远见网巴克莱最新研报为AI产业的钱流画出了一张清晰路线图：模型公司每获得100美元收入，其中约35至40美元以推理算力费的形式流向亚马逊AWS、微软Azure和谷歌云平台三大云巨头。
报告进一步测算，云服务商从这笔流水中能斩获10至20美元营业利润，对应35%至45%的营业利润率。
与此同时，AI实验室的付费推理业务利润率正经历戏剧性跃升——从2025年的低双位数水平，预计到2026年将攀升至50%至65%甚至更高，调整后毛利率同比提升30至50个百分点。
但巴克莱分析师提醒，这一高利润率恐难持久，前沿模型竞争加剧及算力供给增加后，利润率将逐步回落。
这份报告的价值在于，它把AI产业链条上最核心的利润分配机制做了量化拆解。
当外界还在为“谁将赢下AI竞赛”争论不休时，巴克莱的测算揭示了一个更现实的图景：无论哪家模型公司胜出，云计算巨头都稳坐利润分配的上游位置。
算力税：AI商业化的隐形天花板
巴克莱报告所描述的利润流向，本质上是一种“算力税”效应。
模型公司每赚100美元，就要向云厂商缴纳35至40美元的“过路费”。
这笔费用并非一次性投入，而是随着推理调用量增长持续发生，成为模型公司最大的成本项之一。
以OpenAI为例，其模型覆盖超过10亿活跃用户，推理算力需求极为庞大。
据华尔街见闻报道，OpenAI已将云服务支出预测上调至7000亿美元，并斥资300亿美元建设数据中心。
这意味着，即便OpenAI在商业化上取得突破，其利润表仍将承受巨大的算力成本压力。
巴克莱的测算显示，云厂商从这笔算力费中获得的营业利润率高达35%至45%，远超多数模型公司。
这种“卖铲人”模式的优势在AI时代被放大：云厂商不承担模型研发的沉没成本风险，却享受算力需求爆发的确定性增长。
值得关注的是，这一利润格局正在影响AI公司的战略选择。
部分头部模型公司开始自建数据中心，试图降低对云厂商的依赖，但高昂的资本开支和建设周期，使得这一路径在短期内难以根本改变利润分配结构。
利润率跃升背后的竞争变量
巴克莱报告的另一关键发现是，AI实验室付费推理业务的利润率正在快速提升。
从2025年的低双位数到2026年的50%至65%，这一跃升幅度看似惊人，实则反映了行业定价权的阶段性转移。
当前，前沿模型供不应求，头部实验室掌握定价权，能够将推理服务卖出溢价。
同时，模型效率的提升（如更小的参数、更优的架构）降低了单位推理成本，进一步推高利润率。
巴克莱认为，实际利润率可能比报告的测算更高，但这一红利窗口正在收窄。
随着算力供给增加和前沿模型竞争加剧，利润率预计将逐步回落。
这一判断与AI行业的历史规律吻合：从早期的稀缺垄断到后期的充分竞争，利润率必然向均值回归。
对于投资者而言，关键在于判断这一回落的速度和幅度。
事实上，产业链的连锁反应已经开始显现。
据财联社报道，中国集成电路出口在2026年前7个月同比增长99.5%，存储芯片成为最大拉动品类，厂商净利润暴增20多倍，芯片封装设备订单排到2028年。
全球算力基建需求井喷，正在重塑整个硬件产业链的利润分布。
这种“上游热、下游冷”的格局，与巴克莱对云巨头利润率的判断形成呼应。
算力基础设施的提供者，无论是以云服务形式还是以芯片形式，都在AI浪潮中占据更有利的利润位置。
利润分配失衡下的产业博弈
巴克莱的报告揭示的利润分配失衡，正在引发产业链上下游的深度博弈。
模型公司试图通过自研芯片、自建数据中心来降低算力成本，云厂商则通过捆绑服务、优化定价来巩固自身地位。
