THE STATE OF THE AI ECONOMY
Exponential View深度报告
2026年6月25日
核心观点：
AI 需求比以往任何一次平台变革都更被真实收入验证——GenAI 生态年化收入已突破1750 亿美元，撑起22.7 万亿美元市值。
悬而未决的问题是：更便宜的智能，能否创造足够的规模与利润，去偿付这场史上最大的资本开支。
四个一眼抓住的数字
来源：Exponential View 分析
为什么要做这份报告
AI 经济一直存在"可见性问题"：供给侧（芯片、超大规模云）披露充分，但需求侧——客户究竟在为什么真金白银付费、这些收入是否真实——长期晦暗不明。最大的实验室是私有的，公开公司也把 AI 收入埋在分部总额里。
本报告自下而上追踪1000+ 家公司的逐行收入：溯源 → 置信度打分 → 建模三角验证 → 去重。100 美元 App 支出中流向模型商 60、再流向托管 30，只计为100 美元而非 190 美元。范围：全球除中国，含 App / 模型 / 基础设施收入，不含芯片制造与广告增益。
需求：真实、巨大且迅猛
收入由真实的外部客户驱动，而非内部循环。过去 12 个月已"入账"的实际收入为1100 亿美元；若按最近一个月年化（×12），跑速已达1750 亿美元——两者之间1.6 倍的差距，正是增长速度本身的写照。
该需求点燃了一场"算力超级周期"：
算力 10 倍增长、新增发电、更大数据中心，以及供不应求的积压
扩张速度
3 倍
GenAI 比互联网/移动/云任一前浪都快
每新增10亿美元收入的耗时
90 倍
2023年需180天，如今不到2天
季度环比增速(近期)
35%
QoQ，等效年化 3.2 倍
穿越每个采用阶段
未失速
从订阅聊天机器人 → 智能体编码
需求正以"合同积压"显形：合计 2.0 万亿美元
超大规模厂商剩余履约义务(RPO)
注：微软为总RPO(含M365/Dynamics)；亚马逊为全公司RPO(主要AWS)；谷歌为收入积压(主要云)。
芯片 → 电力 → 数据中心，全面被点燃：全球半导体收入从 2025 年的 $7920 亿，预计 2026 年冲向 $1.51 万亿；全球算力增速由 66% 提速至 80% CAGR，AI 服务器贡献约 9 倍增量。
承诺规模急剧攀升：算力与电力
英伟达供应承诺一年内从$310 亿增至$950 亿。美国电网到 2030 年的预期新增用电需求较 2022 年增长约7 倍（24GW→166GW），其中数据中心约占 55%。
数据中心建造成本结构：芯片在吞噬一切
每一新增美元买到更多硅、更少混凝土；内存是最大变量(2%→18%)。来源：Goldman Sachs / Epoch AI / Semi Analysis。
经济：大，但仍然很小、很早
即便是支出最高的企业，AI 在其损益表里仍微不足道。投入仍聚焦于效率与降本（虽然结构在变）。而被测量的收入，可能低估了社会收益——消费者已经在享受、却尚未体现在数据里。
对比 IT 行业占 GDP 的9.4%，AI 仅 0.42%；即便用最慷慨的"企业利润"做标尺，也仍是全部 GenAI 收入的32 倍。但相对 GDP，AI 收入较 2025Q1 涨 3 倍、较 2024Q1 涨 10 倍——小，但早。
公司层面：Uber 每工程师 1500 美元，几乎不影响损益表
即便把 5000 名工程师的 AI 支出顶满(约 $9000 万)，对照 FY2025 各项
折旧摊销 D&A：$7.2亿— AI支出相当于其12%
研发 R&D：$34亿— 相当于 2.6%
EBITDA：$87亿— 相当于 1.0%
人力运营开支：$140亿— 相当于 0.6%
营收 Revenue：$520亿— 相当于0.2%
来源：Ramp Economics Lab (n=7万家美国企业)、Uber 财报。Uber 为每工程师最高上限。
消费者剩余
近零价格触达大众，GDP严重低估，如软件/服务的免费替代
生产者剩余
嵌入售出商品/服务，更多被计入GDP，如AI驱动的增收特性
如同历次通用技术，部分收益会逃逸出 GDP 统计范围
电灯 1880–1920：光照便宜约 99.97%，一小时工资能买的光多约 4 万倍——价格却没记录这一收益。直接 GDP 影响 ≈ $0。
免费数字商品 2000–2020：免费搜索/百科/地图取代了付费服务，仅搜索每人每年价值约 $1.75 万。直接 GDP 影响 ≈ $0。
