AI的尽头是广告?当ChatGPT开始“恰饭”,我们还需要相信AI革命吗?

新闻

作者：微信文章

ChatGPT一行不起眼的“赞助”链接，让技术的纯粹理想与商业的生存现实迎面相撞。

最近，AI领域发生了两件值得玩味的事：OpenAI在官方博客宣布，开始在ChatGPT免费版中测试搜索广告；与此同时，多家明星AI公司股价剧烈波动，市场对AI的热情似乎出现了微妙变化。

当ChatGPT在回答底部加入一行“赞助”广告时，这不是一个商业创举，而是一个财务信号。 它标志着，即使是最顶级的AI公司，也已无法忽视持续失血的现实，必须寻找任何可能的现金来源。

今天的大模型行业，正被一个尖锐的矛盾贯穿：一面是光鲜的技术突破与用户增长，一面是公司财报上冰冷且日益扩大的亏损数字。光环之下，是商业世界里最实际的成本、收入和盈利问题。

---

🔍 一、「增收不增利」的财报真相

盈利困难，是悬在所有大模型公司头顶的达摩克利斯之剑。最直接的问题是增长几乎必然伴随着等比例、甚至更大幅度的亏损扩大。

以刚上市的智谱为例，其向港交所提交的招股书展现了一个典型画像【注1】：

营收：过去三年年复合增长率超 130%

亏损：同期净亏损总额超过 62亿元人民币

现金消耗：速度从2022年每月约300万元，激增至2025年上半年的 每月3.27亿元

这种情况并非孤例。即便是早已上市的行业内的“资深玩家”——政务业务大户科大讯飞，其2025年第三季度财报显示，实现的盈利深度依赖于高达 1.81亿元 的政府补助【注2】。如果扣除这笔补助，公司实际将处于亏损状态。

这揭示了一个关键悖论：高毛利率 ≠ 盈利能力。

有的大模型公司的毛利率长期保持在50%以上，这证明其技术产品本身具有市场价值。但问题在于，天文数字般的研发与算力成本，完全吞噬了全部毛利。

这种成本结构，本质上源于一个深层矛盾：大模型同时具备了数字产品的可复制性，却又承袭了重工业般的持续性巨额资本开支特性。每一次对话的边际成本虽低，但永不为零，且被无休止的研发军备竞赛持续拉高。

---

💸 二、变现困境：所有“老路”都难解新题

面对迫在眉睫的生存压力，整个行业正急切地测试所有已知的商业模式，但每一条路都充满挑战。

1. 广告与带货：影响体验的“急救包”ChatGPT和Perplexity等加入广告，国内豆包尝试植入商品卡，本质是试图将巨大的流量直接变现。但这直接挑战了用户对AI“客观中立”的工具认知，可能损害产品体验根基。这条路的规模，短期内难以匹配烧钱速度。

2. API调用：主流但脆弱的“苦力钱”向开发者出售模型调用能力（API），是目前最普遍的收入来源。但这门生意技术壁垒相对较低，在“百模大战”中极易陷入价格战，利润微薄。同时，它严重依赖调用量的规模，波动性大。

3. 订阅付费：在国内市场尤其困难OpenAI的ChatGPT Plus能吸引数百万付费用户，这在国内市场几乎不可复制。国内个人用户的付费意愿和习惯远未成熟，使得订阅模式很难成为收入支柱。

4. 企业服务：回款慢、周期长为大型政企客户提供定制化解决方案，看起来是条康庄大道。但现实是，这类项目交付周期长，定制化成本高，且客户回款周期极慢。

科大讯飞公司高达159亿元的应收账款，就是这一困境的直接体现【注2】。其根源在于一个根本性错位：技术追求通用能力，而企业只为专用的、可靠的解决方案付费。大模型“什么都能聊一点”的特性，在需要承担责任的严肃商业场景中，价值大打折扣。

---

⛰️三、冰山下的成本：AI发展的三座大山

⚡
算力成本：永无止境的军备竞赛

第一座山：算力成本——永无止境的军备竞赛训练和运行前沿模型的算力需求呈指数级增长。行业分析普遍指出，由于技术代差和生态成熟度，使用部分国产芯片方案训练模型的总体成本，可能显著高于国际领先方案【注3】。这不仅是财务负担，更是供应链风险。

💾
数据成本：高质量中文语料稀缺

第二座山：数据成本——高质量中文语料的稀缺高质量、大规模、合法合规的中文训练数据严重不足。企业为获取和清洗数据付出的成本极高，“数据荒”已成为制约模型性能提升的关键瓶颈，这在AI学术界和产业界已是共识。

