知乎文章分析:AI 公司每赚 100 美元近 40 美元流向云巨头
验证知乎 @旷野 对巴克莱 AI Unit Economics 报告的分析:折旧滞后、收入确认口径、2028 减值风险、收入曲线兑现概率
知乎文章分析:AI 公司每赚 100 美元近 40 美元流向云巨头
背景
知乎 @旷野 在《如何看待「AI 公司每赚 100 美元近 40 美元流向云巨头亚马逊、微软、谷歌」的现象?》下回答,核心论点:40% 这个标题数字是全篇最不重要的一句,真正重要的是①35-40% 里约 35 美元是真实推理算力成本,其余是历史遗留的股权/渠道安排(OpenAI-微软 20% 收入分成,2028 年后归零);②云厂 35-45% 的营业利润率是利润表上的,不是现金流量表上的——折旧滞后 capex 5-6 年,2028 年前后集中兑现;③英伟达是链条上唯一"先收钱后交货"的环节;④间接 API 的总额法/净额法会让 OpenAI/Anthropic 营收对比失真;⑤最核心的风险是分母——AI 实验室收入从 2024 年 70 亿到 2028 年 6900 亿,两年 5 倍,这条线兑现不了,所有利润率讨论都会变成减值讨论。
结论
先给结论:答主(旷野)是少数真读透了巴克莱报告的人——40% 这个标题确实是最不重要的一句,他挖折旧、挖收入确认口径、挖分母,方向都对。数据大部分站得住,但"40% 是好消息"这个框架本身有取巧,而且他漏了同一周发生的几个更硬的反信号。评分 7.0/10。
📊 数据核查(as-of 2026-09-01)
| 文章声称 | 实际数据 | 判定 |
|---|---|---|
| 巴克莱报告:每 100 美元 AI 收入 → 35-40 美元流向三大云,云厂赚 10-20 美元营业利润(35-45% 利润率) | Barclays “A Primer on AI Lab & AI Hyperscaler Unit Economics”(2026-08-27/28)确认:Lab A(API 重)35/11.8/34%,Lab B(80% 订阅+20% 收入分成)41/19.1/47% | ✅ 准确 |
| 剔除收入分成后各家每 token 利润基本一致 | 巴克莱报告核心句:剥离收入分成后实际利润 per token 基本一致 | ✅ 准确 |
| 云厂 AI 收入/AI 实验室收入比:2024 153% → 2026 90% → 2028 73% | 巴克莱预测一致(TechFlow/Bitget 转述) | ✅ 准确 |
| 训练成本占实验室收入:2024 96% → 2026 48% → 2027 35% → 2028 30% | 巴克莱预测一致 | ✅ 准确 |
| 四大云 capex 4339 亿 vs 折旧约 1490 亿(约 1/3) | 2025.4-2026.3 四大云 capex $433.9B,同期折旧约 $149B(Silicon Analysts);2026 指引合计约 $700B | ✅ 准确 |
| 亚马逊 2025.1 服务器 6→5 年 + 加速折旧 | 10-K 确认:折旧 +$1.4B、净利 -$1.0B,理由"AI/ML 技术迭代加快";2024.1 曾 5→6 年(净利 +$2.5B)。6 年改 4 次:3→4→5→6→5 | ✅ 准确 |
| 发债:Meta 300 亿+270 亿 SPV、Alphabet ~560 亿、Amazon ~400 亿 | Meta 2025.10 $30B + Blue Owl SPV ~$27B;Alphabet 2025.11 $25B + 2026.2 ~$31B;Amazon 2025.11 $15B + 2026.7 $24.9B | ✅ 准确 |
| 2026 年 AI 实验室收入 1370 亿 → 2028 年 6900 亿(ARR 2026 年底 2000 亿 / 2028 年底 7820 亿) | 巴克莱预测一致。现实运行:OpenAI ARR 400 亿(8月)、Anthropic ARR 650 亿(7月底),两家合计 1050 亿 | ✅ 预测 vs 现实分叉,见下文 |
结论:正文几乎所有关键数据都对得上,这在知乎财经区是稀缺品质。
🔍 逻辑拆解
站得住的三点:
- 折旧滞后 capex 是全文最值钱的角度 — 四大云 capex 4339 亿 vs 折旧 1490 亿,约 2850 亿/年的现金已花掉但还没进利润表。35-45% 的云厂利润率是前置的、含水的。亚马逊 2025 年已经把服务器从 6 年砍回 5 年,用自己的报表演示了这件事长什么样——只是它砍得早、量小。
- 英伟达是链条上唯一"先收钱后交货"的环节 — 75% 数据中心毛利、现金落袋、账期干净。这个观察很准。
- 间接 API 总额法/净额法 — 接下来拿 OpenAI/Anthropic 营收对比前,确实要先问会计口径。Uber/Lyft 的比方贴切。
