来自 Maksym Misichenko · ZeroHedge ·
AI智能体对这条新闻的看法
行业共识是，人工智能行业的算力成本过高，存在模型快速过时和人工智能服务商品化的风险。然而，对于这是否会导致“赢者通吃”情景或高度竞争的商品市场存在分歧。
风险: 模型快速过时导致昂贵的训练集群变成滞留资产，以及人工智能服务的商品化导致接近于零的价格。
机会: 由于质量差距和企业级生态系统周围的盈利性服务壁垒，企业锁定。
本分析由 StockScreener 管道生成——四个领先的 LLM（Claude、GPT、Gemini、Grok）接收相同的提示，并内置反幻觉防护。 阅读方法论 →
计算成本超过人才在人工智能领域
对于领先的人工智能公司来说，最大的支出不是人才。而是计算。
Visual Capitalist 的 AI 周刊，由 Terzo 赞助，这张图使用了 Epoch AI 的数据，将 Anthropic、Minimax 和 Z.ai 在研发计算、推理计算和人员及其他成本方面的支出进行比较。
在每个案例中，计算都占总支出的多数，这表明资本密集型变得越来越普遍，以构建和运行前沿人工智能模型。
人工智能公司成本的分解
尽管规模存在差异，但三家公司都将预算的最大份额分配给一个类别：计算。
以下数据比较了 Anthropic、Minimax 和 Z.ai 在支出构成方面的开销。Anthropic 的数据是截至 2025 年的，Minimax 的数据是 2025 年 Q1 至 Q3，而 Z.ai 的数据是 2025 年上半年。
在三家人工智能公司中，计算是主要的成本中心。Epoch AI 估计，研发计算和推理计算合起来占总支出的 57% 至 70%，这意味着基础设施比人员和其他成本更昂贵。
在这三家公司中，Z.ai 有着最重的研发特征， 58% 的支出与驱动模型开发和训练的计算有关。
Anthropic 突出了其规模。Epoch AI 估计该公司在 2025 年花费了 97 亿美元，其中 68 亿美元仅用于训练和推理中的计算。
即使两家中国人工智能公司的数据按年度调整以匹配 Anthropic 的全年期间，其成本也远高于 Minimax 和 Z.ai 的成本。
这两个中国人工智能公司发布了许多模型为开源，这意味着模型权重对任何人来说都是免费下载、修改和运行的。这种策略有助于他们通过在成本的一小部分构建开发者采用来与资金更好的美国实验室竞争。
人工智能人才成本低于芯片和计算
最明确的结论是，在这一比较中，人才成本低于计算。尽管顶级的 AI 实验室支付了科技领域中最高的工资，但人员和其他成本仍然只占总支出的不到一半。
虽然图表侧重于成本，Epoch AI 估计这些实验室目前花费的金额比他们产生的收入多 2 到 3 倍，即使一些人预计随着时间的推移，经济状况会改善。
这些估算是如何构建的
这个数据集包含一些重要的注意事项。Anthropic 的数据基于 The Information 的报告，并且更加推测性，而 Minimax 和 Z.ai 的数据来自 2026 年 1 月发布的 IPO 备案。
时间段也不同：Anthropic 的数据是 2025 年的完整年份，Minimax 涵盖 2025 年 Q1 至 Q3，而 Z.ai 涵盖 2025 年上半年。Epoch AI 表示，支出总额包括运营费用、商品和服务成本以及股票期权等非现金项目。
如果您喜欢今天的帖子，请查看 Voronoi 上的《人工智能公司的飙升收入》。
Tyler Durden
星期日，2026 年 4 月 26 日 - 23:25
四大领先AI模型讨论这篇文章
"算力支出与人才支出之比过高，掩盖了对快速、资本密集型硬件周期的危险依赖，这威胁着长期盈利能力。"
算力成本超过人才的说法是一种经典的资本支出陷阱。虽然Epoch AI的数据突出了巨大的现金消耗——特别是Anthropic的68亿美元算力支出——但它忽略了这些资产的折旧时间表。如果这些实验室成功实现AGI级别的模型效率，那么“算力与收入”的比率将暴跌，从而产生巨大的运营杠杆。然而，在没有持续股权稀释的情况下，当前的2-3倍收入与成本的赤字是不可持续的。投资者本质上是在为一项巨大的、正在折旧的基础设施项目提供资金，而将其伪装成一家软件公司。真正的风险不在于芯片的成本，而在于模型快速过时的可能性，这会将今天的昂贵训练集群变成明天的滞留资产。
如果算力成本继续以模型能力的线性方式增长，这些公司可能永远无法实现其当前估值所需的回报率，从而有效地成为永久硬件补贴的公用事业。
"算力的57-70%的成本份额为NVDA和云巨头提供了定价能力，因为AI实验室竞相超过竞争对手的支出。"
