中国 AI 模型 ARR 年底或达 130 亿美元，但营收考验才刚刚开始

高盛凭借一项引人注目的预测登上 Google News：到年底，中国 AI 模型营收的年化运行率可能达到 130 亿美元。这一估计表明，中国供应商正超越基准测试的胜利与免费聊天机器人的普及。然而，这一标题也带来了更棘手的问题：在 token 价格持续下降的同时，快速扩张的使用量能否转化为可持续的营收？

这一数字出现在中国模型来自开发者、企业和海外用户的需求不断增长之际。DeepSeek 在 2025 年初改变了外界对其效率的看法。此后，Alibaba、Moonshot AI、Z.ai 及其他供应商相继将新模型、应用和云服务推向日益拥挤的市场。

主要竞争已不再只是中国与美国之间的较量，而是营收增长与激进价格压缩之间的博弈。中国供应商需要依靠更低成本赢得采用，但同样的经济逻辑也可能削弱每次请求所带来的营收。

Google News 上关于 130 亿美元的标题实际告诉了我们什么

这项预测之所以重要，是因为它将中国 AI 描绘为一个商业市场，而不只是对美国实验室的技术挑战。

Google News 的标题将这项年底达到 130 亿美元的估计归因于 Goldman Sachs。不过，现有可访问的转载内容并未披露其底层模型、公司构成或计算周期。因此，这一数字应被视为媒体报道的预测，而非经审计的行业营收。

年度经常性收入，即 ARR，是基于当前经常性销售额的运行率指标。它有助于估算订阅和签约服务的规模，但并不等同于某个已结束财年中已确认的营收。

在快速增长的市场中，这一区别尤为重要。一家供应商可能在下半年扩张后，于 12 月以较高的年化运行率收官，但其全年实际收取的营收仍可能低得多。

这一预测似乎还涵盖了比消费者聊天机器人订阅更广泛的市场。Goldman Sachs 此前曾将模型训练、后训练、推理和 AI 应用列为变现渠道。后训练是根据客户需求调整模型，而推理则是用户提交新请求时所执行的计算。

Goldman Sachs 早前的一篇 AI revenue analysis 指出，中国超大规模云服务商正开始产生快速增长的 AI 销售额。该分析将视频生成、图片编辑和物体识别列为主要商业应用。

该分析还描述了一个艰难的消费者市场。Goldman 表示，当时中国领先的聊天机器人均为免费产品，付费用户数量微不足道。因此，企业计算和专业应用承担了更多变现责任。

这 130 亿美元可能涵盖该技术栈多个层级的营收。云厂商通过应用程序接口，即 API，出售模型访问权限。开发者利用 API 将模型能力嵌入自身软件。供应商还可以销售专属部署、模型定制、订阅和应用服务。

在缺乏公开方法论的情况下，将这些类别相加会造成潜在的模糊性。模型开发商可能通过云合作伙伴获得 API 营收，而合作伙伴又可能将该活动报告为 AI 云营收。若两者均被计入，就会夸大为终端客户创造的经济价值。

货币换算也是另一个变量。供应商的大部分国内营收以人民币计价，而标题则给出了美元估计。即使基础业务保持不变，汇率变化也会改变报告的总额。

这项预测仍可作为方向性信号。它表明，Goldman 认为商业化推进速度足够快，值得对整个市场作出运行率估计。然而，读者不应将单一标题数字视为利润、现金生成能力或已完成年度销售额的清晰衡量标准。

这一提醒引出了核心考验。中国供应商围绕低价模型建立了采用策略，如今需要证明，巨大的使用量能够抵消每个 token 营收下降的影响。

推理成本下降创造了机会

中国 AI 的营收机会之所以存在，是因为更低的推理成本让更多产品和组织能够负担实验成本。

Goldman Sachs 在 2025 年 1 月估计，中国的推理成本在此前一年中下降了超过 95%。其 cost analysis 认为，更便宜的模型执行将鼓励更多生成式 AI 应用。

