巴克萊近期釋出的一份關於AI前沿實驗室與雲服務提供商（CSP）經濟模型的報告，為外界拆解了大模型行業的利潤賬本。報告顯示，行業推理利潤率已從2025年的10%—20%快速提升至2026年的50%—65%以上，其中Anthropic的推理利潤率達到65%，OpenAI約為48%。即便進一步扣除訓練成本，Anthropic仍有55%，OpenAI則為38%。這意味著AI實驗室自身的單位經濟模型正在顯著改善，但報告同時指出，這些利潤並未全部留在實驗室手中——每產生100美元收入，約有35—40美元會流向AWS、Azure和Google Cloud等雲廠商，用於訓練和推理等算力支出。

報告強調，單純比較OpenAI和Anthropic的ARR（年度經常性收入）意義有限，因為兩家公司的收入確認方式存在差異。目前行業存在“總額法”和“淨額法”兩種記賬方式：總額法將全部流水計入收入，再扣除成本；淨額法則只記錄最終歸屬自身的部分。若一家實驗室採用總額法確認間接API收入，而另一家更多采用淨額法，即便前者ARR更高，也不代表其商業化能力更強。因此，報告建議投資者未來應更多關注業務結構和單位經濟，而非單純的收入數字。其中最關鍵的是推理利潤何時能覆蓋訓練下一代模型的成本——只要訓練持續吞噬大量現金，即便ARR再高，公司仍需不斷融資。

報告進一步拆解了利潤流向。以2026年的業務結構測算，假設一家AI實驗室年收入100美元，其中約35—40美元最終成為雲廠商的收入，而云廠商從中可獲得約10—20美元的營業利潤，對應營業利潤率約35%—45%。此外，雲廠商還能從Agent類產品中獲益——這些產品不僅消耗GPU，還會呼叫資料庫、儲存、網路等雲服務，同時部分實驗室與雲廠商存在收入分成協議。這意味著雲廠商可能同時賺取算力、雲軟體和合作分成三筆收入，這也是AWS、Azure和Google Cloud在AI時代戰略地位凸顯的原因。

不過，這一格局並非一成不變。報告預計，從2028年開始，隨著專門為AI實驗室建設的基礎設施逐漸上線，實驗室對傳統超大規模雲廠商的依賴度將下降，雲廠商在訓練和推理中的份額也可能隨之減少。驅動因素有二：一是模型效率提升和企業客戶、Agent的增長使推理利潤持續擴大，最終有望覆蓋甚至超過訓練成本，從而形成經營槓桿；二是當實驗室收入規模達到數百億美元、算力需求可預測時，自建資料中心、鎖定電力等基礎設施投資將變得更具經濟性。報告認為，AI實驗室大規模建設類似Stargate的基礎設施，正是為了奪回被雲廠商拿走的利潤。

總體而言，這份報告描繪了大模型行業從“燒錢換增長”向“利潤分配權爭奪”過渡的圖景。對於關注AI產業鏈的投資者而言，推理利潤率的提升和雲廠商份額的潛在變化，都是值得跟蹤的關鍵指標。