孫明春：OpenAI最終能否盈利？

孫明春、程琬清（孫明春系騰訊集團高級經濟顧問、中國首席經濟學家論壇理事）

近期，OpenAI與Anthropic都啟動IPO計劃，市場對這兩家AI大模型廠商的最新估值都接近萬億美元，反映了投資者對其未來盈利前景高度樂觀。鑒于AI大模型的應用前景廣闊，大模型廠商的收入成長潛力巨大，投資者的樂觀態度完全可以理解。

然而，收入成長并不必然帶來利潤成長，甚至不能保證企業盈利。迄今為止，尚無一家廠商在大模型業務上實現獨立的盈利。理論上講，廠商能否獲得可持續盈利，取決于其是否具備較高的競爭壁壘和穩定的定價權，而這取決于行業的市場結構和競爭格局。

研究發現，當前大模型API調用市場呈現壟斷競爭格局，廠商數量眾多，市場集中度很低。雖然市場需求呈指數級增長，但由于進入壁壘較低，大模型的供給端也在快速擴張，導致廠商未能隨市場需求擴張而實現盈利，反而面對日趨激烈的競爭。在此格局下，一些廠商可憑借技術優勢或場景適配實現產品差異化，從而獲得短期超額利潤；但由于技術壁壘有限、需求價格彈性較高、用戶粘性不強，即便實現超額利潤，也難以維持。

長此以往，那些長期虧損的廠商將被迫退出，推動大模型API市場從壟斷競爭向寡頭壟斷演化。然而，在寡頭壟斷格局下，廠商的盈利能力仍不確定，而是取決于廠商之間是采用價格競爭還是數量競爭。如果不能協調競爭策略或建立有效的差異化壁壘，寡頭廠商不一定能實現可持續盈利，前期的巨額研發投入也未必能收回。

總之，盡管大模型的技術價值與需求成長都毋庸置疑，單純“賣token”的大模型廠商卻并不一定能盈利。因此，投資者需冷靜審視OpenAI等大模型廠商的估值，廠商則需細心選擇自身的商業模式和細分市場。無論采用哪種商業模式，若廠商能在模型能力、行業適配、企業工作流或應用生態等方面形成差異化壁壘，就可降低用戶價格敏感度，在細分市場中獲得定價權，實現可持續盈利。鑒于“AI+”模式是在既有產品或服務中嵌入AI功能，以提升既有產品或服務對用戶的價值，增強既有的差異化壁壘和客戶粘性，因此有可能是具有可持續盈利能力的商業模式。

正文

近期，OpenAI與Anthropic都啟動IPO計劃，市場對這兩家AI大模型廠商的最新估值都接近萬億美元，其市銷比（P/ S ra ti o）分別達到34和21倍，反映了投資者對其未來盈利前景高度樂觀。鑒于AI大模型的應用前景廣闊，大模型廠商的收入成長潛力巨大，投資者的樂觀態度完全可以理解。

然而，眾所周知，收入高成長并不必然帶來利潤高成長，甚至不能保證企業盈利。迄今為止，尚無一家廠商在大模型業務上實現獨立的盈利 （凈利潤） 。以OpenAI為例，其年化收入從2023年的20億美元增長至2025年的200億美元以上，三年內擴大10倍，但公司仍未盈利 1 。另有媒體報道稱，OpenAI內部文件預計2026年仍將虧損140億美元 2 。就Anthropic來說，雖然近期其收入呈指數型成長，預計今年二季度可實現運營利潤5.6億美元 3 ，但若將高昂的股權激勵成本納入考量，其凈利潤可能仍然為負；而且，考慮到大模型面臨快速迭代的壓力，其未來的模型訓練及各類研發成本仍將居高不下，因此，其運營利潤是否可持續也有待觀察。這意味著，即便是最領先的模型廠商，收入的快速增長也不能保證其盈利。

按照微觀經濟學理論，廠商能否可持續盈利并不取決于其所參與市場的需求大小，而是取決于市場結構和競爭格局。在完全競爭市場中，無論市場需求有多大，在均衡狀態下，廠商只能獲得零利潤 （這里指經濟利潤，而非會計利潤） 或曰“正常利潤”，無法獲得超額利潤。反過來，在壟斷市場，哪怕市場需求有限，廠商依然可以獲得超額利潤。因此，要判斷大模型廠商的長期盈利前景，首先需要分析大模型市場的市場結構和競爭格局。這一分析不但有助于投資者判斷大模型廠商的資本市場估值是否合理，更有助于廠商判斷和選擇具有長期可持續盈利前景的商業模式和競爭策略。

