钱从哪来，又烧向何处——商业模式与泡沫之辩
前四章讲了模型、公司、谱系、地缘。这一章算总账——钱。这些万亿美元级的豪赌，收入从哪来、又烧向何处、能烧多久？以及那个 2026 年越来越多人问出口、也最尖锐的问题：这会不会是一场泡沫？ 这一章把前面所有线索收拢到财务这张底牌上，为收官章的判断做铺垫。
5.1 三种活法，三种钱
第 1 章说三巨头"技术趋同、商业分野"，分野最终落在怎么收钱上。整个行业的商业模式可以归成三类，各有各的护城河和命门：
订阅制——按人头或月费收钱，代表是 ChatGPT、Claude 个人版。护城河是品牌、习惯和分发（近九亿周活是消费互联网级别的资产）。命门第五卷算过：用得越多越亏——固定月费撞上按 token 计的推理成本，重度用户就是亏损用户，而 agent 时代 token 消耗还在暴涨。
API 计量——按 token 卖给开发者和企业，代表是 Anthropic、以及所有中国开源公司的低价 API。护城河是模型能力领先和企业切换成本。命门是必须持续保持领先（企业选你因为你此刻最强，被超越就换）和价格战（中国开源把价格压到十分之一，第 2 章）。分层定价是这门生意的主要毛利杠杆。
云生态捆绑——把模型塞进已有的云、办公、搜索产品，代表是 Google、微软、亚马逊。这是三种里最不焦虑的：对云厂商而言，模型不是独立的盈亏中心，而是拉动云消费的钩子；自研芯片（TPU、Trainium）还能压低成本。
这个分类解释了一个否则会很困惑的现象：为什么三大云厂商——微软、亚马逊、谷歌——都在给独立实验室大笔注资？ 因为对它们来说这是一石三鸟：既下注了可能的赢家，又把自己的云算力卖给了被投公司（钱转个圈又回来了），还能把对方的模型回填进自己的云产品。亚马逊深度绑定 Anthropic、微软深度绑定 OpenAI、谷歌甚至把 TPU 卖给竞争对手 Anthropic——这些看似矛盾的操作，在"云捆绑"的逻辑下全都自洽。云厂商是这场竞赛里下注最稳的玩家：无论哪个模型公司赢，它们都卖了算力。
5.2 两强对赌：镜像的商业模式
把镜头拉近到两个纯模型公司——OpenAI 和 Anthropic——它们构成一组精确的镜像对照，是理解这门生意的最佳标本。
OpenAI 是消费驱动：约七成收入来自 ChatGPT 订阅，年化收入规模已达数百亿美元量级，用户体量全球第一。Anthropic 是企业驱动：约七成以上收入来自 API 和企业客户，靠编程等高价值场景的能力口碑立足，企业营收爬坡是史上最快的之一——2026 年甚至有它的营收增速反超 OpenAI 的说法。
两种模式的财务性格截然不同。消费订阅规模巨大但毛利被推理成本持续侵蚀；企业 API 客单价高、毛利结构更健康（据估计 Anthropic 毛利率比 OpenAI 高几个百分点，部分归功于多芯片成本对冲），但依赖持续的模型领先。一个直观的对比：OpenAI 的现金消耗速度远高于 Anthropic——前者要养近九亿用户的推理账单，后者服务的企业客户则是"付得起钱、也用得更有节制"。这不是谁对谁错，是两条不同的路：OpenAI 赌的是消费级的规模和习惯，Anthropic 赌的是企业级的毛利和黏性。谁的赌注更好，是 2026 年 AI 商业世界最核心的悬念之一。
但无论哪种模式，都掩盖不了一个共同的事实——它们都在深度亏损中狂奔。这就把我们带到了那个越来越响的问题。
5.3 数学成立吗：泡沫之辩
2026 年，"AI 是不是泡沫"从边缘质疑变成了主流投行、学界、监管都在认真讨论的问题。看空的论据有三条，每一条都值得你听懂，因为它们直接关系到你即将投身的这个行业的健康度。
论据一：资本开支和营收严重失衡。最刺眼的对比来自 OpenAI——2025 年的营收是百亿美元量级，而它八年的资本开支承诺是一万四千亿美元量级。放到全行业，一个关键指标是"资本开支占销售额的比例"：互联网泡沫 2000 年的峰值是 32%，而 AI 行业 2026 年预计达到 34%、2028 年 37%——已经超过了互联网泡沫的峰值。整个行业靠一级市场的持续输血维持，营收的增长远远追不上算力投入的增长。