推理发生在模型训练之后，涵盖回答提示词、生成图像、编写代码或完成其他实时任务所需的计算。每增加一次请求都会消耗计算能力，因此推理经济性同时塑造客户价格和供应商利润率。

更低的成本使开发者能够在无需作出重大承诺的情况下测试更多用例。零售商可以总结客服对话，软件公司可以增加代码辅助功能，媒体团队可以生成视觉草稿，制造商则可处理质检图像。

AI agents 放大了这一效应。Agent 通过反复调用模型、检查输出并选择后续行动来完成多步骤任务。因此，一次用户请求的 token 消耗量可能远高于传统聊天机器人的一次回答。

这一机制有利于以低成本提供可接受性能的供应商。如果模型能在既定工作流中稳定运行，就不必在每一项基准测试中领先。开发者往往更在意延迟、一致性、集成成本和总体运营成本。

中国实验室一直在强化这一定位。DeepSeek 通过展示采用效率优先设计且能力出色的推理模型，吸引了全球关注。Alibaba 的 Qwen 系列通过可下载模型和云端访问获得了广泛的开发者关注。Moonshot AI 和 Z.ai 也通过频繁发布和更低成本的产品参与竞争。

近期采用证据支持了这一基本趋势。美联社报道称，近期某个月 OpenRouter 上使用量最高的五个模型均来自中国。OpenRouter 汇集了多个模型的访问入口，因此其活动可作为有用的开发者信号，但并不代表整个市场。

同一篇 adoption report 表示，中国模型因价格亲民且能力日益增强，正吸引美国用户。报道提到，企业正在评估将其用于编程、研究、线索发现及其他实际任务。

这种需求延伸至中国以外。Goldman 此前估计，中国超大规模云服务商 90% 至 95% 的营收来自国内。尽管如此，该机构仍将亚洲、中东和拉丁美洲视为新数据中心和服务的扩张市场。

视觉生成已为这一海外机会提供了证据。Goldman 表示，对于某些视频和图片编辑应用，海外市场贡献的营收超过了中国。这类产品能够服务全球客户，无需每次交互都承载大量本地商业背景。

开放模型也降低了采用摩擦。开发者可以查看可用代码，在选定环境中部署模型，并定制自身系统。这种灵活性吸引了担心依赖单一封闭 API 的公司。

然而，下载量和 token 用量不会自动转化为经常性销售。开发者可以使用可下载的模型权重，而无需向原始实验室付费。云服务商只有在客户使用其托管基础设施或购买相关服务时才能获得营收。

这带来了转化挑战。中国供应商必须将技术分发转化为付费推理、托管部署、企业支持或专有应用。130 亿美元的预测取决于这座桥梁能否在众多客户中形成具有商业意义的规模。

评估这些服务的组织也面临信息难题。模型公告、基准测试、安全审查和内部测试结果来自不同渠道。可搜索的 AI knowledge base 可以帮助团队在将工作流交给某家供应商之前保留这些证据。

因此，采用的故事是真实的，但尚未完整。更低的推理成本扩大了在经济上可行的任务数量，剩下的问题是：在每项任务变得廉价之后，供应商能否保留足够的价值。

Alibaba、DeepSeek 与中国 AI 供应商面临营收悖论

市场最强大的采用武器——激进的效率——也直接对营收预测施加压力。

中国模型供应商正通过更低的使用成本、开放发布和快速迭代争夺开发者。这些策略能够扩大总需求，但也会让任何一家供应商更难维持定价权。

基本公式由三部分组成：请求量、每次请求的营收，以及服务每次请求的成本。只有当使用量增长快于单位收入下降时，降价才会带来营收增长。利润还需要额外一步：服务成本必须下降得足够快，以维持利润率。