大模型的主要商業模式與API調用市場簡介

目前看，大模型的商業化主要通過四種模式：訂閱制 （面向個人或企業，按席位收取月費或年費） 、API調用制 （面向開發者和企業，按Token用量計費） 、合同制 （面向政企客戶，提供定制化調整及運維服務） 、以及“AI+”模式 （將大模型能力嵌入既有產品或業務中） 。這四種模式的定價方式不同，所服務的客戶群體也存在差異 （ 圖1） ，實際上開辟了四個 （甚至更多） 不同的細分市場。廠商選擇不同的商業模式（有些選擇多種模式），也意味著他們選擇了不同的細分市場。

圖1：大模型的四種商業模式

在上述四種商業模式中，API調用制可以簡稱為“賣token”的商業模式。由于訂閱制、合同制與“AI+”模式的公開數據有限，且往往涉及復雜的產品組合、定制化方案或生態戰略，難以進行準確比較和定量分析，而API調用制的數據公開、價格透明、計量標準統一、市場份額可測，非常適合進行微觀經濟分析，因此，我們選定該模式來分析大模型API市場的需求特征、市場結構及競爭格局，進而判斷大模型廠商的盈利能力。

在大模型應用早期，API市場僅有OpenAI、Anthropic等少數廠商，各廠商接口相互獨立，用戶需分別接入并按月或按token使用量付費，模型間的比較與轉換成本較高。隨著市場參與者不斷增加，模型聚合網關 （AI gateway） 應運而生。

具體來說，模型聚合網關是位于用戶與大模型廠商之間的中間服務平臺。這類平臺屬于標準的雙邊網絡平臺 （ two -sided market platforms） ，其發起方和運營主體包括OpenRouter、Lite LLM Proxy和Cloudflare等機構。平臺一邊接入多個模型供應商，另一邊則接入用戶，為用戶提供統一的模型API調用接口，并按token調用量收費。用戶將請求發送至網關平臺后，平臺依據用戶指定規則或預設策略將請求路由至目標模型；模型返回結果后，網關再統一轉發給用戶 （圖2） 。換言之，用戶僅需通過一個接口，即可調用多個模型，無需分別對接不同廠商，搜索成本、比較成本和轉換成本都顯著降低。

圖2：模型聚合網關（AI Gateway）的分發流程

根據模型聚合網關的數據，過去一年，大模型API市場出現了調用量的爆發式增長。以OpenRouter為例，其平臺周度API使用量在不到一年半的時間內增長超23倍 （圖3） 。這一方面得益于聚合網關所提供的透明度和便利性，更受益于近來AI智能體的興起。在智能體興起之前，用戶與AI大模型的一次交互通常對應單輪API調用；而智能體通過任務拆解、多步規劃和外部工具調用，將單次用戶意圖轉化為多輪模型API請求，從而顯著放大了Token消耗量和API調用需求。

圖3：OpenRouter平臺上的大模型API使用量

數據來源：OpenRouter

大模型API市場呈現壟斷競爭市場的特征

如前所述，市場需求成長并不必然帶來利潤成長，甚至不能保證企業一定會盈利；企業的盈利能力取決于相關產品的市場結構和競爭格局。

由于大模型研發成本高、前期投入大，技術門檻和人才門檻都很高，而且可能存在規模效應和飛輪效應，按理說，大模型市場應該具有很高的進入壁壘，很容易形成壟斷 （monopoly） 或寡頭壟斷 （duopoly或oligopoly） 。在壟斷或寡頭壟斷市場中，廠商具有很強或較強的定價權，因此可以享受壟斷利潤。

但模型聚合網關OpenRouter的數據顯示，大模型API市場的參與主體眾多，價格競爭激烈，先發廠商或領先模型并無可持續的技術優勢或市場份額優勢。顯然，這個市場的進入壁壘并不如想象中那么高，廠商也沒有很強的定價權。這些都不符合壟斷或寡頭壟斷的市場特征，而更像壟斷競爭 （monopolistic competition） 。