蒸汽(1850–70) +0.4pp/年、自动化(1980–2000) +0.37pp/年：生产者剩余更多被GDP记录。
GDP 知道一切的价格，却不知任何东西的价值
月度 GenAI 收入 vs 美国消费者福利
福利值来自"愿付多少放弃一个月所有AI工具"。来源：Stanford Digital Economy Lab。
上市公司财报里的 AI 影响在升温
标普 500 财报电话会提及 AI 影响的比例升至33%（可量化的提及 20%），较 2023 年涨 3–4 倍；50–60% 的声明已可量化，但规模与对底线的意义仍待定，多数公司尚未给出量化结果。
70% 的 AI 声明聚焦降本/增效
同样 100 万美元的影响，来自降本的净利率(40%)优于来自增收(36%)4个百分点——所以初期项目都先做效率
一如以往浪潮，早期采用者正甩开同侪
历史案例：自动化(2000–16)
Δ37%
有自动化事件的公司 vs 无
当下AI经济(自2022/11)
Δ92%
高AI强度 vs 无AI支出 的营收增速
高强度=按收入占比前25%的AI支出者。来源：Ramp Economics Lab、Bessen等(2020)。
资本开支：史上最大的基建，正在回本(暂时)
超大规模厂商与新云累计资本开支达 2 万亿美元
这给"必须用增长的收入回本"带来巨大压力，尤其当越来越多由外部资本注资时。这套经济学，定调了数据中心与 Token 生产的财务逻辑。
年度资本开支(PP&E + 租赁)
逐年资本开支的陡峭曲线
扣除已规划的存量云/SaaS、元宇宙(Meta)、物流(Amazon)后，AI 相关资本开支到 2026E较"无AI"趋势线高出 $5350 亿。来源：公司财报。
边际AI基建资金日益外部化：外部融资把风险移出公司之外（第三方期待回款）；付现金则把一笔坏赌注留在公司内部，只是侵蚀利润。新云(neocloud)的资本开支主要靠债务融资，超大规模厂商以现金为主，但其市值权重对更广泛经济构成风险。
2026E 折旧费用逼近 $1110 亿：2025Q4，季度收入首次超过资本开支折旧。GenAI 收入现已能覆盖 AI 基建的季度折旧。
覆盖仍薄：折旧吞掉超大规模/新云GenAI收入约81%。下一道考验是"增量覆盖"。
租金信号：需求正在吸收存量供给
H100 一年期租约价格（$/小时/GPU，最流动的GPU市场信号）
2025年中
$1.70—— Blackwell 出货，过度建设恐慌的谷底
2026年初
$2.40—— 推理需求激增，租金重新走高
数据中心经济学设定了 Token 定价的门槛
拥有并运营 1GW AI 算力的年成本 ≈ $79 亿（资本占89%，运营占11%）
每 GW 每年产出75–85 千万亿(quadrillion)个 Token；$79亿 ÷ Token 产出 = 推理商成本
每百万 Token 的定价门槛（开放权重 vs 闭源授权）
闭源含约25%授权费。来源：Epoch AI / SemiAnalysis。
更长的 GPU 使用寿命，拉宽了回本余量
Mark Zuckerberg（Meta 2025Q3 电话会）："最坏情况无非是我们提前几年建好了产能，会有些损失和折旧，但我们会逐渐用上它。" —— 过度建设可以是对"芯片折旧更长"的一次下注。
按芯片折旧年限的收入余量 = (收入−折旧)÷收入，Q1'26
租金收益率显示老GPU(如9年的V100仍18%)寿命常超6年折旧期。来源：Silicon Data / Meta。
Token：AI 经济的价值单位？
全球 Token 量超 30 千万亿/月，年增 14 倍
Token 量由智能体工作负载与高度弹性的需求推动。基于 Token 的计费让这一切尤为切题，也给行业一个机会去归因并评估Token 消费的产出。
"输入是电子，输出是 Token，中间是英伟达。"—— 黄仁勋
从聊天到智能体，正在成倍放大 Token 用量
约为一次聊天任务的1200 倍。智能体协调密度(工具调用占比)从 5% 升至 15%。
Token 需求高度弹性：价格越跌，用量越涨
跨厂商弹性系数 ≈ 1.2–1.8：每降价 10%，Token 用量增 12–18%，总支出仍上升
Sundar Pichai（Google）："我们曾每月处理 9.7 万亿 Token，如今超 480 万亿——多了 50 倍。" 价格 −97% | 用量 50 倍
Sam Altman（OpenAI）："使用既定水平 AI 的成本，每 12 个月降约 10 倍，更低的价格带来多得多的使用。"