三个硬伤:
- ⚠️ “153%→90% 是好消息"是个取巧框架 — 2024 年的 153% 本来就不是稳态经济比率:那是 OpenAI 拿 Azure 额度烧钱、自己确认收入才 70 亿、分母小到失真的时候。比例下降一部分是分母追上来的机械性下降,不等于单位经济学改善全是真实的。答主自己在结尾说"最重要的不是分配是分母”——这句话其实把他自己"好消息"的论点釜底抽薪了。
- ⚠️ 推理利润率一年从十几个点跳到 55-65%、直销 API 超 80%——这是巴克莱的模型输出,不是已披露数据 — 去年还在贴钱推理的行业,一年变 Datadog 级毛利,这个数字本身就该打折。而且有内在矛盾:如果推理毛利真有 80%,付完 35% 云成本还剩 45%+,“40% 给云"就不是个事——真正的负担只能是训练,也就是他自己点出来的 48%。这个判断对,但 80% 那个数别当已实现事实用。
- ⚠️ 中国段 134% 太脆弱 — 爱分析的模型假设 GPU 利用率 100%、缓存命中率 90%,自己都承认是理论上限(行业实际约 70%)。利用率掉到 70%,结论从月亏 6.5 万变月亏 1-2 万——方向不变,幅度全靠假设。可参考,别当事实。“大厂把 API 当云生态引流入口、独立厂商没有云兜底只能涨价"这个结构判断倒是真的。
答主漏掉的——2026 年正在发生的事:
- Alphabet 2026 年 6 月做了 847.5 亿股权融资——上市公司史上最大一次。 发债可以叫"预融资”,股权稀释到这种程度,说明管理层自己对 FCF 回收时间表没那么有信心。答主通篇只谈发债,没谈股权。
- 甲骨文 7 月被标普降到 BBB-,理由就是 capex 飙升 + 负 FCF + 客户集中。信用故事已经开始咬人了。
- 巴克莱自己的模型都在给 Meta 算 2027/2028 负 FCF。
- Meta 被曝准备卖云(Zuckerberg 亲口说 “definitely on the table”)——自家 AI 需求吃不掉产能的信号,等于云市场又要进来一个甩产能的玩家。7 月上半月 Meta +17%,市场在奖励第二条变现路径,我更愿意把它读成产能过剩的早期信号。
折旧论补个反方:
答主把 5-6 年折旧说得像财务伎俩,但 FactSet 那边有反证:H100/A100 的二手价和 GPU 租赁签约利率至今坚挺,说明芯片在市场上还有经济寿命,5-6 年不是纯白日梦。真正的风险不是"折旧做假”,是"折旧赌稀缺能持续到 2028"——稀缺是周期现象。答主的"预付款单据"比喻对,但那张单据的抵押物是今天的稀缺性,而稀缺性会消散。
📌 我的独立判断
“7000 亿变混凝土"到底什么意思
云厂现在的利润表,是一张"预收款单据”——今天多记的每一分利润,都是向 2028 年借的。四大云 capex 4339 亿 vs 折旧 1490 亿,差额约 2850 亿/年是"现金已花、费用未认"。折旧按 5-6 年摊,赌的是 GPU 能用满 5-6 年;GPU 实际经济寿命约 3 年(英伟达一年一代架构,隔两代二手市场没人接)。如果 2027-2028 年技术迭代或需求不及预期,设备提前淘汰,账面净值超过可回收价值的部分必须计提减值——不是慢慢多扣点折旧,是某个季度一次性砸下来几十亿美元。“集中"在于:四大云 2024-2026 同一时间窗扎堆买入,2028 年前后正好是这批资产的折旧高峰 + 淘汰时点,恰好巴克莱又预测 2028 年自建算力上线、云厂份额被挤——需求侧转弱 + 资产到期,两头夹击。
对 AI 行业的影响
- 会计滞后给过度投资买了一张 5-6 年的"宽限期”——代价是泡沫破的时候更集中。 这直接解释了为什么云厂敢借 7000 亿债、Alphabet 敢做史上最大股权融资还不停手——管理层算得过来账:先跑马圈地,出事是五年后的事。这跟互联网泡沫最大的不同:2000 年那轮烧钱当年就上利润表,破得快;这轮破绽被权责发生制拖后 5-6 年,但错配也攒得更大。泡沫不是被防止了,是被延期了,延期还带利息。
- 资本链上三个人,受伤方式完全不同 — 云厂从"印钞机"变"背债人"(背约 2850 亿/年未确认成本 + 债务 + 稀释 + 减值);英伟达从"唯一先收钱的"变"下一个担心订单的"(需求完全押在云厂 capex 上);AI 实验室从"被抽血方"变"买方市场受益者"(自建算力上线、算力供给释放、价格下行,训练成本占比会加速下降——不是 AI 公司变强了,是算力从卖方市场变买方市场了)。
- 决定一切的是分母 — AI 实验室收入 1370 亿(2026)→ 6900 亿(2028),两年 5 倍。兑现了,折旧墙只是"可以承受的扩张成本";只兑现一半,全部利润率讨论变减值讨论,第一个挨刀的是那几家已签 7000 亿债的公司。决定这条曲线的不是 GPU 出货量、不是云厂毛利,是终端付费需求。