一般來說，壟斷競爭市場通常具備以下特征：（1）市場中存在較多廠商；（2）廠商的市場份額相對分散，市場集中度較低；（3）市場需求的價格彈性較高，廠商定價權受到限制，但由于產品存在一定差異化，廠商在細分市場內擁有有限定價權；（4）市場存在一定的進入壁壘，但并非不可逾越。從OpenRouter的數據來看，大模型API市場基本符合上述特征：

（1） 廠商數量眾多。據不完全統計，截至2026年5月底，全球有逾500家機構參與大模型研發，發布模型超過3700個。僅 OpenRouter一家平臺就接入了70多家機構的400多種大模型。顯然，該市場不符合壟斷或寡頭壟斷的特征 （廠商數量較少） 。

（2）市場份額分散，集中度較低，而且頭部模型的排名更迭頻繁，領先模型的市場份額優勢難以維持。OpenRouter數據顯示，2025年3月至2026年5月期間，單一模型連續保持“冠軍” （最高市場份額） 地位的最長時間僅為12周，“冠軍”占有的最高市場份額 （歷史峰值） 也僅為27%。反映市場集中度的赫芬達爾—赫希曼指數 （HHI） 一直呈下降趨勢 （圖4） 。按模型份額計算，OpenRouter上的HHI長期低于0.1，目前僅為0.03；即便按廠商份額計算，也僅為0.12。參照美國司法部和聯邦貿易委員會的常用標準，上述HHI水平通常對應中低集中度的市場（圖5）。據此判斷，大模型API市場應該介于完全競爭與壟斷競爭之間。

圖4：OpenRouter平臺上的大模型市場集中度指數

數據來源：OpenRouter

圖5：市場競爭結構與HHI參考閾值

數據來源：美國司法部/聯邦貿易委員會《2023年并購指南》

（3）需求價格彈性較大，但不是無限大；模型之間存在差異化，但廠商的定價能力有限。在OpenRouter上，免費模型 （具有用量上 限 ） 和低價模型獲得了明顯更高的使用量，說明用戶具有較高的價格敏感性。但部分高價格模型仍然獲取了相當大的調用量，令模型使用量與價格之間的關系呈現U字型 （圖6） 。由于不同模型在綜合能力、調用成本和適用場景上存在差異，模型之間并非完全同質。數據顯示，高價格模型往往對應更強的技術性能 （圖7） ，從而印證了大模型之間的價格差異來自“質量差異”，大模型市場并非同質化競爭，而是存在差異化定位。據此判斷，大模型API市場不是完全競爭市場，而是壟斷競爭市場。

圖6：OpenRouter平臺上的模型使用量分布

數據來源：OpenRouter

圖7：OpenRouter上的模型定價及模型能力的關系

數據來源：OpenRouter，Artificial Analysis

注：能力分數= Average (Intelligence Index，Coding Index，Agentic Index）；價格=輸入單價+輸出單價；氣泡大小為模型使用量（單位：十億Token，5月1日-5月31日）

以上數據也說明，API市場的需求并不完全由價格決定，用戶會在價格、能力和任務適配度之間權衡，選擇“性價比”最高的模型；相當多用戶愿意為更高性能或更好適配度支付溢價。不過，OpenRouter等聚合網關的出現，在提高API市場透明度的同時，也增強了用戶對模型“性價比”的敏感度。一旦平臺上出現“性價比”更高的模型，用戶流量便可能迅速轉移。對模型廠商而言，這意味著用戶粘性下降，模型競爭更加直接和激烈，廠商對模型的定價能力也隨之削弱。

（4）市場存在進入壁壘，但并非不可逾越。如前所述，由于大模型研發成本高、前期投入大，資金門檻、技術門檻和人才門檻都很高，而且可能存在規模效應和飛輪效應，按理說，大模型市場應該具有很高的進入壁壘。但現實中，在短短三年多時間里，就出現了數百個大模型研發機構，發布了數千個模型，這說明，大模型市場雖然存在一定的進入壁壘，但并非不可逾越。此外，從技術壁壘看，雖然頭部模型的技術水平快速提升，但尚無廠商能夠維持壓倒性的長期領先。根據Epoch AI能力指數，自2025年下半年以來，領先模型的技術優勢窗口通常不超過4個月，難以構成持久的技術壁壘和先發優勢 （圖8） 。

