天下灵力丰裕，为什么不是每座炼丹炉都赚钱？

AI模型江湖17 / 价值与利润专题

普通人的红利：产业 × 投资 × 交易，寻找AI时代的Google、Amazon ｜ 于AI诸相中，普皆共证菩提

本系列纯属个人兴趣，仅为AI江湖的八卦交流，不构成任何投资建议！如有侵权，联系删稿！｜2026年9月

这一篇，先把三本账分开

产业的账：智能更可获得，让原先做不起的工作有机会成为持续服务；要看可靠结果增加了多少，不只看调用次数与单价。

投资的账：模型、工作平台、云与行业服务共同交付，创造能力的人与留下利润的人未必相同；关键是新稀缺怎样形成可持续的经营位置。

参与的账：不预定原厂必输、平台必赢，也不把全部未来需求折进一家公司的价格。追清成本、客户投入与规则，才知道机会究竟成立到哪一步。

一｜江湖算账：灵力越来越多，谁的香火会更旺？

十三家宗门看过一遍，很容易得出一个喜庆结论：智能越来越强，需求越来越大，各家总该一起发财。可账房先生通常不参加这种合唱。炉子添了，丹药便宜了，客人也来了，月底结账却未必人人笑得出来。产业受益与供应商赚钱，中间还隔着价格、分工和一整本成本账。

智谱2026年中期披露，单位Token推理成本较年初下降约80%；按同期集团收入与毛利计算，集团毛利率约26.4%。MiniMax同年上半年集团毛利率为17.9%，高于上年同期12.1%。⁠[2]⁠⁠[3]⁠前者含工程单位成本，后两项是不同企业的综合毛利，不能接成“降本导致利润下降”的因果曲线。它们提示的，是工程账与经营账需要一起翻。

降本可能给原厂留下利润，也可能变成客户的更低价格；客户可能扩大使用，也可能用更少预算完成原有任务。与此同时，新的工作平台还可能接过执行、验收与收费。每一种变化都可以创造价值，留在不同主体手里的收益却不会一样。研究不能只问丹药便宜了多少，还得问谁因此多了一门生意。

三重视角就在这里接合：产业看需求怎样被释放、供给怎样变经济、结果怎样送达；投资看哪家取得持续关系与规则权；交易再看这些可能性是否被价格提前算得太满。⁠[1]⁠这一篇不重新排十三家座次，而是沿着一项工作从生产走到结算，追踪灵石究竟在哪一段留下。

价值与利润分离，是研究机会的入口，不是投资机会已经成立的证明。

二｜产业视角·需求：便宜的招式，怎样变成买得起的服务？

普通人期待的，不只是每天少干一小时，再用省下的时间指挥十个Agent。更有吸引力的是：原来缺人、缺预算而顾不上的研究、创作与维护，现在可以持续发生；自己少值班，结果却更多。增能打开能力，承责减少逐步管理，丰裕才可能让这种服务不再只属于少数有钱的大宗门。

以一个假设的小团队为例，它每天要检查产品资料、生成多语种内容并确认发布。模型费用降了，若还要反复拼工具、核权限、挑错和重跑，节约便可能转成新的协调支出。数字弟子越收越多，碳基掌门却不敢下班，能力是增加了，丰裕还没有真正上桌。

真正打开需求，需要把获得服务的办法一起做出来：目录说清能做什么、需要什么输入、怎样验收；匹配按质量、时延、费用与资料边界选择供给；共享调用减少重复建设，计量结算让账单可查。缺少支付能力的接收方，还需要采购、补贴或基础额度等出资安排。技术能降本，但不能把付款人从合同里变没。

需求也可能来自机器。设想研究Agent发现结果冲突，委托另一个Agent复核；生产系统遇到异常，继续调用模型与工具处理。目标、权限、预算与结果归属明确以后，一些过去没人顾得上的检查就可能变成常态工作。这里讲的是生产方式的可能，不把数字道友聊了一夜，当成社会产出已经增加。