AI agents 改善了该公式中的量级一端。它们可以在搜索文档、编写代码或协调软件工具时反复调用模型。Goldman Sachs 预测，随着 agentic 系统的普及，全球模型查询量将显著增长。

然而，价格竞争可能吞噬这种增长。如果一家供应商降价，竞争对手必须决定是否跟进。客户也可以在多个模型之间分配不同任务，将简单工作导向最便宜且性能可接受的选项。

开放模型加剧了这一压力。云公司可以托管第三方模型，而非为每次调用向其开发商付费。大型客户可以在自己的基础设施上运行下载的权重。实验室或许会获得影响力，但直接获取的营收可能有限。

Alibaba 在这场竞争中拥有结构性优势。它控制着大型云平台，开发 Qwen 模型，并提供商业应用。这种整合使其有多种机会将同一波需求变现。

该公司设定了在五年内实现 AI 与云业务合计营收超过 1000 亿美元的目标。根据 2026 年 3 月的一篇 earnings account，其云业务营收在所述的 10 月至 12 月季度增长了 36%。不过，随着整体支出增加，Alibaba 的季度总利润下降了 67%。

这些结果说明了市场的主要矛盾。云和 AI 需求可以增长，同时投资和竞争也会压低短期盈利。仅凭营收增长，并不能说明供应商是否从基础设施中获得了足够的回报。

阿里巴巴还承诺在三年内投资至少3800亿元用于云和AI基础设施。产能支持更多模型使用，但也提高了证明这笔支出合理性所需的收入规模。该公司必须在可用性、服务质量和资本纪律之间取得平衡。

DeepSeek则走了一条不同的路线。其模型帮助确立了效率作为竞争重点的地位。其影响力超出了直接归属于该公司的收入，因为其他平台可以部署或基于其发布成果进行开发。

这使DeepSeek成为130亿美元论点的重要组成部分，但并不意味着它会成为由此产生收入的显然受益者。其模型能够刺激第三方提供商的云消费。经济收益可能流向基础设施运营商、应用开发商和企业集成商。

Z.ai展现了这种权衡的另一面。据美联社报道，该公司上一财年营收增长132%，达到7.24亿元；净亏损则增长60%，达到47亿元。

这些数字说明了为何ARR需要置于背景中理解。当研发、算力和客户获取成本仍然高昂时，快速增长的经常性收入可能与更大的亏损并存。服务商的收入运行率并不能回答其业务是否能够为持续的模型开发提供资金。

Moonshot AI近期的需求激增也为产能问题提供了类似教训。美联社报道称，在其Kimi模型的热度令可用资源承压后，该公司曾暂时暂停接受新订阅。高需求验证了产品吸引力，但配给也限制了即时变现。

美国服务商也面临自身版本的这一问题。OpenAI、Anthropic和Google通过前沿能力、开发者平台和业务集成展开竞争。它们拥有更充足的先进芯片渠道和更成熟的云基础设施，但其训练和推理投入同样十分庞大。

竞争边界也正变得不那么受地理因素限制。美国开发者可以通过全球托管服务使用中国开源模型。中国企业可以将国内模型与内部数据和专用软件结合。客户越来越多地是在比较工作负载，而非各国的模型组合。

这削弱了简单的中美对立叙事。中国服务商在成本上给美国实验室施压，但它们彼此之间承受的压力更大。每一次新的低成本发布，都可能重置国内市场的客户预期。

如果服务商能够在不依赖不断加码补贴的情况下维持增长，高盛的估算将更具可信度。若市场份额需要反复降价、且降价幅度超过Token需求增长，该估算的说服力就会减弱。决定性证据将来自收入质量，而非基准测试排名。

ARR估算未能展现的内容

最大的未知在于衡量方式，因为中国AI市场尚未形成一套一致、公开披露的模型ARR定义。

ARR最适用于稳定的订阅合同。模型服务通常会混合订阅、按量计费的API使用、云合同、实施工作和促销额度。将这些收入流年化，可能会得出一个看似精确、却建立在不断变化假设之上的数字。