🧠
人才成本：顶级科学家的天价薪酬

第三座山：研发与人才成本——顶级人才的军备竞赛全球范围内，顶尖AI科学家的薪酬已被推到惊人高度。为保持技术领先，公司必须持续投入天价研发费用，这笔开支几乎看不到上限。

---

🏛️ 四、政府输血：扶持与依赖的双刃剑

在自身“造血”能力不足的背景下，政府支持成了许多公司赖以生存的支撑。

除了直接的现金补贴，更普遍的方式是地方政府发放 “算力券”、“模型券” ，直接补贴企业最核心的算力采购成本。例如【注4】：

漳州市：对租用算力开展大模型应用的企业，按合同金额的 50% 给予补贴。

温州市：对采购算力服务的企业给予 10%-30% 不等的补贴。

这种“输血”在行业发展初期，尤其是在突破关键技术“卡脖子”问题上，起到了无可替代的扶持作用。然而，这也折射出一个深层角色冲突：

大模型一定程度上被寄予了 推动社会生产率提升的“准公共品”期待 ，但其开发主体却是需要盈利的商业公司。长期、大额的政府补贴在缓解矛盾的同时，也带来了一个必须直面的长期问题：是否会削弱企业探索纯粹市场化生存路径的内生动力？

一个健康的产业生态，最终必须建立在能独立循环的商业逻辑之上。

---

🚀五、未来：泡沫会破，然后继续前进

当前的困境，预示着行业即将进入一个洗牌与整合阶段。市场无法长期支撑数百家商业模式雷同、持续巨额亏损的公司。

当资本市场热度减退，缺乏独特技术壁垒、清晰应用场景和健康现金流模型的初创公司将被批量淘汰。这个过程会像互联网泡沫破裂、新能源汽车行业洗牌一样，虽然残酷，但却是行业从狂热回归理性的必经之路。
泡沫破裂

资本退潮，缺乏自我造血能力的初创公司将被批量淘汰。
巨头整合

资源向拥有全栈技术能力和海量算力储备的头部集中。
垂直落地

从“拼参数”转向“解问题”，深耕行业的AI将创造不可替代价值。



泡沫破裂后，资源将向少数几家拥有全栈技术能力、强大资本储备和成熟生态的巨头集中。行业的发展重点，也将从比拼参数和演示效果，转向 深入垂直行业，解决具体、可付费的实际问题。

未来的赢家，很可能不是通用模型最庞大的公司，而是那些能 将技术深度嵌入特定行业工作流 ，真正创造出不可替代商业价值的“行业AI”专家。

---

写在最后 ✍️

AI技术改变世界的长期趋势未变，但其商业化的路径比预想得更长、更艰难。

广告不是AI的终点，而是它从“技术奇迹”步入“商业社会”的成人礼。在找到能穿越成本悖论、弥合价值错位、平衡公共期待与商业诉求的全新生存逻辑之前，所有大模型公司都必须在资本的耐心与生存的现实之间，进行一场艰苦的跋涉。

技术的星辰大海，最终需要尘世间的柴米油盐来支撑。 下一次颠覆，或许就孕育在这片看似平庸、却更坚实的土地之下。

---

数据来源注释：

智谱数据：源自在香港交易所披露的上市招股书。公众可于香港交易所披露易网站查阅。

科大讯飞财务数据：摘自《科大讯飞股份有限公司2025年第三季度报告》。公众可于巨潮资讯网查询。

算力成本分析：基于行业报告及产业链调研的普遍观点，指出国产芯片在实现相同AI训练性能时可能面临更高的总体拥有成本。具体讨论可参考中国信通院等机构发布的《人工智能算力发展报告》。

地方补贴政策：引自漳州市、温州市政府或工信部门公开发布的相关产业扶持政策文件。具体条款以官方最新文件为准。

---

免责声明：本文内容基于公开信息分析，仅供参考，不构成任何投资建议。市场有风险，决策需谨慎。最新数据请以公开可查信息为准。

互动话题：你认为大模型最可行的商业模式是什么？欢迎在评论区分享你的看法。

AI
我是杰森Jason，正在搭建全网最接地气的AI工具实测库。我每天在全球范围内挖掘最实用的AI 工具、最前沿的行业信息与投资动态，并把它们翻译成大家都能听懂的人话。
关注回复【指南】，送你真正实用的AI工具+135个实战指令合集。让我们一起，用AI把路走宽。