TLDR：1. OpenAI和Anthropic的推理边距为55\~70%。

  1. 训练模型成本应该是单位数十亿美元。

  2. 安全投资额为单位数十亿美元。

目前有一些理由认为AI行业会疲软，但大多数当前的AI悲观主义者基于误导性的信息。悲观主义者认为OAI/ANTH对客户进行了大规模补贴，并且烧钱，而这些钱来自盲目的投资者。 但他们是否已经研究了他们的假设呢？ AI盈利度由以下公式决定：

AI_profit= -(AI training cost)+token_usage*(API_fee-compute_cost)+num_subscription*(sub_price-compute_cost*usage)-other_costs

1. 推理边距为55\~70%

我不清楚为什么我们要假装AI的推理边距是一个谜。我们知道从比较开源模型和推特上的“信任泄露者”中，我们知道Opus 4.X和GPT 5.2\~5.4的模型大小约为1.5T，具有40亿个活跃参数。类似大小的开源权重模型已经在数据中心中被服务（GLM 5.2，Deepseek-V4-Pro，Kimi K2.6），因此我们知道服务成本。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基准测试给出约为77.3（Deepseek），166.5（Kimi），320.9（GLM）。因此，让我们简单地假设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美元。与Opus 4.5\~4.7的API定价（25美元/百万输出token）和GPT 5.2\~5.4模型（14\~15美元）相比，这给出了 Claude的利润率为70%，GPT的利润率为55%。这也是一种粗略的计算，排除了其他优化方法，如GPU租赁价格的长期合同、量化、批处理等，以及一些来源报告的更低计算成本（https://inferencex.semianalysis.com/overview?utm_source=chatgpt.com）。我还在过去几个月内多次让Claude和GPT进行这些计算，根据优化，利润率可以达到90%。这可能是为什么我们听到了类似的估计来自行业内的人：

https://youtu.be/NGsi2PC4y68?t=468

https://www.youtube.com/watch?v=oDUBsE09n5c&t=1763s

2. 训练成本为O(1B)

这里我只是大致估算。首先，开源权重模型报告了他们对上述模型的预训练成本约为10\~20百万美元。这只是训练模型一次的成本，排除了数据清洗、实验性运行、后训练等。 但我们从Anthropic的最近的法院诉讼中可以看出，他们的预算风险评估中提到，他们已经花费了约10亿美元用于计算训练和部署模型。 2025年 Anthropic 的财务报告中，他们在 2025 年花费了 4.1 亿美元用于训练和研发，根据 Epoch AI 的估计。 这包括他们在 2026 年初之前发布的 Opus、Sonnet 等模型。因此，似乎可以安全地假设训练模型如 Opus 4.5 的成本不会超过几亿美元，甚至可能更少。训练是一次性成本，模型的使用次数越多，盈利度越高，这正是与代理模型发生的情况。

3. 安全投资额为O(100B)

目前，OAI/ANTH各自从各种投资者那里筹集了 180 亿美元 / 130 亿美元。 这不包括潜在的IPO和特殊交易，如AMD向OpenAI提供了1600万AMD股份的权利，价格为每股1美分，如果OpenAI达到600亿美元。 这一单独的交易价值为96亿美元。