AI lab and AI hyperscaler unit economics研报解读

概览

这份Barclays深度报告解释了AI实验室及其超大规模云合作伙伴如何将AI产品变现。报告认为，企业和API组合改善、token效率提升及基础设施改进已显著改善2026年的单位经济，但会计列报和合作条款仍会使表面相似的实验室呈现出很大差异。

核心观点

Barclays的核心观点是，尽管同类AI实验室产品的单位经济可能相近，但由于业务组合、收入确认和超大规模云厂商合作安排不同，汇总后的报告收入和毛利率可能存在显著差异。报告使用两家假设的前沿实验室：实验室A超过70%的收入来自API，其中45%为直接API、25%为间接API，30%来自订阅；实验室B约80%的收入来自订阅、10%来自直接API、10%来自间接API。API的推理利润率通常高于订阅，因此这一组合差异解释了报告盈利能力差异的大部分。Barclays还假设总训练成本中约10%代表最终训练轮次并计入销售成本；最终在销售成本和研发费用之间的分配仍不明确。 报告估计，两家示例实验室的付费推理利润率在2026年已从2025年的十几个百分点大幅升至50%-65%+。企业采用和智能体工作流被描述为当前市场的必买产品，推动组合转向利润率更高的API和企业客户。同时，更高的token效率减少了完成单项任务所需的token数量，从而支撑利润率。按Barclays的示例数据，实验室A的付费推理利润率从2025年的14%升至2026年的65%，实验室B从18%升至48%；计入假设的最终训练成本后，调整后毛利率提高约30-50个百分点。实验室B的战略合作伙伴收入分成仍会在达到特定门槛前压低盈利能力，预计在2028年之后某个时候降至零。 产品结构同样重要。Claude Code或Codex等订阅产品可能涉及月费、按使用量收费及定期重置的上限。实验室可能补贴token消耗以留住用户，使订阅推理利润率通常低于API。Barclays估计订阅推理利润率约为70%，同时指出2026年利润率可能更高，之后随着竞争扩大和算力供给从短缺走向过剩而回落。直接API按使用量收费：开发者将实验室的API嵌入自身产品，并按token消耗付费。更高的模型效率、更高的标价token价格、量化和投机模型等基础设施技术、下一代算力以及与云合作伙伴的收入分成，均支持更强的API经济性。Barclays听闻API推理利润率在2Q26远高于其图5所示水平，但预计其将在某个时候常态化。 间接API在终端用户功能上与直接API类似，但改变了商业关系：超大规模云厂商向用户收费并负责市场拓展，实验室不直接参与。假设中，实验室A按总额确认间接API收入，而实验室B按扣除费用后的净额确认；当战略合作伙伴托管服务时，后者甚至可能完全不确认收入。随着间接API在业务中的占比上升，这种总额与净额处理会扭曲报告收入、增长和表面竞争进展的比较，即使基础经济性相近。 报告还追踪AI实验室支出如何流向超大规模云厂商。Barclays估计，2026年每$100 AI实验室收入中，约$35-$40转化为超大规模云厂商收入，并产生近$10-$20营业利润，对应约35%-45%的营业利润率。示例表显示，不同组合和合作安排会形成不同结果：实验室A带来$35超大规模云厂商收入和$11.8利润，即34%利润率；实验室B带来$41收入和$19.1利润，即47%利润率。收入分成可以提高超大规模云厂商报告的营业利润率，但Barclays认为，剔除这类费用后每token的实际利润可能相同。 短期内，Barclays称几乎每一美元AI实验室ARR都会流入超大规模云厂商收入，因为训练仍是AI支出的重要组成部分。其行业汇总预测，AI实验室收入将从2025年的$26 billion升至2026E的$137 billion、2027E的$376 billion和2028E的$690 billion；预计超大规模云厂商AI收入将从$36 billion升至$124 billion、$289 billion和$502 billion。然而，预计超大规模云厂商AI收入占AI实验室收入的比例将从2025年的136%下降至2026E的90%、2027E的77%和2028E的73%。Barclays预计实验室推理利润最终将超过训练成本，而AWS、Azure和GCP在未来两年将拥有相近的AI实验室算力支出份额，随后支持性AI基础设施项目会在2028年开始夺取份额。报告提醒，当前实验室和超大规模云厂商的利润率可能高于其示例水平，但随着前沿竞争加剧和算力短缺缓解，利润率应会随时间下降。

