7.5
深览指数
商业腾讯新闻·AI未来指北··AI 生成
开源崛起、降价80%，大模型真的还能赚到钱吗？
本文通过对比摩根士丹利和国内创业团队的两份算力盈利模型，揭示了大模型商业化的核心变量：吞吐量、利用率、Token价格和折旧周期。文章指出，80%的降价并非单纯的价格战，而是OpenAI争夺开发者入口的组合策略；同时，开放权重模型（如Kimi K3）正成为新的竞争变量，通过开源换取生态，同时保留对大规模商业化的控制权。文章适合关注AI产业、商业化逻辑的从业者和投资者阅读，帮助理解当前大模型盈利的复杂性与不确定性。原文 ↗
核心观点
- ▍大模型竞争已超越简单的价格战，核心盈利变量是吞吐量、利用率、Token价格和折旧周期，而非单纯降低单价。
- 01摩根士丹利报告测算，1GW数据中心（41万张GB300）在75%利用率下，每百万Token需卖0.44美元才能覆盖成本，而OpenAI Luna降价后综合价格仅0.31美元，暗示其可能需要更高的利用率或吞吐量才能盈利。
- 02国内创业团队对8卡B300节点的测算显示，ROIC约12%，与大摩的46%相差近四倍，差异主要源于对吞吐量、利用率、Token价格和折旧年限的不同假设。
- 03月之暗面开放Kimi K3权重，但通过营收门槛（连续12个月超2000万美元）和月活门槛（超1亿）限制大规模商业化，保留了对头部云厂商的控制权，小规模部署则不受限。
- 04OpenAI的API降价（Luna降80%）结合频繁重置订阅额度，被解读为争夺开发者入口、测试定价弹性、以及为Agent阶段的重度使用收集数据。
- 05微软Azure AI收入增长43%，Copilot付费席位超3000万，财报后股价大涨；而Alphabet云业务增速更快但资本开支上调、自由现金流转负，股价下跌，显示市场开始用脚投票，关注盈利指标。
- 06英伟达MLPerf结果显示，同一套GB300运行DeepSeek-R1的吞吐量半年内提升2.7倍，单位Token成本下降超60%，表明技术降本仍在快速进行。
反方 / 局限
- — 大摩和国内团队的测算都基于特定假设（如吞吐量、利用率），实际运营中模型大小、上下文长度、延迟要求等变量会使收入出现数量级偏差，两套模型均无法完全代表现实。
- — 文章虽指出OpenAI降价和重置额度是策略，但未深入讨论这种策略能否真正转化为长期客户忠诚度，以及是否会导致更严重的亏损或财务压力。
OpenAIGPT-5.6 Luna月之暗面Kimi K3摩根士丹利GB300B300英伟达DeepSeek-R1Sam Altman黄仁勋Microsoft AzureAlphabetAnthropicClaude
12 分钟 · 4 卡片 · 11 资料
读原文 →