AI变现困境：华尔街的担忧与现实

大家好，我是米德军，你们的美股探路者。近期，AI公司备受质疑，华尔街究竟在担心什么？有人说，担心AI威胁软件股；有人说，担心大科技公司投入过多；还有人说，担心OpenAI花了那么多钱，撑不住破产。确实，我们看到，最近几乎所有跟AI沾边的公司都在下跌。整体软件股ETF已经累计下跌了30%。大科技中，微软、谷歌、亚马逊、Meta更是因为AI投入过多，市值蒸发了超过万亿美元。而和OpenAI相关的股票，如英伟达、微软、甲骨文、AMD日子也都不好过。

问题的根源到底在哪呢？为什么曾经无数人追捧的AI，现在反而变得人人喊打？原因很简单，就在于AI不够赚钱。如果AI真的能够大规模变现，那么几乎上面所有的担忧都将不复存在，美股也注定能够迎来下一轮牛市。那么，为什么AI这么强大，却不怎么赚钱呢？短期内，我们又能否看到AI大规模变现的到来？今天，我们就来好好聊聊这个话题。

现在AI变现到底做得怎么样了呢？我们说的AI变现，指的是把AI服务卖给别人挣钱的情况，比如ChatGPT的订阅费、Palantir的AI数据分析。而像芯片、云计算这些相对基础层的服务，我们就不算在内。

下面这两张图总结了市面上最主要的一些AI初创公司的收入规模。左边是AI to C公司的收入规模，右边是AI to B公司的收入规模。可以看到，不管是C端还是B端，现在AI变现的情况都不怎么样。最好的公司年化收入也不到10亿美元，大部分企业只有1到2亿，并且数量还非常有限。把这些零钱凑到一起，都换不出一张整票。这样的收入规模和当前已经累积数万亿的投入相比，显然是不成比例的。

既然初创公司不行，那成熟企业如何呢？下图是投行总结的当前成熟的to B公司直接应用AI所带来的收入。可以看到，这些成熟公司中利用AI变现的规模也都不大。除了微软有大约38亿美元的收入外，其他公司也就是几千万到个把亿的规模，不比初创企业强太多。而且据统计，目前这部分AI直接带来的收入仅仅占这些公司总收入的不到2%。可见，这些成熟公司在AI变现上也是乏善可陈的。这其实也是最近市场抛售软件股的原因之一。

那成熟企业不行，AI大模型总可以了吧？其实情况也不那么乐观。我们就以OpenAI为例，它的收入确实比上面这些零钱高多了，现在每年的年经常性收入（Annual Recurring Revenue: 订阅制业务的年度收入预测）已经来到了200亿美元。不过，虽然它赚得多，但花的更多，这个收入远远覆盖不了它的成本。根据最新的数据，OpenAI一个季度就能亏100亿美元。即便已经是头部大模型，但OpenAI的变现模式还是非常简单的：订阅和API用量收费，远没有达到人们对于AI变现的预期。

当然了，也不是说AI变现就没有一点值得可说的。目前能拿得出手的公司，一家是做数据分析的Palantir，另一家是做自动驾驶的特斯拉。但问题是，除了这一软一硬两兄弟外，你真的还就找不到另外一家能够赚钱的AI应用公司了。所以你看，不管AI初创企业、成熟的软件公司，甚至是这些头部的大模型企业，它们的AI变现都是差强人意的。也难怪市场会担心AI可能压根就无法做到大规模变现。因此，现在市场表现出一定的谨慎情绪，也不无道理。

根源探析：为何AI难以大规模变现？

那么，为什么AI明明已经这么强大了，却偏偏不怎么赚钱呢？要知道，当年互联网刚兴起的时候，很快就出现了雅虎、亚马逊、AOL这些大火的应用层公司。为什么同时期的AI却到现在也没有看到什么大规模变现的应用呢？

