用量暴涨250倍、GPU租金高企，AI利润躲向何处？

AI行业正在经历一场深刻的利润分配转移。过去两年里，生成式人工智能的需求以肉眼可见的速度扩张，然而在这种量级飙升的背后，商业账本的分配逻辑正在发生逆转：谁在为繁荣买单，谁又在真正截留价值？

根据高盛分析师Bobby Molavi基于聚合平台OpenRouter数据的最新研究报告，一个巨大的反差摆在眼前：自2025年1月至2025年9月中旬的20个月内，AI平台的总Token消耗量暴增了250倍；与此同时，最顶尖大模型的运行成本却在18个月内断崖式下降了725倍。

但在极度便宜的Token需求和极度紧缺的高管算力之间，产业并没有实现普惠式的利润分配。相反，由于开源模型的涌入加剧了下游的价格内卷，AI产业链的红利正以前所未有的力度向上游硬件供应商集中。

OpenRouter数据透视：API聚合层的财富密码

要理解这份报告的分量，首先需要了解OpenRouter在AI生态中的特殊位置。这家成立于2023年的API路由平台，本质上是一个连接全球各类大模型服务提供商与最终开发者的中间商。它允许开发者通过统一接口调用数十种不同的语言模型，从最新的GPT系列到Llama、Mistral等开源方案。正是这种“一站式”特性，使得OpenRouter积累了覆盖绝大多数商业AI请求的使用数据。

在该平台上，开源权重模型处理了高达72％的Token流量，意味着绝大多数开发者调用的是免费或低成本的开源大模型；然而，这些处理海量请求的开源方案，却仅分得了平台总支出的27％。相比之下，闭源模型虽然其Token份额从之前的89％滑落至近期的73％，但由于单Token定价高昂，它们依然把控着绝大部分货币化收益。

这背后是一条残酷的经济曲线。为了争夺用户，前沿大模型之间的竞争推高了技术迭代速度，同时也摧毁了自身的身价。报告指出，Token标价呈现出每季度崩塌约47％的趋势，其中处于最前沿的模型季度降幅甚至达到66％。当o3级别的模型演变至GPT－5．6 Luna时，同等性能下的成本在不到一年半的时间里缩水了近725倍。

对于应用层开发者和模型提供商而言，这意味着传统的“卖量赚钱”模式正在失效。开源生态极大地拉低了门槛，让算力变得像电力一样唾手可得，但也因此彻底抹平了通过单纯提供API接口获取超额利润的空间。

GPU租金狂飙：垄断供给下的通胀红利

如果说软件层的Token价格战是一场绞肉机，那么上游的GPU（图形处理器）供应商则正在享受着前所未有的通胀红利。在Token价格每季腰斩的同时，顶级AI芯片的租赁价格不仅没有跟随大跌，反而逆周期持续攀升。

数据显示，H200芯片在过去一年内的租赁价格上涨了160％，新一代B200更是涨了120％，即便是上市不久的H100租金也上升了35％。更为夸张的是，尽管发布时间已长达六年，早期旗舰A100的当前市场租金依然高于今年年初的水平。

这种价格的背离并非偶然。在全球AI军备竞赛的背景下，高端定制芯片（如英伟达系列产品）的制造产能存在物理瓶颈，且短期内难以被其他架构替代。AMD推出的MI300系列虽在性价比上有所突破，但受限于软件生态成熟度，市场份额仍然有限。只要各大科技巨头每年数千亿美元的资本开支不缩减，拥有这批重型算力资产的云厂商和数据中心就能坐收高额租金溢价。

这就解释了为何当前的AI狂欢呈现出“硬件热、软件冷”的特征：硬件持有者依靠垄断性的供给赚取无风险租金，而中下游的软件团队必须在不断贬值的基础设施服务中寻找微薄的存活缝隙。更值得注意的是，这种租金结构具有极强的黏性——一旦客户部署完成，迁移成本极高，导致供给侧很难出现大规模的价格竞争。

有效降价仅6％：企业用量的对冲策略

既然底层Token的成本已经降低了725倍，终端用户和企业是否真的省下了巨额开支？答案可能比预想的要复杂得多。

追踪机构YipitData的数据显示，尽管API层面的标价跌幅惊人，但到2025年下半年，企业实际支付的有效定价同比仅下降了6％。为什么降不下来？因为企业在用量上的对冲行为抵消了降价效果。

面对极其廉价的通用模型，企业和开发者迅速增加了高端封闭模型的调用频次来换取更高的生成质量和服务稳定性。具体来说，企业采购部门普遍采用了“混合调用”策略：日常批量任务使用低成本开源模型，关键业务环节仍依赖闭源前沿模型。这种分层使用方式大幅提升了整体Token消耗量，进一步填补了闭源模型商的收入盘子。

此外，大型企业还在合同谈判中引入了“保底用量承诺”条款。为了保证供应链优先响应级别，许多科技公司愿意支付高于市场均值的长期合约费用。这种“量大从优但不打折”的反常现象，揭示了当前AI市场的结构性特征：买方议价能力的提升被卖方绑定策略完全对冲。

产业隐忧：繁荣循环的下一个考验节点

这场由供需双爆引发的繁荣暂时掩盖了矛盾，但两条主线在未来将不可避免地被放在同一张桌子上进行清算：

第一是资本开支的可持续性。当前支撑GPU高租金的本质是科技公司对未来增长的确信。一旦宏观经济承压导致IT预算收紧，或者大模型的应用闭环迟迟无法跑出独立的盈利模型，庞大的算力基础设施面临闲置风险，届时租金红利将面临断崖式回调。

第二是下游投资回报率的倒挂。当构建一层AI应用的边际成本趋近于零，同质化竞争的加剧必然压缩商业化变现的空间。如果下游开发者无法通过AI工具创造出远超服务器电费和管理员薪资的新增营收，目前的“用量换规模”策略终将触及天花板。

第三是开源生态的自我造血困境。虽然开源模型在技术民主化方面功不可没，但其缺乏可持续的商业化路径可能导致创新动力衰退。目前主要开源项目高度依赖大型企业的赞助和支持，这种“输血式”发展模式能否持续值得深思。

观察未来几个季度的产业动向，需要重点监控以下指标：首先是头部科技巨头的季度云业务收入增速是否会跑输资本开支增速；其次是高端AI芯片的实际上架率与租赁空置率变化；最后则是缺乏头部大厂背书的独立AI创业公司的现金流消耗率。只有当用量增长重新转化为健康的净利率曲线时，这场AI盛宴才算真正完成了从炒作到落地的跨越。