美国互联网—AI实验室与超大规模云计算基础设施研报解读

概览

报告以假设的前沿AI实验室A和B为样本，拆解订阅、直接API、间接API、训练成本、推理成本及云合作分成如何进入损益表，并进一步追踪AI实验室支出如何转化为超大规模云厂商的收入和营业利润。核心结论是：底层产品单位经济性相近，但业务组合、合作条款和会计确认方式会造成显著的表面差异。

核心观点

报告首先指出，随着AI实验室开始公布GAAP财务数据，简单比较收入和毛利率可能造成误判。同类产品的基础单位经济性大致相似，但各实验室的订阅与API占比、间接API采用总额还是净额确认、与超大规模云厂商的收入分成，以及训练成本计入销售成本或研发费用的方式并不一致。报告用Uber与Lyft对总交易额和净收入定义不同作类比，认为报告收入的差距未必等同于实际业务进展的差距。由于训练成本最终如何在损益表中分配尚不明确，巴克莱在模型中假设总训练成本约10%对应最终模型训练，并计入销售成本，其余主要体现为研发训练成本。 业务组合是利润率差异的首要来源。2026年假设实验室A每$100收入中，订阅为$30、直接API为$45、间接API为$25，即API合计约占70%；实验室B则有$80来自订阅、直接和间接API各$10。A的间接云费用为$5、推理计算成本为$30，没有战略伙伴收入分成，因此付费推理利润为$65、利润率65%；再扣除$10最终模型训练成本后，毛利为$55、毛利率55%。B的间接云费用为$2、推理计算成本为$30，并承担$20战略伙伴收入分成，付费推理利润为$48、利润率48%；计入最终训练成本后毛利为$38、毛利率38%。其研发训练成本模型值分别为A的$70和B的$96，也说明训练投入与收入组合会显著影响整体损益表现。 与2025年相比，2026年的改善十分明显。2025年实验室A的付费推理利润率仅14%，计入训练后的毛利率为4%；实验室B相应为18%和8%。到2026年，两者付费推理利润率上升至48%–65%，计入训练后的毛利率上升至38%–55%，相当于调整后毛利率同比提升约30–50个百分点。报告将改善归因于智能体工作流和企业级产品成为市场上的必购型产品：企业及API客户通常具有更高推理利润率，而模型完成同一任务所需的token数量下降，也降低了单位服务成本。 直接API是多数前沿实验室最早的商业模式，开发者按token使用量付费，并将模型能力嵌入Cursor或Figma等产品。巴克莱认为，模型token效率提升与API标价上升共同推高AI实验室利润率；基础设施端则通过量化、推测式执行和新一代计算资源提高模型服务效率，从而改善云厂商利润率。报告称，2026年第二季度直接API的当前推理利润率估计高于80%，甚至高于图示水平，但认为这一水平可能在未来正常化下行，具体时点尚不明确。战略伙伴收入分成会将部分利润从AI实验室转移给云厂商：在每$100直接API或订阅客户支出的示例中，无分成时AI实验室推理利润约为$70、利润率70%；存在20%战略伙伴分成时利润约为$50、利润率50%。对应云厂商在无分成情况下取得$30收入和$9利润、营业利润率30%；获得分成时可取得$50收入和$29利润、利润率58%，但若剔除分成费用，每token的实际基础设施利润可能相近。 间接API的终端体验与直接API相似，但客户关系和结算由超大规模云厂商掌握。实验室A按总额确认间接API收入，而且该业务占比正在上升；实验室B通常按扣除云费用后的净额确认，对战略伙伴云上托管的间接API甚至可能完全不确认收入。在每$100客户支出的模型中，假设间接云费用约占20%。A按总额确认$100收入，扣除$20云费用和$30推理成本后，付费推理利润为$50、利润率50%；B通过其他伙伴时确认$80净收入，再扣除$16分成和$30推理成本，利润为$34、利润率约43%；由战略伙伴直接运营时，B可能确认零收入。相应云厂商收入可达到$50，战略伙伴直接运营时达到$100，示例利润分别为$20和$70。由此，随着间接API占比提高，总额与净额确认差异会越来越明显地扭曲实验室之间的收入规模比较。 从产业链整体看，巴克莱估计2026年每$100 AI实验室收入中约有$35–$40流入超大规模云厂商收入，并为后者贡献接近$10–$20营业利润，对应约35%–45%的高营业利润率。合作分成会提高云厂商的会计利润率，但剔除分成后，每token的基础利润可能没有同等幅度的差异。报告认为，2026年AI实验室和云厂商的实际利润率甚至可能高于示例，不过随着前沿模型竞争加剧和算力稀缺缓解，利润率预计会逐步下降。 当前训练支出相对于推理支出仍然很高，因此报告称几乎每一美元AI实验室ARR最终都会进入超大规模云厂商的收入端。随着推理利润增长，AI实验室的推理利润最终应超过训练成本，推动自身利润率进一步改善。未来两年，AWS、Azure和GCP预计仍将控制相近比例的AI实验室计算支出；但从2028年起，获得兜底支持的AI基础设施项目上线并成为实验室优先选项后，传统超大规模云厂商可能开始丢失训练和推理算力份额。实验室B的战略伙伴收入分成预计在达到累计上限后取消，报告判断可能在2028年之后降至零。