这个问题，我们还得拆开成AI大模型企业和其他AI企业分别来看。

我们先说说这AI大模型企业，这就包括ChatGPT、Gemini、Claude、以及中国的豆包、千问等等。严格意义上讲，他们已经算是普及得非常广泛的AI应用了。就拿ChatGPT来说，现在它的月活跃用户（Monthly Active Users: 每月使用产品的独立用户数量）已经达到了9亿，比肩Instagram和TikTok的规模，并且还在快速增长。但问题是，坐拥这么大的流量，这些应用在赚钱能力上都差强人意。

事实上，它们不够赚钱，并不是能力的问题，而是意愿的问题。其实大模型要想大规模变现，已经有一套经过验证的成熟商业模式了，这就是靠广告和电商。这种对话软件是非常精准的广告投送场景，而电商也是AI最容易落地的环境之一。尽管也有人说，广告和电商变现会冲击大模型的中立性，但如果这些大模型公司真的下定决心决定变现，有的是办法解决这些问题，也有巨大的变现潜力可以挖掘。

但为什么大模型公司没有这么做呢？事实上，OpenAI在去年下半年已经开始做了一些尝试，比如在窗口内推荐广告，还和Shopify、Stripe开展了电商合作，甚至还发布了Shorts试图进军短视频行业。这些都是明显的商业化探索。但后来Gemini的异军突起，给OpenAI吓回去了，导致它移动一个不吱声。模型能力被逼近了，不说流量还被分走了。所以说，OpenAI又不得不放下商业模式上的探索，重新回去打磨他的大模型。

从这个例子中，我们可以看出，对于大模型公司而言，现阶段真正重要的不是变现，而是大模型的能力。如果现在模型能力的护城河不牢固，未来也就没有什么变现可言了。在现在这种大模型能力日新月异、竞争激烈且混乱的阶段，任何一点模型能力上的放松，代价都是非常高昂的。要知道，商业化可不是说自然而然就会发生的事情，而是需要大量运营资金，乃至算力的支持，才能够完成的。这不可能不冲击到模型的研发。之前就有媒体曝出，OpenAI内部的研发团队和应用团队，就经常为了抢资源而发生冲突。所以说，企业不是没有能力变现，而是没有意愿在现在这个时刻开始变现，这本身也是一个非常合理的战略选择。

战略选择：大模型公司的意愿与垂域应用的挑战

如果说大模型的变现是意愿不足的话，那么对于其他应用层企业来说，情况就要复杂得多了。我说的其他应用层公司，包括AI初创企业，也包括那些成熟科技公司打造的AI服务。为了方便，我们就都叫他们AI垂域公司。这些AI垂域公司没有开始大规模变现的原因是多方面的。

第一是现在的大模型的能力确实还不行。让它实现个大差不差的效果还可以，但是，要想能够稳定解决单一场景的所有问题，还是有很大的困难，更别提去实现多场景的联动了。

第二是垂域应用始终面临着大模型通用能力的威胁。多数AI应用层公司都是没有自己的大模型的，都需要借用已有大模型来打磨出自己垂域的应用。但问题是你花了大量时间打磨了一个应用，没准大模型的一个模型迭代，就彻底把你辛辛苦苦打磨的东西都给替代了。所以说，企业就很难下定决心去做垂域应用。

第三，即便是你的垂域很难被AI替代，现阶段开发AI应用也是不划算的。这点我自己就有亲身体会。我们美投团队也有一个三个人的小型AI团队，我们也试图搞过一些小的AI应用，比如我们就开发过一个针对美投数千万字内容的AI搜索。但就这么一个看似简单的应用，落地起来，却发生了很多意想不到的问题。就比如，要想让AI理解各种Taker（可能是指公司股票代码或特定术语）和公司之间的关系，就不是一件容易的事儿。更难的是，在投资这个语境中，让AI理解时效性和相关性在不同语境下重要性的不同。总之，要想做出一个AI搜索，并不难，但是要做出一个有用的AI搜索，需要调试的东西还有非常的多。

对于我们而言，最合理的办法不是现在去死磕AI应用，而是等一段时间。当AI能力变强了之后，用更少的人力、更少的时间、更少的钱来开发这个功能。虽然美投是个不起眼的小公司，但其实这个逻辑也适用于很多企业。我们绝不是说所有公司都是这样，但对于大多数企业而言，现在花钱死磕AI应用的投资回报率（Return on Investment: 衡量投资效益的指标）确实并不划算。不然为什么你看苹果也一直没有在AI上的大动作呢？不过也是在等待罢了。等待本身也是一个合理的战略选择。

