔ)模型的競爭正在向企業(yè)部署和工作流延伸。

阿里走的是更完整的縱向一體化路線。它同時布局自研芯片、云基礎(chǔ)設(shè)施、通義千問、開源生態(tài)和通義應(yīng)用。2025年第四季度，阿里云收入同比增長36%，AI相關(guān)產(chǎn)品收入連續(xù)第十個季度保持三位數(shù)增長；截至2026年1月，Qwen系列在Hugging Face累計下載量超過10億次。

未來的競爭單位，會逐漸從單一模型轉(zhuǎn)向一套由算力、模型、入口、數(shù)據(jù)和工作流組成的系統(tǒng)。

全棧巨頭可以在不同業(yè)務(wù)之間轉(zhuǎn)移流量、成本和利潤，也能夠通過默認(rèn)設(shè)置、捆綁銷售和云服務(wù)提高客戶遷移成本。創(chuàng)業(yè)公司的機(jī)會集中在巨頭難以標(biāo)準(zhǔn)化的行業(yè)知識、產(chǎn)品體驗和交付深度。

縱向一體化同樣存在代價。資本開支和組織復(fù)雜度會持續(xù)上升，企業(yè)客戶也不愿意被一家供應(yīng)商完全控制。多模型架構(gòu)、中立應(yīng)用平臺和本地部署，都會削弱全棧巨頭向下游傳導(dǎo)優(yōu)勢的能力。

最終決定產(chǎn)業(yè)格局的，不是公司能否擁有一個模型，而是它控制了哪一個關(guān)鍵環(huán)節(jié)。

目前看，AI產(chǎn)業(yè)最確定的利潤仍集中在基礎(chǔ)設(shè)施。

英偉達(dá)維持70%以上的毛利率，Microsoft和AWS連續(xù)多年獲得高于資本成本的回報；基礎(chǔ)模型的質(zhì)量調(diào)整價格卻在快速下降。應(yīng)用公司的收入增長很快，能夠證明持續(xù)盈利和穩(wěn)定資本回報的案例仍然有限。

未來三至五年，AI產(chǎn)業(yè)大致存在三種可能。

我個人更傾向于第二種格局，但各層利潤并不會平均分配。

算力與云仍將擁有最穩(wěn)定的利潤池；通用入口集中在少數(shù)平臺手中；垂直工作流會產(chǎn)生一批專業(yè)公司。基礎(chǔ)模型處在中間位置，承擔(dān)著最重的研發(fā)投入和最激烈的價格競爭，反而可能成為資本回報最不穩(wěn)定的一層。

這或許是AI產(chǎn)業(yè)最反直覺的地方：承載最多技術(shù)光環(huán)的基礎(chǔ)模型，未必能留下最多利潤。

接下來，可以繼續(xù)觀察五組數(shù)據(jù)：云客戶切換率和多云使用比例、頭部模型的性能差距、模型質(zhì)量調(diào)整價格、通用入口的留存率，以及應(yīng)用公司的續(xù)費(fèi)率、毛利率和計算成本占比。

如果模型差距重新擴(kuò)大，客戶遷移成本明顯上升，通用入口開始控制企業(yè)采購，產(chǎn)業(yè)會進(jìn)一步向全棧巨頭收攏。

如果模型價格繼續(xù)下降，企業(yè)普遍采用多模型架構(gòu)，垂直應(yīng)用仍能維持續(xù)費(fèi)率和毛利率，利潤就會逐漸向入口、數(shù)據(jù)和工作流移動。

所以，判斷一家AI公司，我會重點(diǎn)看三個問題：它控制的是算力、入口還是工作流；客戶為什么難以更換；收入增長在扣除算力、獲客和交付成本后，能否留下自由現(xiàn)金流。

回答不了這三個問題，再大的用戶規(guī)模和融資金額，也只能證明它仍在增長，還不足以證明它已經(jīng)建立商業(yè)壁壘。

本內(nèi)容由作者授權(quán)發(fā)布，觀點(diǎn)僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯(lián)系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4880189.html?f=wyxwapp