收入能不能兑现——现实 vs 巴克莱曲线
| 2025 年底 | 2026 年中 | 增速 | |
|---|---|---|---|
| OpenAI ARR | 200 亿 | 400 亿(8月) | 2 倍,2-5 月平台期后 7 月爆发 |
| Anthropic ARR | 90 亿 | 650 亿(7月底) | 7 倍 |
| 两家合计 | 290 亿 | 1050 亿 | — |
- 2026 年底 ARR 2000 亿:大概率能到(60-70%)。 两家已 1050 亿,加 xAI、Google/Meta 对外 API,年底 2000 亿 ARR 现实。关键是增速在加速——Anthropic Q2 单季收入 115 亿,环比 +143%,第一次把调整后营业利润转正。企业愿意为产出付费,不是为 token 付费,增量单位经济学在真修复。
- 2028 年 6900 亿收入 / 7820 亿 ARR:兑现概率约三成。 三个理由:①数学上要两年 7.4 倍,年化约 170%,还是从 1000 亿+ 基数跑——没有先例;②最硬的矛盾:Anthropic 自己给 2028 年的指引是 190-200 亿美元(Reuters,IPO 估值就压在这上面),只占巴克莱那个 6900 亿盘子的 3%——说明这个分母大头根本不在 OpenAI/Anthropic 身上,要么是 Big Tech 自家报表的"AI 收入",要么口径宽得多,无法独立验证;③交叉验证对不上:Nvidia 数据中心单季收入已 890 亿、年化约 3600 亿,而 AI 实验室收入才 1370 亿,巴克莱模型隐含"算力效率跃升 + 价格大降 + 需求爆炸"三重假设同时成立。
- 但增量在修复,存量远没有 — OpenAI 毛利率只有 33%,2026 年推理成本预计 141 亿,现金消耗 2026 年约 270 亿、2027 年翻到 630 亿。别被"推理利润率 80%“骗了:那是最优增量情景,存量上训练成本 + 推理总成本还是把整体毛利率压在地板上。
哪些不能投——风险分层
“不能投"的标准不是贵不贵,是:当分母证伪时,谁的报表先爆。
🔴 第一层(分母证伪时第一个爆的,不碰):
- ORCL — 负 FCF、capex 达经营现金流 174%、已被标普降至 BBB-、15-19 年租赁承诺。全链条杠杆最高、现金流最弱、替 OpenAI 建产能还要自己背折旧墙。fwd PE 12.9 是陷阱——那是市场按"折旧墙不存在"推的盈利。
- PLTR — PS 70 倍、PE_ttm 159。纯 AI 叙事的极致定价。不背 capex、不背折旧,但 70 倍 PS 意味着完美兑现已完全 price in,曲线一放缓杀估值最狠。
- SNOW — 亏损、PS 22、EV/EBITDA -98。自己不建算力、还要向云厂付算力费——链条里的"纯成本方”,两头挨打。
- AMD / MRVL — fwd PE 30/31、EV/EBITDA 77/65。二供和组件商。云厂 2027 砍 capex,砍单永远先砍二供。NVDA 吃肉它们喝汤,NVDA 挨打它们先死。
🟡 第二层(不是不能投,是赔率差——要等信号):
- META — EV/EBITDA 13.6、fwd PE 16.5,看着便宜,但巴克莱模型直接给它算 2027-28 负 FCF;被曝准备卖云=内部需求吃不掉产能。便宜有便宜的理由。
- AMZN — PE 20.9,但 fwd PE 24.5 比 ttm 还高——反常信号:市场预期未来盈利不升反降。capex 达经营现金流 102%,FCF 已转负。
- GOOGL — PE 17 看似全云厂最低,但刚做完史上最大股权融资 847.5 亿——管理层真金白银投票说现金不够。利润会被折旧墙吃。
- NVDA — 现金质量最好、75% 毛利、fwd PE 14,唯一"先收钱后交货"的,但这个确定性已 price in。风险不在报表,在增速从 117% 掉下来那天的估值。
🟢 相对最抗造(不是说能买,是相对): MSFT — PE 28/fwd 21,用融资租赁把 capex 移出资产负债表,FCF 只降 28%,Azure 有 OpenAI 分成兜底。折旧墙对它的冲击是四家里最小的——但它也最贵。
评分
7.0/10。 数据扎实、折旧和收入确认两个洞挖得准、有独立判断(自建不是免费的)。扣分在:“好消息"框架取巧、80% 推理毛利是模型输出当事实用、中国段 134% 太脆、漏了股权融资和信用降级这些同期反信号。
数据来源:Barclays (2026-08-27/28), SEC 10-K/10-Q, Silicon Analysts, FactSet, Bloomberg, Reuters, CNBC, yfinance (2026-09-01)