现在我们来总结一下：大语言模型公司不变现，那是因为模型迭代快、竞争强，需要先稳住模型的优势，再考虑变现。垂域公司不变现，则是因为模型能力不足，并且模型变化太快。现在死磕AI应用，不仅颠覆风险高，而且ROI上也不划算。

核心驱动：模型迭代速度与企业意愿的博弈

不知道你发现了没有？不管是大模型企业，还是AI垂域公司，他们不够赚钱的根本原因，都和模型仍在快速迭代有关。因为模型快速迭代，所以大模型公司才必须要专注于模型开发。因为模型快速迭代，所以应用公司才不敢大规模变现。

要知道，AI不像互联网，技术本身并不难，并且很快技术就发展到成熟了。在这种稳定的体基（可能是指技术基础）上，就可以建立起众多的应用。但大模型日新月异，盲目在上面搭建商业模式是非常不稳定的，就像在流沙中去建房子一样，你得等地基稳固下来，才能搭建起任何你想要的东西。

再进一步思考，你会发现AI应用没有爆发的原因，真的是因为AI能力不行吗？根本不是，而是因为企业的意愿不足。这帮软件公司和初创企业要真是下定决心跟AI死磕，即便就是现在的模型能力不足，也有大量的垂域应用可以落地了。而这些大模型企业要真是下定决心去探索商业模式，也一定能够变现出更多的流量。只不过就是现在这个特殊的时期，企业不愿意花这个时间和成本孤注一掷的做这件事儿罢了。

了解了这两点根本原因，你就会发现，AI没有大规模变现，更多的不是客观条件的限制，而是主观意愿的不足。这在某种程度上就告诉我们，AI如果真的想要变现，或许并没有想象中那么大的障碍。这一点还会在接下来的分析中体现得淋漓尽致。

话说，虽然AI地基不稳，企业意愿不足，但是我们美投的服务却是经历了4年多的时间，穿越牛熊，始终稳定输出。今年，美投又推出了绝对跟踪栏目。对于英伟达、微软、特斯拉、Palantir、Meta等重点公司进行深入研究和持续的跟踪。它绝不是给你个标的就完了，而是用投行级别的专业性，帮助你将公司包括业务、技术、估值、管理层在内的方方面面都给你研究透，我还会过程中持续跟踪股票的所有变化，帮你及时把握投资机会，锁定投资风险。

我个人的投资风格不会跟着市场的变化来回换手股票，而是找到那些可以穿越牛熊的好公司，然后在持有的过程中持续创造赚钱机会，安心地去赚取超额收益。如果你也认可这种安心赚钱的投资方式，不妨来美投Pro转转。最近我刚刚发布了对这6只绝对跟踪股票的观点更新视频。现在订阅还赠送6家公司全套的研究资料，包括估值模型、美投独家基本面风险指标以及完整的文字稿分析。感兴趣的看官，欢迎订阅美投Pro，新用户前几天免费试用，快来体验一下吧。

拐点将至：预测2026年AI变现的爆发

现在我们了解了AI无法大规模变现的原因。那么，AI究竟什么时候才能够开始大规模变现呢？这个问题的答案就直接决定了当前AI相关股票的表现，甚至决定了整个美股的走势。而我个人认为，这个爆发节点就会发生在2026年。

为什么这么说呢？

第一点是大模型的迭代速度已经过了它最陡峭的阶段了。这几乎已经是一个行业内的共识。相比于2023-2024年，2025年的模型进步速度已经开始显著放缓了。而往后看，这个速度大概率还会进一步放缓。这是技术发展必然会经历的边际效应递减（Diminishing Marginal Returns）的一个规律，AI大模型也不例外。

