AI模型公司的盈利逻辑是什么？
AI推理虽已盈利，但通用模型护城河浅，降本增效空间有限
核心争议：估值泡沫与盈利终局
- 估值严重透支：市场当前预支了未来10年的估值，大模型公司难以维持类似“七巨头”的高估值水平 #52, #56。
- “卖铲人”逻辑终极化：AI产业链最赚钱的环节将回归至掌握能源和算力（数据中心）的公司，而非基础模型厂商 #52, #57。Meta因拥有自建算力和数据优势而受益，传统云厂商或硬件供应商可能面临“内牛满面”后的重新洗牌 #57。
- 模型利润归零预期：基础模型极易被卷至几乎没有利润，缺乏构建用户粘性生态系统的商业模式能力 #52。
模型公司的潜在出路与局限
- 封闭专用模型路径：顶尖模型公司若无法在通用领域盈利，可能转向使用不公开的专用模型服务于高壁垒领域，如量化交易、尖端药物研发和武器制造 #52, #53。
- “闷声发大财”逻辑：真正具备AGI潜力的技术往往像科研突破一样保密，而非急于上市或大肆宣传；当前高调吆喝的模型公司多被视为“垃圾” #53。
- 估值支撑力质疑：若模型公司仅局限于上述封闭专用领域，其体量完全无法支撑当前市场对AI板块的高昂估值 #54, #55。
行业动态与产品落地观察
- 巨头战略趋同：微软CEO Satya Nadella的观点被引用，强调竞争核心不在于单纯比拼“最好的模型”，而在于应用生态和集成能力 #54。
- iOS集成传闻存疑：对于“9月iOS27全面接入Gemini”导致iPhone/Mac瞬间拥有Claw等能力的说法，市场持谨慎怀疑态度 #58。
- 推理成本已转正：头部厂商去除高昂的训练成本后，仅看推理环节其实已经实现盈利，打破了“训练贵即全亏”的刻板印象 #61。
- Kimi K2.7 Code 表现强劲：跑分达到Claude Opus 4.8/GPT 5.5的90%-95%，但API价格不到其20%，中国开源模型以极致性价比冲击美国模型的高利润率模式 #65。
- 机器人产业领先：宇树科技在供应链打通、迭代速度和成本控制上具备断崖式优势，旗舰人形机器人成本有望降至2万美元以下，且维持50%以上毛利，被视为新的DJI #74, #76。
风险与注意事项（更新）
- 商业模式脆弱性：基础模型缺乏护城河，易陷入价格战导致毛利归零，长期盈利逻辑受到根本性质疑 #52。
- 技术保密与黑箱化：随着竞争加剧，核心AI技术可能从开源/半开源转向完全封闭，普通用户和开发者难以触及真正尖端能力 #53。
- 国内开源模式的可持续性存疑：国内厂商通过全产业链补贴（人才、税收、定向支持）维持低价，类似光伏或电车早期的“卷”模式，长期能否盈利及是否会被视为流氓软件出海受阻仍是未知数 #63, #67, #70-#72。
- 切换成本极低：简洁优雅的算法+易获取的数据（如Coding Agent数据）缺乏护城河，用户无切换成本，今天用A明天用Z，利润空间极小；真正的壁垒在于医疗、法律等高切换成本的垂直整合领域 #77。
- 垂直整合的局限性新观点：私有数据因合规或权限问题通常不允许直接用于模型微调（Fine-tuning），企业更多是将数据置于Context中调用，这种“Harness”模式并未真正绑定模型，用户粘性依然有限 #79。
- 降本空间有限论：尽管AI技术进步有助于降低成本，但整体来看，通过技术迭代带来的成本下降机会和利润释放空间是有限的，难以支撑爆发式增长预期 #82。
争议或不同意见
- 看空 vs 看多：一方认为若找不到应用端场景，估值透支30年都不为过；另一方认为市场高估值基于对未来乐观愿景，不应因小理由看空AI #59, #60。
- 国内盈利逻辑质疑：有观点质疑国内开源模型低价是否纯靠烧钱垄断后涨价，或依赖政府无限补贴，但反驳指出补贴总额有限且不可持续，且美国顶尖竞争者存在 #67, #70-#72。
- 机器人对比：关于宇树是否领先Figure和Tesla，部分用户因缺乏Dashboard数据而不关心，但另一方强调其供应链和成本优势已形成巨大壁垒 #75, #76。