破界与创生还会把需求推远：更多候选解法需要验证，新的工具需要接入，新的能力又可以帮助下一轮工作。但算法要进入生产，材料要走过样品与试验，计算、能源、设备和现场协调都仍有成本。产业的广阔，在于更多事开始值得做；不是发一张算力优惠券，全社会就自动坐享其成。

丰裕的单位，应是更多人和Agent能够持续获得的可靠结果，而不只是一次更便宜的调用。要知道这份价值由谁供给、由谁分享，接下来就得把完整成本算清。

三｜产业视角·供给：招式可以单卖，成本要按结果算

CADEF里的工程、算法、数据和经验，最终都要帮助同类任务更可靠、更经济地完成；资本则支持必要的持续投入。观察供给效率，不能只看每百万Token的价签。在同一任务集、同一验收标准和统计期内，先算客户完整花了多少，再看真正验收了多少结果。只登记出炉的好丹，不登记失败支出，账当然漂亮。

每个合格结果的平均成本＝这批任务的完整支出÷最终验收合格的结果数。

完整支出包含模型调用与失败重试、另行付费的工具及执行环境、验证与人工接管、必要运行支持。下面是一笔纯假设账：两条路线各处理100项同类任务，采用相同验收标准，金额用假设单位表示，不是任何企业的实际测试。

甲的调用支出只有120，乙为300；但把工具、验证和人工支持合起来，甲花900交出60份合格结果，乙花750交出90份，平均成本分别是15.00与8.33。乙在这笔假设账中少了补救、多了交付，才更经济，不是收费贵就天然高级。实际也可能相反，必须按真实任务检验；未完成任务造成的重要业务损失，还应另列。

两本成本账不能混。客户支付的托管API费用，通常已含该模型服务的内部计算支出，再加一遍供应商的芯片成本就重复了；站在原厂一侧，则要另看推理、运维、渠道与研发。上下游各开一张发票，不会凭空创造两份最终价值。先确定在算谁的成本，才知道效率改善究竟落在哪里。

各家的工程战报也要归到自己的位置。智谱披露同硬件端到端服务表现约为初始基线三倍；Kimi的1.72—2.22倍是特定H20预填充算子对照；OpenAI的3.1个Agent工作日是研究组织使用时长比，并非产出倍率。⁠[2]⁠⁠[4]⁠⁠[5]⁠这些进展各有意义，不能平均成“全行业效率翻了几倍”。

短期每单能交出来，还要有长期持续供应的条件：训练、系统维护、设备更新和合同付款怎样覆盖？核算必要投入时，不把折旧与同一笔资本支出重复扣除，也不把全部未来扩张塞进今天一项任务。好工程既要让本次结果更划算，也要让下一轮还能供应；这才是炉火从技术成绩变成经营能力的一步。

四｜产业视角·交付：谁接活、谁验收、谁留下收益？

结果便宜以后，价值还要经过交付才能到手。模型原厂可以提供能力，工作平台可以保存状态、组织工具，行业服务者可以懂现场、负责最后验收。谁离客户最近，不一定谁包办全部；谁最先炼出模型，也不一定谁签最终合同。把这几层拆开，才看得见新的产业分工。

第一条路，是模型进入现成的工作系统。Z.ai文档说明GLM怎样接入Claude Code，DeepSeek的官方API文档也列出多种Agent工具集成。⁠[6]⁠⁠[7]⁠它们降低采用摩擦，让能力更容易进入不同业务。客户的评测、状态与发布流程可能留在工具或自己的系统里；模型供给扩大和原厂关系加深，不能直接画等号。

第二条路，是平台与专业公司各管一段。OpenAI发布的客户说明中，Long Lake保留自己的环境、上下文与体验层，采用Agents API执行框架；Nash保留连接物流业务的工具与环境，使用持续会话和编排能力。⁠[8]⁠这是具名客户自述，不是行业利润率统计。它展示的机会却很具体：专业公司不必交出全部业务，平台也能通过减少重复运行建设创造价值。