圖8：Epoch AI能力指數

數據來源：Epoch AI

大模型市場的進入壁壘之所以低于預期，主要是由于以下原因：（1）基于對大模型未來高回報的預期，投資者爭相通過PE、VC、CVC（大企業內部的VC）、以及IPO等多種方式為大模型研發機構融資，大幅度降低了資金門檻。（2）開源模型的存在與“蒸餾”行為降低了后發者的學習成本，使其能以更低代價吸收并復制已被驗證的技術成果，壓縮了領先者與追趕者之間的技術差距，大幅度降低了技術門檻。（3）高度開放與流動的勞動力市場令高端AI人才可以相對自由地在廠商間轉換工作，既降低了廠商面臨的人才門檻，也加速了大模型尖端技術在廠商間的擴散。

總之，基于以上分析以及OpenRouter、Epoch AI等機構的數據，當前的大模型API市場具備壟斷競爭市場的基本特征。

大模型API市場的盈利前景

一般來說，在壟斷競爭市場，廠商在短期內可依靠產品差異化獲得有限定價權，從而獲得超額利潤 （圖9中圖） 。但超額利潤會吸引新廠商進入，分散原有廠商的市場需求，使其面臨的需求曲線逐步下移，令超額利潤空間逐步收窄，直至趨于零，市場達到長期均衡 （圖9右圖） 。換句話說，在壟斷競爭市場，雖然廠商在短期內可能獲得超額利潤，但在長期均衡狀態下，其超額利潤終會消失。

圖9：壟斷競爭格局下API市場可能的發展路徑

鑒于當前大模型API市場符合壟斷競爭市場的特征，上述機制對其也適用。但由于大模型的前期投入成本大，盡管市場需求成長迅速，到目前為止，絕大部分廠商的需求曲線 （D） 都未能超越平均成本曲線 （ATC） ，因此都處于虧損中 （圖9左圖） 。

當然，鑒于對大模型的需求量呈現指數型成長 （需求曲線將上移） ，且大模型的訓練成本也在快速下降 （平均成本曲線將下移） ，在未來的某個時點，需求曲線 （D） 有可能超過平均成本曲線 （ATC） ，從而實現盈利 （指超額利潤，圖9中圖） 。近期Anthropic的表現正是對這一動態過程的驗證。

不過，如前所述，在壟斷競爭市場下，超額利潤會吸引更多廠商進入該細分市場 （或表現為其他廠商盡全力縮小與領先廠商的技術差距和產品質量差異） ，從而分散原有廠商或領先廠商的市場需求，導致單個廠商面臨的需求曲線下移，導致超額利潤逐漸消失 （圖9右圖） 。

顯然，在壟斷競爭格局下，模型廠商要實現可持續的經濟利潤或超額利潤，并非易事。由于大模型訓練成本高，模型迭代速度快，價格競爭又異常激烈，許多廠商不得不在上一代模型尚未回收成本時就不得不推出新一代模型，導致長期處于虧損狀態。長此以往，那些資金實力不足、商業化能力較弱的參與者可能會被迫退出，市場份額很可能逐漸向少數兼具資本、技術、品牌和生態優勢的頭部廠商集中，推動市場結構從壟斷競爭向寡頭壟斷演化。

然而，即便走向寡頭壟斷，大模型廠商能否獲得可持續的利潤，仍取決于寡頭廠商之間采取何種競爭策略。根據廠商理論，典型的寡頭競爭形式包括價格競爭 （伯特蘭競爭，Bertrand Competition） 與數量競爭 （如古諾競爭，Cournot Competition；或斯塔克爾伯格競爭，Stackelberg Competition） 。在伯特蘭競爭模式下，由于采取價格競爭，市場均衡價格將趨近邊際成本，廠商無法取得超額利潤。在古諾競爭或斯塔克爾伯格競爭模式下，市場均衡價格可以高于廠商的邊際成本，從而形成正的單位利潤。不過，鑒于大模型研發具有極高的固定成本（如研發、訓練、算力基礎設施等），若單位利潤不足以覆蓋前期投入，即便寡頭廠商采用數量競爭，也很難說最終能否實現整體盈利。

現實中，在不少寡頭壟斷行業中 （如電信、航空、汽車、石油、外賣平臺等） ，寡頭廠商不一定能享受高額利潤，而只是獲得一般利潤或較低利潤 （甚至經常處于虧損狀態） ，正是對上述理論的印證。

結論

綜上所述，當前大模型API調用市場呈現壟斷競爭格局，廠商數量眾多，市場集中度很低，幾乎所有大模型廠商都處于虧損狀態。雖然API市場需求呈現指數級增長，但由于進入壁壘較低，大模型的供給端也在快速擴張，導致大模型廠商未能隨市場需求擴張而實現盈利，反而面對日趨激烈的競爭。