分析框架

巴克莱先将不同AI实验室标准化为每$100客户支出或收入，分别拆分订阅、直接API和间接API，再逐项扣除云费用、伙伴分成、推理计算和最终训练成本。随后，报告比较2025年与2026年的利润率变化，分析业务组合、token效率、定价和会计确认的影响；最后把AI实验室成本反向映射为超大规模云厂商的收入与营业利润，并讨论2028年前后的基础设施份额变化。

方法论与常识提炼

• 公司基本面与财务框架

  每$100收入单位经济模型

  报告将实验室和云厂商的经济利益统一换算为每$100客户支出或实验室收入，以便比较不同产品、合作结构和成本项目对利润的影响。

• 行业/产业分析框架量价拆分

  业务组合、token效率与API定价拆分

  报告把利润率改善分解为企业级和API业务占比提高、完成任务所需token减少以及API标价上升等因素。

• 行业/产业分析框架产业链上中下游传导

  AI实验室收入向超大规模云厂商传导

  报告追踪训练、推理、间接API费用及收入分成如何从AI实验室损益表转化为云厂商收入和营业利润。

• 公司基本面与财务框架

  总额与净额收入确认对比

  报告分别模拟间接API按总额确认、扣除云费用后按净额确认以及完全不确认收入的情况，用来说明报告收入不一定能够直接反映相对业务进度。

• 行业/产业分析框架供需框架

  算力稀缺与竞争对利润率的影响

  报告认为当前算力稀缺支持较高利润率，但随着算力供给增加和前沿模型竞争加剧，AI实验室及云厂商利润率可能逐步回落。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• 假设前沿AI实验室A