分析框架

Barclays为两家假设的前沿实验室构建2025年和2026年的损益瀑布图，拆分订阅、直接 API 和间接 API 收入。随后分配推理成本、训练成本、云费用和战略合作伙伴分成，以说明产品组合和会计处理如何影响实验室利润率以及超大规模云厂商的收入和营业利润。最后，该行将这一逻辑延展为截至2028E的行业预测。

方法论与常识提炼

• 其他

  AI实验室与超大规模云厂商单位经济瀑布分析

  报告以每$100客户或AI实验室收入为基础，再分配收入分成、推理成本、最终训练成本和合作伙伴费用，以估计实验室和云服务商的利润率。

• 行业/产业分析框架产业链上中下游传导

  AI实验室支出向超大规模云厂商的传导

  Barclays追踪AI实验室收入和算力需求如何转化为超大规模云厂商的推理和云收入，并估计相应的营业利润获取。

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）。

• Amazon Web Services (AWS)

  预计该超大规模云厂商在未来两年将控制相近份额的AI实验室算力支出，之后由支持性基础设施夺取份额。

  优势

  参与AI实验室训练和推理收入；Barclays预计超大规模云厂商从AI实验室支出中获得可观收入和营业利润。

  对比

  Barclays预计未来两年AWS、Azure和GCP将控制相近比例的AI实验室算力支出。

  风险

  随着支持性AI基础设施项目投产，超大规模云厂商可能从2028年开始失去AI实验室训练和推理市场份额。

• Azure (MSFT)

  预计该超大规模云厂商在未来两年将控制相近份额的AI实验室算力支出，之后由支持性基础设施夺取份额。

  优势

  参与AI实验室训练和推理收入；战略合作伙伴分成可提高报告的云业务营业利润率。

  对比

  Barclays预计未来两年AWS、Azure和GCP将控制相近比例的AI实验室算力支出。

  风险

  随着支持性AI基础设施项目投产，超大规模云厂商可能从2028年开始失去AI实验室训练和推理市场份额。

• Google Cloud Platform (GCP)

  预计该超大规模云厂商在未来两年将控制相近份额的AI实验室算力支出，之后由支持性基础设施夺取份额。

  优势

  参与AI实验室训练和推理收入；战略合作伙伴分成可提高报告的云业务营业利润率。

  对比

  Barclays预计未来两年AWS、Azure和GCP将控制相近比例的AI实验室算力支出。

  风险

  随着支持性AI基础设施项目投产，超大规模云厂商可能从2028年开始失去AI实验室训练和推理市场份额。

关键数据

• 2026年AI实验室付费推理利润率50%-65%+Barclays估计，较2025年的十几个百分点上升。
• 调整后AI实验室毛利率改善~30-50 points计入最终训练成本后，2026年相对2025年的变化。
• 每$100 AI实验室收入对应的超大规模云厂商收入$35-$40估计的2026年推理相关流入。
• 每$100 AI实验室收入对应的超大规模云厂商营业利润Nearly $10-$20对应约35%-45%的营业利润率。
• AI实验室收入预测$137B in 2026E; $376B in 2027E; $690B in 2028E相比2025年的$26B。
• 超大规模云厂商AI收入预测$124B in 2026E; $289B in 2027E; $502B in 2028E预计占AI实验室收入的比例分别从90%降至77%和73%。

影响与含义

报告认为，在比较AI实验室报告的收入和利润率时，需要针对产品组合、合作伙伴费用和总额与净额会计处理作出调整。报告认为AI需求在短期内将为超大规模云厂商带来可观收入和利润，但预计从2028年起，随着替代性支持性基础设施的可用以及实验室推理盈利能力改善，这种关系将变得不那么集中。

风险

• 随着前沿竞争加剧和算力短缺缓解，AI实验室和超大规模云厂商的利润率可能下降。
• 随着支持性AI基础设施项目投入使用，超大规模云厂商可能从2028年开始失去AI实验室训练和推理市场份额。
• 间接API收入按总额或净额确认，可能扭曲报告的AI实验室收入和相对进展比较。

后续跟踪

• 企业和智能体工作流采用的速度，以及由此带来的向API和企业收入的组合转变。
• 据称在2Q26远高于示例水平的API推理利润率是否会随时间常态化。
• AI实验室如何在销售成本和研发费用之间分配训练成本。
• 间接API收入确认和战略合作伙伴收入分成安排的变化。
• 预计将从2028年影响超大规模云厂商份额的支持性AI基础设施项目的时间安排和影响。