如果说模型迭代快是企业不变现的根本原因之一，那么模型迭代速度的放缓，就是企业探索AI变现的理由了。对于大模型企业来说，现在当然还是要重点去搞模型，这个没得说。但是，从趋势上看，把资源投入到模型能力的边际效应正在递减，而把资源投入到商业化探索的边际效应正在提升。整个天平正在悄然地向后者倾斜。可以说，大模型的商业化城市（可能是指商业化进程）现在已经箭在弦上了。关于这一点，我们后面还会做更详细的介绍。

而对于垂域公司来说，则更是如此。大模型的快速迭代挡住了他们的应用探索，但他们也不能真的等到大模型彻底稳定了再做尝试。现在，随着清晰的模型能力放缓的信号释放，很多企业也已经开始有了冒险的动机。更重要的是，模型能力的提升正在威胁一部分公司的传统业务，也会导致竞争变得越来越激烈。所以对于他们而言，AI应用的探索已经迫在眉睫。

所以你看，在大模型能力提升速度显著放缓的这个大背景下，AI垂域公司不仅面临机会，也面临着威胁。在双重刺激下，我认为今年会是一个AI垂域应用的爆发年。

第二点是大模型企业的变现已经迫在眉睫了。在风调雨顺的季节，人的选择总是很多的，这种结果就不好预测；而在旱涝拮据的世界，生存就变成唯一的选择了。而现在的情况已然发生了变化，大模型企业的财务压力正在让变现变得刻不容缓。

其中最典型的代表就是OpenAI。它是所有大模型中用户最多的，但也是所有大模型中亏钱亏得最多的。前面说过，现在公司一个季度就能亏100亿美元，而且亏损还在持续扩大。按照公司当前签订的合约以及它的建设规划，未来8年合计有超过万亿美元的投资计划。对于仅靠收取订阅费和API用量赚钱的他们来说，根本就不可能负担得起。

而且这还不仅仅是投资和长约的发展问题。就眼下的成本问题来看，也将会变得越来越严重。根据私募基金a16z的数据，估计目前付费的token仅占到全部token调用量的10分之1。也就是说，大部分的token调用成本都是企业自己来承担的。我们做个简单的计算：当前每百万token的调用成本为0.6美元。谷歌在2025年四季度平均每分钟API调用的请求超过100亿个token。也就是说，对于谷歌来说，每分钟的token成本是6000美元，每天则要接近千万美元，一年就是30亿。而未来免费用户所带来的成本问题只会变得越来越严重。往后看，或许token的成本会下降，但是用量的提升肯定会更多。大模型企业如果不开始大规模变现，根本就撑不住这种成本黑洞。

下图是OpenAI自己的现金流预测，这已经可以算是最乐观的预测了。可以看到，未来三年，OpenAI的现金流会持续恶化。2025年已经亏空了80亿，2026年直接翻倍到170亿，到了2028年，甚至将高达450亿的亏空。所以说，在巨额投资以及成本黑洞的双重压力下，不光OpenAI，所有大模型企业都注定要开始大规模变现来帮自己输血了。

根据投行摩根士丹利的预计，OpenAI在2026年就必须要开启免费用户的变现了，这个规模将达到总收入的20%，也就是6亿美元左右。所以免费用户的变现指的就是广告和电商的抽成，这些都是典型的“羊毛出在猪身上”的变现模式，也是比较成熟的商业模式了。

多说一句，要想要大规模变现，光靠订阅费和用量费是远远不够的。因为C端用户的付费比例就那么多，根据OpenAI自己的预计，最多也就8%左右，是有明显天花板的。你要真想大规模变现，就必须要从B端去变现你的广大免费流量，也就是去打广告或者电商抽成，这已经是验证无数次的商业规律了。

所以你看，我们上面分析的企业不开始AI变现的两大根本原因，几乎全部在2026年开始了逆转。一个是，大模型迭代速度开始明显放缓，地基不稳的问题就得到了缓解。另一个是，企业已经有了不得不开始变现的理由，主观意愿问题也就得到了一定的解决。所以我大胆预测，2026年将会是AI变现的爆发年。我们不仅会看到AI垂域上的百花齐放，也会看到大模型企业的大胆尝试。而这对于我们投资者而言，意义是极其重大的。

