巴克莱近期发布的一份关于AI前沿实验室与云服务提供商（CSP）经济模型的报告，为外界拆解了大模型行业的利润账本。报告显示，行业推理利润率已从2025年的10%—20%快速提升至2026年的50%—65%以上，其中Anthropic的推理利润率达到65%，OpenAI约为48%。即便进一步扣除训练成本，Anthropic仍有55%，OpenAI则为38%。这意味着AI实验室自身的单位经济模型正在显著改善，但报告同时指出，这些利润并未全部留在实验室手中——每产生100美元收入，约有35—40美元会流向AWS、Azure和Google Cloud等云厂商，用于训练和推理等算力支出。

报告强调，单纯比较OpenAI和Anthropic的ARR（年度经常性收入）意义有限，因为两家公司的收入确认方式存在差异。目前行业存在“总额法”和“净额法”两种记账方式：总额法将全部流水计入收入，再扣除成本；净额法则只记录最终归属自身的部分。若一家实验室采用总额法确认间接API收入，而另一家更多采用净额法，即便前者ARR更高，也不代表其商业化能力更强。因此，报告建议投资者未来应更多关注业务结构和单位经济，而非单纯的收入数字。其中最关键的是推理利润何时能覆盖训练下一代模型的成本——只要训练持续吞噬大量现金，即便ARR再高，公司仍需不断融资。

报告进一步拆解了利润流向。以2026年的业务结构测算，假设一家AI实验室年收入100美元，其中约35—40美元最终成为云厂商的收入，而云厂商从中可获得约10—20美元的营业利润，对应营业利润率约35%—45%。此外，云厂商还能从Agent类产品中获益——这些产品不仅消耗GPU，还会调用数据库、存储、网络等云服务，同时部分实验室与云厂商存在收入分成协议。这意味着云厂商可能同时赚取算力、云软件和合作分成三笔收入，这也是AWS、Azure和Google Cloud在AI时代战略地位凸显的原因。

不过，这一格局并非一成不变。报告预计，从2028年开始，随着专门为AI实验室建设的基础设施逐渐上线，实验室对传统超大规模云厂商的依赖度将下降，云厂商在训练和推理中的份额也可能随之减少。驱动因素有二：一是模型效率提升和企业客户、Agent的增长使推理利润持续扩大，最终有望覆盖甚至超过训练成本，从而形成经营杠杆；二是当实验室收入规模达到数百亿美元、算力需求可预测时，自建数据中心、锁定电力等基础设施投资将变得更具经济性。报告认为，AI实验室大规模建设类似Stargate的基础设施，正是为了夺回被云厂商拿走的利润。

总体而言，这份报告描绘了大模型行业从“烧钱换增长”向“利润分配权争夺”过渡的图景。对于关注AI产业链的投资者而言，推理利润率的提升和云厂商份额的潜在变化，都是值得跟踪的关键指标。