AI 行业的钱流向哪里

看 AI 行业新闻最容易困惑的一点是：一边是天文数字的融资和估值，一边是几乎所有头部公司都在巨额亏损。理解三层结构，这个矛盾就不难解释了。

本文目录

三层结构：算力、模型、应用

把 AI 行业简化成三层，绝大多数新闻都能找到位置：

层级	卖什么	典型收入模式	特征
算力层	芯片、服务器、云算力	硬件销售 / 算力租用	资本开支极重，但需求确定性高
模型层	模型能力本身	API 按量计费 / 订阅 / 授权	研发与训练成本极高，边际成本随调用量增长
应用层	解决具体场景问题	订阅 / 按席位 / 效果分成	门槛相对低，竞争激烈，依赖模型层的成本

三层的依赖关系很清晰：应用层跑在模型层之上，模型层跑在算力层之上。所以算力层的景气度，往往是最难被证伪、也最先反映在财报上的信号。

这不是矛盾，而是同一件事的两面。原因有三：

关键判断：一家 AI 公司亏损并不可怕，可怕的是亏损没有换来任何可积累的东西。可积累的是：独家数据、用户习惯、分发渠道、成本优势。如果这几样都没有，烧钱就只是烧钱。

护城河最深，来自产能、制程、软件生态和供应链。但它的风险是周期性——一旦需求预期下调，重资产的压力会立刻显现。

护城河最脆弱。模型能力容易被追平，开源模型持续拉近差距，客户迁移成本也不高。真正能留住用户的往往不是模型本身，而是围绕它建立的产品体验、工作流集成和数据沉淀。

单点功能几乎没有护城河——一个能被 prompt 复刻的功能，随时会被大厂内置。能活下来的应用通常具备：深度嵌入业务流程、掌握专有数据、或拥有强分发渠道。

用于说明相对结构，非任何具体公司的实际财务数据。

算力（训练+推理）主要大头

人才高高

数据与标注中中

销售与获客中高中高

合规与安全上升上升

理解成本结构有个直接用途：当一家公司宣布大幅降价时，你要问的是"成本降了还是补贴"。如果是推理成本真的下降（模型效率提升、芯片迭代、蒸馏技术应用），那是可持续的；如果是补贴抢市场，那价格迟早回弹。

每天都有大量 AI 新闻，用一个四问法快速过滤：

提醒：本页内容为行业结构性分析，不引用任何具体公司的实时财务数据。涉及具体金额、估值、融资额时，请以公司公告、招股书或权威媒体的原始报道为准。