Token 计费是 AI 的"按点击付费"时刻——但还不是价值单位
每个通用技术都有计费指标，但真正的价值单位往往后来才浮现：
最接近"可用价值单位"的，是质量调整后的输出 Token = 输出 Token × 能力
无论用哪种标尺，趋势都向上
质量调整后的输出，跟上了原始 Token 量的增长（2025年1月 → 2026年4月）
效率正提升每 GW 的变现：行业每 GW 数据中心收入已破$70 亿，而每万亿 Token 的收入随价格下降。能力(Epoch指数 112→158)与单位输出 Token 量(12→36)同步上行。
技术栈：价值在何处被捕获
技术栈把资本与能源，转化为认知工作
能源 → Token → 智能 → 消费者价值
托管
CoreWeave
Azure·AWS
CapEx→OpEx
基础模型
OpenAI
Anthropic
Token→智能
收入今天高度集中，但结构正在迁移——向上至应用与模型
去重后的季度 GenAI 收入，一年内增长2.95 倍。当下层级占比：
全球除中国，已去重，不含芯片(在托管层资本化)。
定价权跟随竞争压力，而非栈内位置
各层最大厂商市占率与赫芬达尔指数(HHI，越高越集中)
上游供应商把 Token 定价定到能榨取全部可得利润（下游无竞争时）。英伟达是最大芯片商，但 AWS/Google 自研硅的垂直整合可能削弱其主导地位；基础模型收入集中于 OpenAI 与 Anthropic，但开放权重模型对"高质量 Token"形成低价竞争。
前沿实验室能守住溢价——暂时
实验室仅在守住前沿时保有定价权；昨日前沿的经济价值，会迅速衰减到开放权重中。要守住利润，必须跑赢开放权重的商品化。
达到 GPQA Diamond(博士级科学)的最低价(每百万token)
2025
DeepSeek-R1 等开放权重逼近：约$1以下
2026
GPT-5 nano / DeepSeek V3.2：低至~$0.10–0.30
在自选模型的 OpenRouter 用户中，份额正流向开放权重
谷歌+OpenAI+Anthropic 起点
72%
OpenRouter 非市场横截面，反映"模型路由型"自选用户的行为。来源：OpenRouter。
压缩每一层，消费者就捕获剩余
情景一：开放权重追平
实验室无法对前沿模型收授权费，Token 更便宜，基础模型实验室转而自建应用层与基建。
情景二：通用模型取代集成层
前沿模型替代 AI 应用/集成层，通用"套壳"定价权被挤压；应用靠专有数据与垂直工作流防守。
情景三：算力需求下降
模型变小、算力更高效，运行成本更低、可用市场扩大；部分本地托管，芯片分发到边缘设备。
情景四：三者叠加
效率改进的"完美风暴"，降本扩大可及市场，收益以超出价格的方式交付，消费者剩余显著放大。
THE BOTTOM LINE
AI需求比以往任何平台变革都
更明显地被收入验证
投资逻辑最终归结为一个问题：
不断下降的价格，能否驱动足够的 Token 量，去赚回这场资本开支的回报。
覆盖风险：当前收入仅覆盖当期折旧、尚未覆盖累计账单；折旧吞掉超大规模/新云GenAI收入约81%，增量产能入役将抬高折旧基数。
商品化风险：昨日前沿迅速跌入开放权重，前沿溢价是有时限的；若价格弹性不足以放大用量，定价权与利润将被压缩。
融资风险：边际AI基建美元日益外部化(尤其新云靠债务)，把风险移出企业之外；芯片折旧年限假设若过于乐观，回本余量将由正转负。
数据来源
Exponential View 分析 | 公司财报(SEC 10-K/10-Q/8-K) | Ramp Economics Lab | Epoch AI
SemiAnalysis | OpenRouter | Stanford Digital Economy Lab | WSTS | US EIA
本文系基于 Exponential View《The State of the AI Economy》(2026年6月25日) 编译整理。
范围：全球除中国，含App/模型/基础设施收入，逐层去重；不含芯片制造、广告增益与融资。
所有数据来自原报告，仅供参考，不构成任何投资建议。
作者：Azeem Azhar, William Gildea, Hannah Petrovic, Nathan Warren & Marija Gavrilov · © Epiiplus1 Ltd 2026
10个月宝宝每天需要喝多少奶粉？
