当前 AI 产业链出现明显分化局面,模型厂在流血,云厂商在数钱,不少做大模型自研的企业长期处于烧钱亏损状态,而提供 GPU 算力、机房租赁服务的云厂商,订单和收入持续上涨,成为这一轮 AI 浪潮里直接的受益方。出现这种分化,核心是训练、运行大模型需要海量高端 GPU,显卡、机房供电、冷却成本居高不下,模型公司还要持续投入算法研发、标注数据,但是商业化落地速度偏慢,付费客户和收入很难覆盖高昂开销;反观云厂商不用承担模型落地的商业化风险,只需要把算力资源打包对外出租,不管客户的模型能不能赚钱,算力租金都能稳定入账。整个产业链的流转逻辑很清晰,模型企业向云厂商采购算力资源,把资金投入模型训练、调优、测试,再尝试面向企业或者普通用户售卖模型服务,最后看能不能跑通盈利闭环;云厂商只负责维护硬件集群、调度算力,持续承接来自各类模型客户的算力订单。从现阶段的格局来看,算力供给端的云厂商盈利确定性更强,但是长期来看,如果模型应用大规模爆发、模型厂商找到稳定盈利模式,产业链利润分配的格局也有可能重新变化。
模型厂与云厂商经营情况对比
| 对比项目 | 模型厂 | 云厂商 |
|---|---|---|
| 主要成本 | 芯片算力、数据标注、算法研发、人力 | 机房建设、服务器采购、电力、运维 |
| 收入来源 | API 调用、私有化部署、行业方案、会员订阅 | 算力租赁、裸金属、GPU 集群、存储带宽 |
| 风险点 | 商业化慢、竞争内卷、降价抢单、亏损持续 | 硬件采购周期长、芯片供货波动、电价成本 |
| 盈利现状 | 多数持续亏损,靠融资续命 | 算力业务增长快,现金流稳定 |
模型厂持续亏损的主要痛点
- 高端 GPU 采购成本极高,长期租赁算力也是一笔持续大额支出
- 模型迭代快,需要反复训练、微调,资金消耗不间断
- 市场内卷严重,模型 API 价格不断下探,毛利被压缩
- 企业客户付费意愿保守,行业落地周期比预期更长
云厂商受益的核心逻辑
- 客户群体广,不管是哪家模型公司、创业团队,都需要算力
- 收入前置,算力按小时、按用量计费,回款稳定
- 一套算力集群,可以同时服务多家不同模型客户,摊薄硬件成本
- 可以叠加存储、网络、安全配套服务,提升单客户营收
【常见问题】
问题 1:模型厂在流血,云厂商在数钱,为什么两者经营差距这么大?
回答 1:模型厂在流血,云厂商在数钱,是因为模型厂要承担高昂研发算力成本,商业化变现难度高;云厂商只出租算力,不承担模型商业化失败的风险,收入更稳定。
问题 2:模型厂在流血,云厂商在数钱,是不是代表云厂商会一直保持优势?
回答 2:模型厂在流血,云厂商在数钱,这个是当下短期产业链格局,后续如果模型应用大规模落地、自研算力普及,利润分配格局有可能改变。
问题 3:模型厂在流血,云厂商在数钱,模型厂有没有办法减少算力支出?
回答 3:模型厂在流血,云厂商在数钱,模型厂可以通过模型轻量化、蒸馏、自建算力集群、优化推理调度等方式,降低算力消耗,控制成本。
【数据来源】
[2026-11-05](模型厂在流血,云厂商在数钱)36 氪
[2026-11-04](AI 产业链利润分化:算力服务商增收明显,大模型企业盈利艰难)财新网
[2026-11-03](GPU 算力租赁订单持续走高,云厂商 AI 业务放量)第一财经
【免责声明】
本内容仅为 AI 产业链行业现状科普整理,模型厂、云厂商盈利情况随订单、技术迭代、市场竞争动态变化,文中观点仅为行业观察,不构成投资或者商业合作决策依据。