论据二：循环融资。这是 2026 年最热的质疑点，也最值得警惕。英伟达投资 OpenAI、又承诺给它上千亿美元，而这笔钱大部分会回流去买英伟达的芯片；微软持有 OpenAI 约四分之一股份、同时是它的主要云供应商；类似的"你投我、我买你"的相互输血安排，2026 年估计规模超过八千亿美元。有个细节最能说明问题：有报道指出，某季度谷歌和亚马逊"亮眼的 AI 利润"中，约有一半其实来自它们持有的 Anthropic 股份的账面增值——也就是说，"AI 利润"的一部分不是真实业务赚的，而是相互持股的估值在自我循环地充气。资深投资人直言，这"令人想起互联网泡沫的循环融资"。
论据三：折旧争议。超大科技公司按五到六年折旧 AI 硬件，但第五卷讲过，GPU 的实际经济寿命可能只有两三年（迭代太快）。有著名的做空者估算，这种"折旧摊太慢"的做法低估了上千亿美元的成本，从而虚增了账面利润——纸面上的盈利，可能没有看起来那么实。
那么，这是不是又一次 2000 年？多数主流投行的立场是审慎的"估值紧绷、但盈利真实存在"——与互联网泡沫时期那些"零营收公司"不同，英伟达有实打实的每季数百亿美元营收作锚。但也有最激进的空头把它称为"世界史上最大、最危险的泡沫"。学界甚至已经开始写"崩盘之后"的分析论文——把泡沫破裂当作一个可以冷静分析的情景，而不是禁忌。
5.4 铁轨还在：泡沫之辩的正确问法
我想用一个历史类比收束这一章，因为它给出了看待泡沫最有用的角度——问题的关键不是"会不会破"，而是"破了之后什么会留下来"。
1840 年代的英国有一场铁路泡沫：疯狂的过度建设、无数投资者血本无归，泡沫最终破裂。但铁轨留了下来——那些在狂热中铺设的钢铁，在泡沫破灭后继续支撑了英国几十年的经济增长。互联网泡沫也是如此：2000 年崩盘烧掉了海量资本，但那时铺设的光纤和积累的工程师人才，成了此后二十年互联网繁荣的地基。
把这个视角套到 AI 上，结论既冷静又有建设性。如果 AI 泡沫真的破裂，什么会灰飞烟灭、什么会留下来？会贬值的是 GPU（正是折旧争议的核心——芯片迭代太快，一旦资本潮水退去，上一代卡迅速沦为废铁）。而会留下来的，是电力基础设施、数据中心的壳体、光纤网络，以及被这场狂潮训练出来的一整代工程师和研究者。这也从财务角度印证了上一章的判断："抢电、抢并网额度"比"抢卡"是更稳的长期押注——因为电网和厂房是泡沫破了也留得住的实物资产，而卡不是。
这就是 2026 年 AI 产业的财务底色：一场用万亿美元下注、数学上尚未闭合、真实性与泡沫性同时存在的豪赌。所有玩家赌的都是同一件事——现在烧掉的钱，会在未来某个能力临界点之后连本带利地赚回来。这个临界点会不会到来、什么时候到来，取决于一个纯技术的问题：模型的能力还能不能继续以现在的速度增长下去？ 这个问题，是全书最后一章、也是整个 AI 世界最大的悬念。
本章要点
- 三种商业模式：订阅制（用得越多越亏）、API 计量（须持续领先 + 价格战）、云生态捆绑（最不焦虑，模型是拉动云消费的钩子）。
- 云厂商注资独立实验室是一石三鸟：下注赢家 + 卖出算力（钱转圈回流）+ 模型回填云产品——无论谁赢云厂商都卖了算力，是下注最稳的玩家。
- 两强镜像对赌：OpenAI 消费驱动（约七成订阅、规模大毛利薄、烧钱快）vs Anthropic 企业驱动（约七成 API、毛利好黏性高、依赖持续领先）；都在深度亏损中狂奔。
- 泡沫三论据：资本开支/销售比已超 dot-com 峰值（34% vs 32%）；循环融资（"NVIDIA 投客户、客户买 NVIDIA"，超八千亿；AI 利润部分来自相互持股增值）；折旧争议（GPU 按 5–6 年折旧但实际寿命 2–3 年，虚增利润）。
- 主流立场"估值紧绷但盈利真实"（英伟达每季数百亿真营收作锚），区别于 dot-com 的零营收公司；但最激进空头称"史上最大泡沫"。
- 铁路泡沫的启示：关键不是会不会破，而是破了什么留下——GPU 会贬值，电力/厂房/光纤/人才会留下；印证"抢电比抢卡更稳"。悬念收束到：能力还能不能继续增长。