每兆瓦收入与 AI 模型工厂

简单来说：AI 模型公司按兆瓦批量购买电力，然后将其作为“认知工作”转售。这就是把电力转化为智能的单位经济。

一家 AI 模型公司按兆瓦批量购买电力，然后将其作为“认知工作”转售。

“计算的基础成本通常在每兆瓦 1000 万、1300 万或 1500 万美元左右。以 Anthropic 为例，其收入已高达每兆瓦 5000 万美元。这让他们现在能够做到的是——嘿，如果我花 10 美元在推理能力上，实际上能产生 50 美元的收入。然后我可以转身，把所有这些利润逐步投入到训练中。” — Dylan Patel，SemiAnalysis，在 Dwarkesh 播客上1

以电力为函数衡量的毛利润证明，模型公司可以在贡献基础上实现盈利。

Anthropic 在 2024 年的毛利率为 −94%：每 1 美元收入对应 1.94 美元的计算成本。2

到 2025 年，情况出现转折，Anthropic 从 −94% 跃升至 40-50% 的毛利率。

2026 年，收入超过了成本：每兆瓦 5000 万美元的收入，对应 1000-1500 万美元的成本。Anthropic 迎来了首个盈利季度，收入 109 亿美元，营业利润 5.59 亿美元。

这个 5% 的营业利润率远低于兆瓦数学所暗示的 70-80% 毛利率。训练运行和人员开支消耗了其中的差额。

每兆瓦毛利润不仅关乎智能，还关乎效率。一个以极低计算量提供同等智能的模型，即使定价更低，每兆瓦也能产生更多利润。

GLM-5.3-Flash 在人工分析智能指数上得分 57，与 Claude Opus 4.8 完全相同。3 但它仅用 180 亿个活跃参数就做到了这一点，成本降低了 90-97%。更少的活跃参数和更少的注意力计算意味着每兆瓦能产生更多 token（即模型处理的文本单元）。

前沿本身也在一波波地攀升。三次 3 分或以上的跃升，贡献了从 37 到 63 这 25 分涨幅的一半。高效模型追逐的目标每个季度都在重置。

这正是每兆瓦利润所买来的。Patel 的最后一句话是关键：“转身，把所有这些利润逐步投入到训练中。”利润率支撑着这座工厂。

Nvidia 为此支付了 60 亿美元收购 Poolside，并额外投资了 10 亿美元。模型构建变成了一种工业化流程：在搜索空间中进行数千次实验，而不是手工艺式的人工调参。

“模型是产出。持续构建更好模型的能力——每次更快、更高效——才是真正的创新。模型工厂才是复利资产。” — Jason Warner，Poolside4

Laguna S 2.1 从启动到发布只用了 52 天。

推理利润率支撑着工厂，让下一个模型的构建更便宜、运行更高效。

---

• Dylan Patel 在 Dwarkesh 播客上的节目，“Anthropic 和 OpenAI 到 2028 年将拥有全球大部分计算资源”（2026 年 8 月）。Apple Podcasts ↩︎

• The Information，“Anthropic 的毛利率引发长期 AI 盈利问题。” The Information ↩︎

• 人工分析智能指数。Artificial Analysis ↩︎

• Jason Warner，Poolside。X ↩︎