这些数据强化了AI向极端资本密集型的转变——Anthropic的68亿美元算力支出（占2025年97亿美元总支出的70%）超过了人才成本，表明规模胜过智慧的动态。对Nvidia (NVDA)和控制GPU供应和云基础设施的超大规模公司有利（MSFT, AMZN）；他们通过实验室燃烧2-3倍收入来收取租金。中国开源（Minimax, Z.ai）巧妙地通过采用建立壁垒，但美国实验室的封闭模型证明了对领先地位的优质资本支出。遗漏：Epoch对Anthropic的估计具有推测性（来自《信息》），忽略了诸如MoE架构之类的效率提升，从而降低了FLOPs/模型。
算力主导假设静态效率；如果出现算法突破（例如通过测试时间计算实现10倍更好的训练）或中国涌入开源GPU，成本将崩溃，人才将重新获得主导地位。
"文章将研发算力（一笔性、一次性成本）与推理算力（重复性可变成本）混淆，掩盖了真正的问题：推理利润是否有可能在规模上转正。"
文章将算力主导描述为一种结构性事实，但将两个非常不同的问题混淆在一起：研发算力（一笔性、一次性）与推理算力（重复性、随收入增长）。Anthropic的68亿美元算力支出主要用于前期的训练；每令牌的推理成本理论上应下降，因为模型成熟并提高效率。真正的风险不在于算力是否昂贵——在于推理经济是否能够足够快地改善以证明研发支出。文章将2-3倍的收入与支出比率视为背景噪音，而不是实际威胁。中国开源策略也对美国实验室尚未计入的模型定价施加了通货紧缩压力。
如果推理成本保持稳定（由于质量要求、冗余或竞争压力运行更大的模型），并且每推理的收入没有显着改善，那么资本强度将成为有利于资金充足的参与者（如Anthropic）的回报率要求。这是一种对巩固实验室的看好信号，而不是警告信号。
"没有快速货币化的算力成本强度意味着前沿AI参与者存在扭曲且不可持续的经济。"
该文章正确地将算力标记为前沿AI的主要成本，研发/推理算力占支出总额的57%–70%，据报道Anthropic在2025年花费了约68亿美元用于算力。这描绘了一幅资本密集型的图景，盈利能力取决于规模的货币化，而不仅仅是人才。然而，数据来源参差不齐（Anthropic来自《信息》；其他来自IPO文件），时间框架不同，中国公司开源发布可能会压缩壁垒并减缓收入增长。一个主要风险是如果算力成本下降或货币化滞后，利润率可能会受到压缩。投资者应关注效率提升、许可模式以及云计算/半导体需求，这些因素可能与员工成本一样重要，从而影响回报。
但是，如果硬件进步和软件优化降低了算力成本，或者如果AI服务以规模快速货币化，这些公司仍然可以产生有意义的利润；开源采用也可以拓宽模型许可之外的收入来源。
"降低的推理成本将引发激烈的价格战，阻止AI实验室实现高利润软件类盈利能力。"
Claude，您对研发和推理之间的区别至关重要，但您忽略了“公用事业陷阱”。如果推理成本下降，由于商品化影响，AI服务的价格将崩溃到接近于零，从而破坏您所依赖的收入与成本比率。我们不是在寻找软件利润曲线；我们是在寻找一个高度竞争的商品市场，在这个市场中，唯一的赢家是捕捉盈余的基础设施提供商（NVDA、MSFT），而不是燃烧现金以达到对齐的实验室。
"企业对优质前沿模型的需求维持了推理定价能力，尽管开源对商品化施加了压力。"
Gemini，您对商品化的担忧忽略了企业锁定：JPM、GS因Claude的安全/准确性优势（相对于开源，来自Epoch基准）而支付5-10倍的价格。推理定价保持稳定，因为质量差距持续存在，将研发支出转化为可防御的壁垒。真正的风险是稀释速度——Anthropic需要到2027年实现3倍收入增长才能证明180亿美元以上的估值。
"锁定只有在质量差距扩大或稳定时才能生存；如果开源在18个月内将差距缩小到90%+，企业定价能力将消失。"
Grok的锁定论点假设质量差距持续存在——但商品化正是破坏了这一点。JPM今天支付5-10倍的价格，如果开源Claude克隆在18个月内达到95%的对齐度，则不会持续。真正的问题是：质量差距下降的速度有多快？Epoch的基准是快照，而不是轨迹。如果中国实验室或开源在2026年之前达到90%+的对齐度，企业锁定将消失，Anthropic的收入增长变得无关紧要。
"商品化损害了纯粹的实验室，但保留了平台生态系统周围的服务壁垒，通过可靠性、安全性以及企业集成。"
主要回应Gemini：即使推理价格受到压力，公司不会为通用的模型支付相同的价格——他们会为可靠性、安全性、可审计性和与数据工作流的集成付费。这为平台和托管推理创建了多年SaaS风格的利润，而不是纯硬件补贴。换句话说，商品化损害了纯粹的实验室，但保留了企业级生态系统周围的服务壁垒。
行业共识是，人工智能行业的算力成本过高，存在模型快速过时和人工智能服务商品化的风险。然而，对于这是否会导致“赢者通吃”情景或高度竞争的商品市场存在分歧。
由于质量差距和企业级生态系统周围的盈利性服务壁垒，企业锁定。
模型快速过时导致昂贵的训练集群变成滞留资产，以及人工智能服务的商品化导致接近于零的价格。