🔮 AI经济现状（7分钟阅读）

# 🔮 AI经济现状 来源：https://www.exponentialview.co/p/the-state-of-the-ai-economy 生成式AI经济在过去12个月中创造了1100亿美元的销售额。增长迅速。按年化计算，收入运行率超过1750亿美元。 我们花了几个月时间构建这些数字，据我们所知，这是首个自下而上、去重后的消费者和企业AI全栈支出度量。今天我们将在首份报告《The State of the AI Economy (http://intelligence.exponentialview.co/)**http://intelligence.exponentialview.co/*report (http://intelligence.exponentialview.co/)* 中发布这项研究。 AI市场的供应侧已广为人知。那些提供工具和基础设施的供应商——计算机芯片、内存、电力变压器、冷却系统——AI数据中心的所有组件大多来自上市公司。我们可以通过它们的披露、销售和远期订单了解建设投入。 但理解需求侧则困难得多。而这正是我们过去几个月致力于解决的问题。我们构建了一个专有的AI经济模型，审视企业或消费者的AI总支出，以回答AI浪潮中最棘手的问题： - 市场到底有多大？ - 收入是否在增长？ - 这些收入能在多大程度上覆盖投资支出？ - 未来，随着Token价格下降、Token质量提升，经济格局会发生什么变化？ The State of the AI Economy报告（https://intelligence.exponentialview.co/） 在进入报告之前，我们认为有必要解释我们是如何完成这项工作的。 我们核心的设计选择之一是不重复计算同一事物。我们报告的是终端客户支出的美元。因此，如果你在Anthropic的Claude上花费1美元，而Anthropic为提供服务向亚马逊支付50美分，我们会在内部记录这两个数字，但报告时使用去重后的数字：1美元。这避免了供应链中价值流动的重复计算。 这并不简单。虽然计算供应侧很容易，但需求侧却更难理清。流入AI的收入大部分来自私人控股公司，如OpenAI、Anthropic、Cursor、ElevenLabs以及数百家其他公司。它们在法律上无需披露任何信息。 其余部分流向提供这些模型的大型超大规模云服务商：亚马逊、谷歌和微软。尽管它们是上市公司，但并未持续披露其AI板块的收入。 为了揭示这一点，我们研究了超大规模云服务商和云服务平台、它们的供应商以及客户发布公开声明，仅使用高置信度、详细的事实来指导建模。我们还参考了报道充分的泄露和自我报告，并为这些信息分配了置信度评分。 结果是，我们为最大的贡献公司和业务单元构建了逐项财务模型。每个模型实际上都是一个解构的财务计划——损益表、资产负债表和现金流量表——并与其他外部来源及内部一致性检查进行交叉验证。这使得我们的数字可审计。我们可以识别出哪些数据点、带有何种置信度权重，促成了任何一个估计值。 [](https://substackcdn.com/image/fetch/$s_!d6N9!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F931eae40-a06b-4b94-9474-43285effee3b_1066x324.png) 我们不包含内部AI提升，即推荐系统改进对Meta或Google广告收入的增加。我们确实有相关模型，但在此不报告。 我们也不考虑大型科技公司通过内部工具可能实现的效率节省。我们尚未追踪这一点。 我们不包含专业服务和系统集成。当一家财富500强公司在AI上投入或投资时，只有一部分支出会流向AI公司。这并不代表其承诺的全部，因为其中很大一部分将用于支付支持实施的专业服务。 我们已经构建了中国市场的收入模型，但本报告的v1版本尚未包含中国数据。 在过去12个月中，AI生态系统在去重后产生了1100亿美元的收入。增长率健康。将最近一个月的收入年化后，表明收入运行率为1750亿美元。 [](https://substackcdn.com/image/fetch/$s_!_NHa!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F7e1db680-10ac-47bd-bd39-dd4cb17073ea_3950x2190.png) 这些收入的增长速度快于以往IT导向的浪潮，大约是移动或互联网浪潮的三倍。 [](https://substackcdn.com/image/fetch/$s_!zBiH!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F0660528c-b661-46d3-99cc-673ab7751f82_1984x1124.png) 虽然许多公司已经超越了零星的试点阶段，但它们仍然处于扩大规模（https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai）和深化应用的早期阶段。在与欧洲和美国多个行业（从工业到保险，从金融到制药）高管交谈中，Azeem听到的一致信息是，他们计划在未来几年加大对AI的投入。公司在财报电话会上也更频繁地提及AI的影响，但值得注意的是，接受调查的CEO中有一半（https://www.bcg.com/publications/2026/as-ai-investments-surge-ceos-take-the-lead）认为他们的工作取决于能否做好AI。 [](https://substackcdn.com/image/fetch/$s_!MSEP!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F0f36ff8e-a4ff-4337-a459-5fcdad5c8407_2932x1644.png) 我们接下来想追踪的问题是，AI收入能否覆盖建设基础设施所需的资本投资。我们的模型将AI导向的资本支出与普通资本支出区分开来，覆盖主要超大规模云服务商和云服务平台（专业AI云提供商）。这一调整很重要，因为超大规模云服务商在ChatGPT之前每年的资本支出已经约为1200亿美元¹（https://www.exponentialview.co/p/the-state-of-the-ai-economy#footnote-1）。 我们捕捉了AI基础设施的额外投资，然后将计算资产按6年折旧，其他基础设施按14年折旧。我们的模型显示，归属于超大规模云服务商的收入大约刚好覆盖折旧费用。 [](https://substackcdn.com/image/fetch/$s_!Ccdg!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F07e25f76-7ff9-4085-a5d7-fa245cc0a39a_1970x1126.png) 6年的折旧年限是合理的。较长的使用年限反映了两点：一是需求仍超过可用的AI计算能力；二是运营者越来越擅长管理GPU集群。两者都有利。仅第二点就足以证明更长的经济寿命是合理的。 我们还研究了市场规模如何随Token价格下降而变化。需求弹性表明，价格降低伴随着支出增加。我们估计，在各提供商中，每降价10%，Token使用量就会增加12-18%，因此总支出仍在上升。 我们认为，虽然Token是一个有用的计费指标，但它仍然不是衡量该领域流通智能经济价值的单位。质量调整后的输出Token为我们提供了更好的AI经济“智商”，它结合了生产了多少Token、其中有多少是用户可见的实际输出，以及底层模型的能力。 [](https://substackcdn.com/image/fetch/$s_!Rd0f!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Feeb1f1bc-cc60-4b32-8c3e-a8dce7860da0_1630x924.png) 报告还涵盖： - AI需求对美国电力行业的影响，以及电力效率如何变化； - Token成本的变化趋势，以及基于消费的计费如何可能扩大市场； - 四种情景，预测在不同价格和能力轨迹下AI需求可能增长的速度。 The State of the AI Economy报告（https://intelligence.exponentialview.co/） **这是v1版本，我们非常欢迎您对改进之处提供建设性反馈，并告知我们您能如何提供帮助。** 请发送邮件至[aieconomy [at] exponentialview.co](mailto:[email protected])