理論上講，一些廠商可憑借技術優勢或場景適配實現產品的差異化，在相關細分市場形成一定程度的定價權，從而獲得短期超額利潤。但由于技術壁壘有限、需求價格彈性較高、用戶粘性不強，即便這些廠商實現超額利潤，也難以維持。長此以往，那些長期虧損的廠商將被迫退出，市場份額很可能逐漸向少數頭部廠商集中，推動市場結構從壟斷競爭向寡頭壟斷演化。

然而，在寡頭壟斷格局下，廠商的盈利能力仍不確定，而是取決于廠商之間是采用價格競爭還是數量競爭。如果不能與競爭對手協調競爭策略或建立有效的差異化壁壘，寡頭廠商不一定能實現可持續盈利，前期的巨額研發投入也未必能全部收回。

總之，盡管大模型的技術價值與需求成長都毋庸置疑，但單純“賣token”的大模型廠商并不一定能實現長期盈利。因此，投資者需冷靜審視OpenAI等大模型廠商的估值，大模型廠商也需要細心選擇自身的商業模式和細分市場。

對投資者而言，有三點需要關注。

第一，由于對大模型的市場需求還有很大的成長空間，投資者對大模型廠商的盈利能力及估值合理性的判斷很難在短期內證實或證偽。因此，即便大模型廠商的市場估值存在不合理的情況，估值的修正很可能是一個漫長的過程，不排除市場的非理性定價維持相當長時間。

第二，本文討論的僅僅是API調用制（“賣 token ”）這一種商業模式，其結論并不適用于其他三種商業模式 （訂閱制、合同制或“AI+”模式） 。因此，對于采用多種商業模式的大模型廠商，不能單獨使用本文的結論來確定其估值的合理性，而是需要同時考慮其他商業模式的長期價值。

第三，即便對于主要使用API調用制模式的大模型廠商，也不排除它們在未來調整商業戰略，采納多種商業模式、提供新的產品或服務、開辟新的應用場景、或進行商業模式創新等，從而獲得新的發展機遇。因此，對其估值需采用動態視角，持續跟蹤、持續更新。

對大模型廠商而言，需要關注的是，大模型應用的四種商業模式各自對應不同的細分市場，其盈利邏輯各有不同。例如，“AI+”模式是在既有產品或服務中嵌入更多AI功能，這有助于提升既有產品或服務對用戶的價值，增強既有的差異化壁壘和客戶粘性，幫助廠商實現更廣泛、更可持續的盈利。合同制則往往與用戶的私有數據、工作流程和業務系統深度結合，用戶面臨的遷移成本可能更大，粘性可能更高，價格透明度 （可比性） 也更低，大模型廠商的定價權更大，因此也更有可能產生并維持超額利潤。相比“AI+”模式和合同制，訂閱制在市場結構、用戶特征、用戶粘性、價格透明度、需求的價格彈性等方面更接近 （但不同于） API調用制。因此，本文的研究結論對于采用訂閱制商業模式的大模型廠商也有一定借鑒意義。當然，對這三類商業模式還需要更深入細致的研究。但無論采用哪種商業模式，若廠商能夠在模型能力、行業適配、企業工作流、應用生態等方面形成差異化壁壘，就可以降低用戶價格敏感度，增強客戶粘性，并在細分市場中獲得更穩定的定價權，最終實現可持續盈利。

最后，值得關注的是，相較于在聚合平臺上面臨激烈競爭、難以獲得可持續盈利的大模型廠商，大模型API聚合平臺 （如OpenRouter） 卻有可能借助“網絡效應”形成可持續的商業壁壘。作為API調用請求的分發入口，聚合平臺一端連接模型廠商，另一端連接開發者與企業用戶，具有典型的雙邊市場特征，并可能形成“雙邊網絡效應”：接入模型越多，用戶選擇越豐富，平臺吸引力越強；平臺用戶規模越大，調用需求越集中，模型廠商接入意愿越強。如果平臺能夠設法通過各種技術手段、量身定做式服務等，在“雙邊網絡效應”之外，進一步增強客戶粘性，也許能有效防范同類平臺的價格競爭，維護先發優勢，形成“贏者通吃”的結局。對此可做更深入的研究。