大模型厂商盈利困局：从垄断竞争到可持续商业模式的再思考

估值狂欢下的盈利真空

近期，OpenAI与Anthropic相继启动IPO进程，市场对其估值均逼近万亿美元，市销率分别高达34倍与21倍。这种高度乐观的定价，源于AI大模型被普遍视为下一代技术基础设施，应用场景持续拓宽，收入增长曲线陡峭。但一个不容回避的事实是：截至目前，尚无一家大模型厂商在纯模型业务层面实现独立、可持续的净利润。OpenAI年化收入三年内从20亿美元跃升至超200亿美元，增速惊人，却仍未跨过盈利门槛；若计入巨额股权激励与持续攀升的研发投入，其真实盈利状态仍存疑。收入高增长，不等于利润可兑现——这已成为大模型商业化最核心的认知偏差。

盈利逻辑不在需求规模，而在市场结构

微观经济学指出：企业能否获得长期经济利润，不取决于市场总需求有多大，而取决于其所处市场的结构与竞争格局。在完全竞争市场中，即便需求爆发式增长，均衡状态下厂商只能获得正常利润；而在垄断或寡头垄断市场中，即便需求平缓，厂商亦可凭借定价权获取超额收益。因此，判断大模型厂商的盈利前景，关键不是看“有多少人用AI”，而是看“谁在供给AI”、以及“他们如何竞争”。

API调用市场：典型的垄断竞争现实

当前最透明、最可量化的商业化路径是API调用——即“卖token”。该模式因数据公开、计费统一、份额可测，成为观察行业本质的窗口。数据显示，这一市场呈现鲜明的垄断竞争特征：厂商数量远超百位（OpenRouter接入70余家机构、400余模型），头部模型连续占据榜首时间最长仅12周，最高市场份额仅27%；赫芬达尔—赫希曼指数（HHI）长期低于0.1，属中低集中度市场。用户价格敏感度高，低价与免费模型流量显著，但部分高价模型仍保有可观调用量——说明模型存在质量与场景差异，但差异化程度有限，不足以支撑长期溢价能力。

低壁垒正在瓦解先发优势

理论上，大模型研发应具备高资金、高技术、高人才门槛。现实中，三大因素正快速稀释这些壁垒：一级市场对AI赛道的狂热融资大幅降低资金门槛；Llama等开源模型及知识蒸馏技术，使后发者能低成本复用前沿成果；全球AI人才的高流动性，则加速了核心技术在厂商间的扩散。Epoch AI数据显示，领先模型的技术优势窗口已缩至约4个月。这意味着，任何短期性能领先都难以固化为持久护城河，价格战与快速迭代成为常态，厂商被迫在上一代模型尚未回本时即投入新一代训练——亏损因而成为行业基准态。

从垄断竞争走向寡头，不等于盈利自动到来

长期看，持续亏损将淘汰资金与商业化能力薄弱的参与者，市场可能向少数头部厂商集中，形成寡头格局。但寡头≠高利润。若厂商间陷入伯特兰式价格战，均衡价将逼近边际成本，利润空间归零；即便采用古诺式数量竞争，高昂的固定成本（算力、研发、基建）也要求单位毛利足够厚、且规模足够大，才能覆盖沉没投入。电信、航空、外卖等成熟寡头行业长期微利甚至阶段性亏损的现实，正是前车之鉴。

破局关键：跳出‘卖token’，构建真实壁垒

单纯依靠API调用收费的商业模式，本质是将大模型降维为标准化算力商品，在透明比价中丧失议价能力。真正可持续的盈利路径，在于将模型能力深度嵌入用户价值链条：或是通过‘AI+’模式，在原有产品中增强功能、提升体验、锁定工作流（如Notion AI、GitHub Copilot）；或是以合同制切入政企核心系统，绑定私有数据与业务流程，抬高迁移成本；又或是在垂直行业打磨专属模型与工具链，形成场景级解决方案。这些路径的共性在于——它们不比参数与速度，而比解决实际问题的深度、与客户业务耦合的紧密度、以及由此生成的用户粘性与定价自主权。

冷静估值，动态选择

对投资者而言，万亿美元估值需回归商业本质：它反映的是未来现金流折现，而非技术光环或概念热度。API模式的盈利拐点尚远，而订阅、合同、‘AI+’等路径的价值需单独建模评估。对厂商而言，比追逐通用模型SOTA更重要的，是明确自身服务的客户是谁、解决的具体痛点是什么、以及在哪一环建立了不可替代性。技术没有终点，但商业需要锚点——唯有在模型能力、行业理解、工作流整合与生态协同中构筑真实壁垒，才能让AI真正从成本中心，蜕变为利润引擎。