投资启示：AI爆发对市场与个股的影响

如果我的预测成真，那么首先，对于大科技投入过多的这个问题就会烟消云散。过去3个月，包括微软、Meta、谷歌、亚马逊在内的多家大科技，都因为资本性投入过高而遭到了股价上的惩罚。其实，市场也并非真的担心投入过多，而是担忧这些投入无法在短期内看到回报。而一旦AI应用爆发，不管是从云计算用量上的回报，还是从用户规模上的回报，都足以justify（证明合理性）这些大科技的投入，那么因此而造成的估值压缩就有望得以释放。

第二，OpenAI的财务风险也得以阶段性缓解。包括微软、英伟达、甲骨文、AMD等一系列基础层公司，最近都因为跟OpenAI签订了合约而备受质疑。根本原因在于市场担心OpenAI现在的财务状况不足以支撑这么多的大单投入。而一旦OpenAI成功开始了商业化变现，甭管他赚了多少钱，这就足以打消很大一部分投资者的担忧了。

第三，AI对于软件股具体的威胁，我们也能够看得更清楚。注意，不是说威胁会彻底消失，而是说不确定性会显著下降。其实软件股是最有机会进行AI变现的，那么理应应该是AI受益股，而非AI威胁股。但为什么后者占据了上风呢？很大程度上就是因为之前很多软件公司没能下定决心，认真做AI变现。而现在时机已经到了。我相信今年我们能看到越来越多的软件股开始AI应用的探索。而在这个过程中，我们就能真正看清谁才是真正的AI受益股，谁才是AI威胁股。那么软件股普跌的行情就得以逆转，甚至有可能会看到更多应用股开始下一轮的炒作。

在这三点具体的表现上，我个人在投资上有一些想法，给大家做个参考。

首先，我认为现在市场对于AI的担忧大部分都是过度的，这都是基于当前情况的短视判断，没有从商业发展的角度出发，尤其是以大科技投入和OpenAI的财务风险为主。这些在我看来都是很快就能解决的问题。而相关的股票，在我看来，很多都已经出现了非常难得的机会。

AI威胁论倒是有一定的道理。长期如果软件股不做出任何改变，那么注定会被AI颠覆。但问题是，这些软件股即将要面临改变的最佳时机了。现在市场的格杀勿论显然是有些过激了。当然这也带来了不少被错杀的好机会。具体该如何筛选？我在上周的“AI威胁软件股”视频中详细做出了分析，感兴趣的看官，欢迎回看。

而这轮AI爆发所带来的真正价值？在我看来，其实不在于解决上述的这些担忧上，而在于创造出了全新的增长机会。大公司可以撬动自己的生态，利用AI放大变现潜力。软件股也可以放开手脚增加他们的AI功能。初创公司也是时候开始毫无忌惮的应用探索了。不仅局部领域会涌现出各种爆发机会，整个市场也都会因此而爆发出更大的增长潜力。

当然，我也很清楚，这些判断是基于一个大概率的推测。即便真的AI变现爆发，也不会说明天就一定开始。我们仍然需要理性的去应对当前的所有不确定性。所以我也不会将投资百分之百都压注到这些判断之上，应对好短期的市场风险，避免承担不可控的损失，仍然是当前的第一要务。今天这种分析的作用是让我们跳出当前的市场环境，更清晰地看到未来的发展方向，也能据此去筛选出我们现在更有信心长期持有的股票。

好了，今天关于AI变现，就跟各位看官分析这么多。在本周二的美投Pro视频中，我将给大家分享这么一家。我个人认为，可能是最早能够在这轮AI变现中受益的公司。这家公司既有生态，又有用户规模，既有基础层，又有应用层。而且我敢保证它的名字，你绝对想象不到。这是一家被市场严重忽略的AI股，一旦爆发，就将具有不俗的增长潜力。那感兴趣的看官，欢迎订阅美投Pro，新用户前几天免费试用，快来体验一下吧。最后再次祝大家新春快乐。

如果你喜欢米德军的视频，别忘了点赞、关注和转发哦，谢谢大家。