按使用量计费的收入尤其波动。开发者可能在产品发布期间引入大量流量，随后一个月便减少使用。将一个强劲月份乘以十二，可能高估持久需求。

企业合同则可能造成相反的问题。一份长期协议可能包含预留算力、支持、模型定制和存储服务。将整份合同都标记为模型ARR，可能模糊究竟是哪种产品产生了收入。

应用收入带来了另一个边界问题。AI视频服务依赖模型，但客户支付的是应用体验。将其全部订阅收入纳入计算，会使市场规模看起来大于仅统计模型和算力部分的结果。

报道中的130亿美元预测可能采用了合理的内部框架。但公开标题并未提供足够细节来评估它。没有可见的公司名单、类别定义、汇率假设，也没有与已披露财务报表的调节说明。

这一局限并不意味着该预测无效。股票研究通常会结合公司指引、渠道调研、算力需求和分析师估算。但这意味着读者不应将该数字视为经过独立审计的市场总额。

盈利能力是第二项缺失内容。服务商必须支付芯片、电力、网络、数据中心容量、工程和客户支持成本。拓展海外还会增加合规、本地化、销售和基础设施成本。

高盛此前预测，领先的中国互联网公司将在2026年向数据中心及相关AI产能投资超过700亿美元。其infrastructure outlook将该行业描述为处于先建设、后变现的阶段。

这类支出可能为智能体应用创造足够的产能。如果企业采用速度慢于预期，也可能在变现之前就出现产能过剩。数据中心一旦作出长期的电力、土地和设备承诺，便难以轻易缩减规模。

硬件获取仍是另一项约束。美国出口管制限制了中国获得部分先进AI芯片的渠道。中国服务商正增加对国产加速器的使用，但软件兼容性和产能仍会影响部署决策。

高盛表示，中国公司传统上将50%至75%的资本支出用于外国芯片，如今余额正转向国内供应商。这一转变能够提升供应韧性，但也可能需要额外工程工作，以便让模型和应用适配不同硬件系统。

地缘政治风险使海外增长更加复杂。各国政府可能实施安全审查、采购限制或新的出口管制。如果企业无法确定提示词、输出内容和运营数据的处理地点，也可能拒绝采用某个模型。

模型质量构成另一项问题。中国系统在编程、研究和常见助手任务上已具备竞争力。独立评估者仍发现，其在专业能力、语言、工具使用和高难度推理工作负载方面的表现并不均衡。

一个模型对某项工作流程而言足够好，并不代表它适用于另一项流程。企业必须使用自己的文档和故障条件测试可靠性。公开基准无法完整代表私有业务流程。

安全和治理与基准表现同样重要。如果低价模型暴露机密数据、生成不可靠操作，或需要大量人工审查，其成本可能变得高昂。买方将评估完整的运营系统，而不仅是Token费率。

中国境内的监管要求也会影响模型行为和部署。服务商必须遵守有关面向公众的生成式AI服务的国内规则。海外客户可能会对隐私、版权、透明度和自动化决策采用不同标准。

这些不确定性形成了严格的验证标准。强劲的ARR数据需要通过已确认收入、客户留存、毛利率和可重复的付费工作负载来验证。下载量和短暂的流量激增无法单独提供这样的证明。

因此，这一预测应被视为正在接受检验的论点。它表明中国低成本模型市场正接近商业化规模，但并未证明每家服务商都已找到可持续的商业模式。

三个信号将检验Google News预测

接下来的三个信号将显示，中国AI采用浪潮究竟是在创造持久收入，还是仅以更低价格带来更大规模。

第一个信号是主要云服务商确认的AI收入。阿里巴巴、百度和腾讯可以通过财报披露向市场提供更清晰的证据。投资者需要一致的数据，将AI模型服务与通用云计算及无关应用区分开来。