  代表API占比较高、间接API按总额确认且无战略伙伴收入分成的实验室模式。

  优势

  2026年付费推理利润率65%、计入训练后的毛利率55%，高于实验室B。

  劣势

  间接API总额确认会放大报告收入，且模型中的研发训练成本为$70。

  对比

  每$100收入中API合计$70，高于实验室B的$20。

  风险

  竞争加剧和算力稀缺缓解可能使当前高利润率回落。

• 假设前沿AI实验室B

  代表订阅占比较高、承担20%战略伙伴分成且间接API主要按净额确认的实验室模式。

  优势

  订阅收入占比80%，分成达到累计上限后预计可能在2028年之后取消。

  劣势

  2026年付费推理利润率48%、计入训练后的毛利率38%，且战略伙伴云上的间接API可能完全不确认收入。

  对比

  相较实验室A，报告收入和利润率更容易受到订阅组合、净额确认及伙伴分成压制。

  风险

  收入分成取消时点及训练成本的损益表归类仍存在不确定性。

• Amazon.com, Inc.（AMZN）/ AWS

  作为支持AI实验室训练和推理的超大规模云平台，承接实验室算力支出。

  优势

  报告预计未来两年AWS仍控制与Azure、GCP相近比例的AI实验室计算支出。

  劣势

  报告未给出AWS单独的单位经济数据。

  对比

  未来两年与Azure、GCP的AI实验室算力支出份额预计大致相近。

  风险

  从2028年起可能因获得兜底支持的独立AI基础设施上线而丢失份额。

• Microsoft（MSFT）/ Azure

  作为支持AI实验室训练、推理及合作分成的超大规模云平台，承接相关收入和利润。

  优势

  战略伙伴分成可显著提高云厂商报告营业利润率。

  劣势

  剔除分成后，每token基础利润可能与其他云合作模式相近。

  对比

  未来两年与AWS、GCP的AI实验室算力支出份额预计大致相近。

  风险

  从2028年起可能因替代基础设施上线而面临份额压力。

• Alphabet Inc.（GOOGL）/ GCP

  作为AI实验室训练和推理的超大规模云基础设施提供方，分享相关算力支出。

  优势

  报告预计未来两年GCP仍控制与AWS、Azure相近比例的AI实验室计算支出。

  劣势

  报告未给出GCP单独的收入或利润率数据。

  对比

  与AWS、Azure的近期AI实验室算力支出份额预计大致相近。

  风险

  2028年后独立AI基础设施项目可能分流训练和推理需求。

关键数据

• 实验室A 2026年收入组合订阅$30、直接API $45、间接API $25，每$100收入API合计约占70%，属于API占比较高的实验室
• 实验室B 2026年收入组合订阅$80、直接API $10、间接API $10，每$100收入订阅约占80%，并承担战略伙伴收入分成
• 2026年付费推理利润率实验室A 65%；实验室B 48%2025年分别为14%和18%
• 2026年计入训练后的毛利率实验室A 55%；实验室B 38%2025年分别为4%和8%，同比提升约30–50个百分点
• 最终模型训练成本假设总训练成本约10%报告将最终训练运行部分计入销售成本，其余训练投入主要体现为研发成本
• 直接API当前推理利润率高于80%2026年第二季度估计；报告预计未来可能向下正常化
• 战略伙伴收入分成20%实验室B在达到累计上限前承担，预计可能在2028年之后降至零
• 间接API云费用假设客户支出的约20%总额或净额确认会导致实验室报告收入明显不同
• AI实验室收入流向云厂商每$100收入约有$35–$402026年估计
• 云厂商营业利润贡献接近$10–$20对应每$100 AI实验室收入，营业利润率约35%–45%
• 现有云厂商份额变化时点自2028年起获得兜底支持的AI基础设施项目上线后，传统超大规模云厂商可能开始丢失份额

影响与含义

报告认为，投资者不能仅凭AI实验室披露的ARR、收入规模或总毛利率判断相对竞争进展，必须先统一业务组合、总额或净额确认、训练成本分类及伙伴分成口径。2026年企业级需求和模型效率提升同时改善了实验室与云厂商经济性，但双方的利润分配取决于合作条款；中期内AWS、Azure和GCP仍受益于训练与推理支出，2028年后独立AI基础设施扩张可能改变这一格局。

风险

• 前沿模型竞争加剧及算力稀缺缓解，可能使AI实验室和超大规模云厂商当前较高的利润率逐步下降。
• 训练成本在销售成本与研发费用之间的归类尚不明确，可能导致不同AI实验室的毛利率不可直接比较。
• 间接API采用总额、净额或不确认收入的差异，可能扭曲市场对实验室相对业务进展的判断。
• 实验室B在达到累计上限前仍受20%战略伙伴收入分成拖累，取消分成的确切时点存在不确定性。
• 获得兜底支持的AI基础设施项目预计自2028年起分流训练和推理需求，可能压低现有超大规模云厂商的份额。

后续跟踪

• 企业级和API业务占比能否继续提高，以及智能体工作流是否持续推动高利润率需求。
• 模型完成单项任务所需token数量、API标价和基础设施服务效率的变化。
• 2026年第二季度高于80%的直接API推理利润率何时及以多大幅度正常化。
• 间接API占比上升后，各实验室采用总额、净额或不确认收入的具体口径。
• 实验室B战略伙伴分成达到累计上限并降至零的时间，报告预计可能在2028年之后。
• 获得兜底支持的AI基础设施项目在2028年前后的上线进度，以及AWS、Azure和GCP算力份额的变化。