TLDR: 1. OpenAI和Anthropic的推断边缘分别为55\~70%。

  1. 训练模型成本应该是单个十亿美元的数量级。

  2. 安全投资金额是十亿美元的数量级。

目前有几点理由认为AI行业不景气，但大部分当前的AI熊市的理论依据是错误的。熊市者认为OAI/ANTH在大规模补贴客户并烧钱，这些钱来自盲目投资者。然而，他们是否已经对此进行了调查？ AI的盈利能力由以下公式确定：

AI_profit= -(AI训练成本)+token_usage*(API_费用-计算成本)+num_subscription*(sub_价格-计算成本*使用量)-其他成本

1. 推断边缘55\~70%

我不知道为什么我们要假装AI的推断边缘是一个谜。我们知道从比较开源模型和“信任泄露”推断，Opus 4.X和GPT 5.2\~5.4的推断边缘分别为1.5T模型和40B活跃参数。同样大小的开源模型已经在数据中心中被服务（GLM 5.2，Deepseek-V4-Pro，Kimi K2.6），所以我们知道服务成本。具体来说，计算成本每个token（GPU租赁价格每小时）/(token每小时）。Blackwell 200的token/s/gpu由NVIDIA基准测试给出为77.3（Deepseek），166.5（Kimi），320.9（GLM）。因此，让我们假设160 t/s/gpu。Blackwell租赁价格约为每小时4美元。然后，计算成本每百万token（输出）约为$6.8。与Opus 4.5\~4.7的API定价（$25/百万输出token）和GPT 5.2\~5.4模型（$14\~15）相比，这使得利润边缘为Claude的70%和GPT的55%。这也是一种粗略的计算，排除了其他优化方法，如合同GPU的整个生命周期、量化、批处理等，以及一些来源报告的更低计算成本每次推断（https://inferencex.semianalysis.com/overview?utm_source=chatgpt.com）。我还曾经多次让Claude和GPT进行这些计算，并且，根据优化方法，利润边缘可以达到90%。这可能是为什么我们听说行业内的人们提到了类似的估计（观看最近的Gavin Baker采访，我无法在此子频道上发布YouTube链接）。

2. 训练成本O（1B）

这里我只是大致估算。首先，开源模型报告了训练上述模型的成本，约为10\~20万美元。这仅仅是训练模型一次的成本，排除了数据整理、实验运行、后训练等。然而，从Anthropic的最近法庭诉讼中，我们可以得到一个关于总计算成本的线索。2026年3月，Anthropic声称其在训练和部署其模型方面已经花费了约10亿美元。此外，从Anthropic的2025年财务报告中，我们可以看到他们在2025年训练和研发方面花费了4.1亿美元。包括Opus、Sonnet和其他在2026年初之前发布的模型在内。因此，我们可以假设训练Opus 4.5等模型的成本不会超过几亿美元。训练是模型一次性的成本，所以您的盈利能力会随着客户使用它的次数而增加，这正是与机器人模型类似。

3. 安全投资O（100B）

到目前为止，OAI/ANTH各自从各种投资者那里筹集了180亿美元/130亿美元。这个金额不包括潜在的IPO和非凡的交易，如AMD向OpenAI提供了1600万AMD股票的购买权，价格为每股一美分，如果OpenAI达到600美元。这个交易本身价值约为96亿美元。

所以，我认为AI熊市者对AI行业的看法是错误的，这使我对AI感到乐观。然而，我有其他理由认为未来会有熊市，我将密切关注这些情况。

1. 数据中心的扩建需要1\~2年，我们将在2027\~2028年获得计算供应的重大突破。GPU租赁成本是否足够大，以保持或增加与当前价值相比的计算需求？（这对OAI/ANTH来说不是熊市）。

2. OAI/ANTH的壁垒似乎在6个月内，尤其是如果他们必须等待政府核查模型发布是否安全。OAI/ANTH是否能维持50%以上的API利润率？（这对云提供商来说可能不是熊市）。