如果增长能持续多个披露期，将增强该预测的可信度。单个季度的年化数据说服力较弱。最佳证据应当是AI收入增长、客户使用量扩大以及云业务利润率改善同时出现。

阿里巴巴尤其值得关注，因为它将Qwen开发与云分发相结合。其广泛的平台可以承接训练、推理、存储和应用需求；但当这些服务被合并披露时，也可能掩盖模型层面的表现。

百度可通过其模型和云业务提供另一项有用检验。腾讯则可显示AI消费是否正通过通信、游戏、广告和企业服务扩散。若三家公司均呈现类似势头，便表明这是市场范围的转变，而非某一家公司的会计选择。

第二个信号是Token量与单位价格之间的关系。服务商必须披露足够的运营信息，以显示使用量增长是否超过价格下跌。稳定或改善的毛利率，将使130亿美元的运行率更具经济意义。

智能体采用可能带来这一结果。企业智能体在一次任务中可能进行数十次模型调用。若这类工作流程进入常态化生产，总消费量的增长速度可能快于API标价的下降速度。

短期促销则指向相反方向。免费额度和补贴访问能够推高测得的活动量，却未必形成持久收入。仅因最低价格而被吸引的客户，在竞争对手作出回应后可能再次转向。

产能短缺也需要谨慎解读。它表明在某个时刻，需求超过了可用服务能力；但并未说明当更多产能到位、初始兴趣消退后，用户愿意支付多少费用。

第三个信号是安全和合规审查后的海外留存。中国服务商已在本土市场之外吸引开发者。持久的国际合同将扩大其收入基础，并降低其对激烈国内竞争的依赖。

留存比初始试用更重要。开发者通常会在选择生产配置前评估多个模型。只有当测试结束后，应用仍持续发送付费流量，服务商才算获得商业上的胜利。

企业采用将需要在数据处理、模型更新、服务可用性和法律责任方面提供更明确的保证。能够满足这些要求的服务商，可将低成本试验转化为更长期的合同；无法做到的服务商，可能在个人项目中仍受欢迎，却难以获得大客户。

政策变化能够迅速强化或削弱这一信号。新增限制可能关闭部分国家的采购渠道；对美国服务的限制，也可能在其他地区为中国替代方案创造机会。

开源分发增加了细微差别。广泛的自托管可让中国模型成为技术标准，却未必产生直接API销售。这种影响力依然重要，因为它可以支持企业服务、合作伙伴关系和云部署。

通过Google News关注这一故事的读者，不应将其简化为一个年末数字。真正有意义的问题是，已确认收入、单位经济效益和客户留存是否同步改善。

如果云业务披露改善、利润率保持稳定，且海外客户在试用后仍然留存，高盛报道中的预测将显得愈发可信。若价格持续崩塌，同时亏损和补贴扩大，那么这个标题衡量活动量的准确性将高于其衡量价值的准确性。

开发者和企业采购方可以在这一结论落定前采取行动。他们应针对明确的工作负载比较模型，记录错误率，衡量完整运营成本，并保留替代方案。一项有价值的评估还应将安全与人工审核成本纳入考量，而不只关注 token 消耗。

同样的纪律也适用于选择 AI 应用的知识工作者。更低的模型成本可以支持更好的搜索、写作和分析工具。然而，可靠的工作流需要可追溯的来源、受控的访问权限，以及对敏感信息的清晰处理方式。

中国供应商已经通过让高能力 AI 更便宜、更易获得，改变了市场。他们接下来的挑战更加艰巨：他们必须证明，价格可负担性能带来持续性业务，而不是一场永无止境、不断压低智能成本的竞赛。

Google News 对 130 亿美元的预测为这项检验提供了一个明确目标。关注企业确认了多少收入、在服务成本后保留了多少，以及当最新模型问世时，客户是否仍愿意持续付费。