OpenAI与微软Azure的深度绑定，是这一博弈的典型样本。
OpenAI既是Azure最大的客户之一，又是其AI能力的展示窗口，双方在合作中既有协同，也有利益摩擦。
巴克莱的测算显示，这类合作中，云厂商往往能获得更稳定的利润回报。
与此同时，云巨头之间的竞争也在加剧。
AWS、Azure和谷歌云都在加大AI基础设施投入，试图在算力供给扩张中抢占份额。
但巴克莱提醒，算力供给增加将压低推理价格，进而压缩云厂商的利润率空间。
这种动态平衡意味着，AI产业的利润分配不会是静态的。
随着模型效率提升和算力成本下降，35%至40%的“算力税”比例可能发生变化。
但短期内，云巨头在AI利润链中的强势地位难以撼动。
对于AI模型公司而言，巴克莱的报告敲响了警钟：如果不能有效控制算力成本，即便收入增长迅猛，利润也会被上游吞噬。
这解释了为何头部实验室纷纷投入自研芯片和基础设施——它们需要在这场利润博弈中争取更多主动权。
AI投资逻辑的重新校准
巴克莱报告对投资者的启示是多层面的。首先，它提醒市场关注AI产业链的利润分配机制，而非仅仅关注收入增长。
模型公司的收入高增长，并不必然转化为利润，算力成本是必须考量的关键变量。
其次，云巨头在AI浪潮中的受益逻辑更加清晰。
无论哪家模型公司胜出，算力需求都会增长，云厂商作为基础设施提供者，能够获得相对确定的利润回报。
这或许解释了为何市场给予云巨头较高的估值溢价。
但投资者同样需要警惕利润率回落的风险。
巴克莱明确指出，随着算力供给增加和竞争加剧，云厂商的营业利润率可能从当前的高位逐步下滑。
这意味着，当前基于高利润率的估值模型，需要纳入这一动态因素。
从更宏观的视角看，AI产业的利润分配正在经历从“模型为王”到“算力为王”的转变。
模型能力的差距可能在缩小，但算力基础设施的规模效应和网络效应，构成了更深的护城河。
这一判断，与巴克莱的测算数据相互印证。
对于中国的AI产业而言，这一利润格局同样具有参考价值。
中国在算力基础设施上的投入正在加速，存储芯片出口的爆发式增长即是明证。
但如何在全球AI利润链中占据更有利的位置，仍是中国企业需要面对的课题。
归根结底，巴克莱的报告揭示了一个朴素的商业逻辑：在AI这场技术革命中，利润最终会流向那些掌握稀缺资源的一方。
当前，算力是稀缺资源，云巨头因此坐享其成。但随着技术扩散和供给增加，这一格局终将改变。
对于所有参与者而言，理解这一利润流动的规律，比追逐短期的收入增长更为重要。
继续往下看，巴克莱拆解AI利润链已经不只是单点消息，后面更关键的是客户验证、交付效率和供应链稳定性能不能按同一节奏往前走。如果前面的改善不能继续传导到更细的执行端，市场很快就会重新评估这轮变化的成色。
落到经营端，真正会拉开差距的，往往不是谁先把声量做大，而是谁先把客户验证和交付效率稳下来。对平台企业与供应链厂商来说，这类差距通常先出现在周度推进和合作接口上，随后才会传导到更实在的结果。眼前这轮变化之所以值得继续跟，背后牵着的就是这一串更硬的变量。
这意味着，巴克莱拆解AI利润链后面真正要看的，已经不是单点产品热度还能不能继续放大，而是客户验证、交付效率和供应链稳定性会不会连续改善。只有这些变量开始稳定兑现，这轮变化才会从阶段性信号走向更明确的趋势。
长期看，对平台企业与供应链厂商来说，竞争差距不会停留在表态或热度上，而会先体现在客户验证和交付效率能不能沉到日常动作里。谁能把这些环节持续做实，谁才更有机会把巴克莱拆解AI利润链留在结果上。