第三条路，是多模型云提供发现、部署和配套服务。Google Cloud的Model Garden把多类能力放到可采购、可运行的环境中。⁠[9]⁠客户更容易选择，云可能获得服务关系；与此同时，底层模型也面临更直接的比较。客栈里可以住很多门派，但住宿费、师傅学费和客人的生意收入，仍然是三本不同的账。

表中是分工，不是四份可以直接相加的产业收入。同一企业可以承担多个角色；上下游之间的付款需要识别，不能因为每层都很忙，就把同一笔最终支出算出几倍市场。

投资线索往往藏在分工改变之时。模型原厂补上执行服务，可能让客户少搭一层系统；行业服务者选择更合适的模型，可能提高可靠性；云把通用环节标准化，可能让更多小团队入场。谁承担了仍然难做的验证、恢复与运行，谁又得到持续付费，才是应该追的变化。最先注册产品名字的人，不自动拥有下一轮结算权。

五｜投资视角：元婴不是收尽门票，而是守住一门生意

看见价值流动，很容易急着找收费最狠、出口最窄的关口。这条捷径未必通向元婴：高价可能来自暂时短缺，难以迁移可能只是客户旧系统复杂。拆房很痛，不代表房子好住。真正值得辨认的是，哪一段能力持续替别人解决难题，别人又愿意围绕它继续经营。

金丹看依赖，元婴看收益。⁠[1]⁠客户第一次采购，是选择；评测、工具和预算跨项目继续积累，才形成更深关系。再往前，这家公司能够影响服务标准、合作分工与交易规则，并持续留下合理收益，才有元婴的分量。让伙伴赚得到钱，不必是慈善，也可能是在维护一片愿意继续建设的需求。

检验不妨跟着一次真实变化：版本、价格或计费规则调整后，同一批客户是否仍购买、扩用和投入？相同质量的结果，供应商留下多少净收益，伙伴付出多少返工与支持？排除需求和客户组合的变化，才知道规则经不经得起选择。换来一批高价客户，不能替原客户签一份“我们全都接受涨价”的声明。

降价也可能与更强的经济位置并存：成本降得更快、可靠结果更多、客户扩大使用，原厂总收益仍可能增长。这是要验证的经营机制，不是每家公司都会发生的好结局。反过来，标价不低却靠补贴伙伴、免费支持和额外资源维持交付，实际收益可以很薄。定价权不是把价签写大，而是安排改变以后，生意仍能持续。

元婴的五道关因此都要看：能否重构某类生产，让终端人或Agent主动指定其能力，影响价值分配与合作规则，并由高质量营收与客户、高毛利、稳定现金和资本回报支持。这不是要求吃掉每一层，而是在自己的位置上守住实权。化神再向前，让积累帮助新产品、新客户，团队与资本配置使优势继续生长。

我们并不预定开放会把收益送光，也不认定封闭能保住利润。通用协议可能降低专属收费位置，稳定服务也可能在开放之上长出关系；昂贵壁垒同样可能被新方案松动。丰裕与合理利润能否共存，要看效率、分工和客户选择如何连接。神位立在持续经营上，不立在一张永远不许客户还价的告示上。

六｜交易视角：天下的未来，不能全装进一家钱袋

机器任务增加，不等于每笔费用都归今天领先的模型。市场总量、份额、可留利润、实现时间与融资稀释，是不同假设；不能全部取最好一档，再乘一个热闹倍数，就称为安全边际。产业打开空间，价格仍要经得住条件检验。

理想元婴情景可以研究，但合作方收入、客户省下的钱与原厂销售额不能重复装袋。本文不提供目标价或通用估值倍数。准入先看懂，估值不透支，共修允许修正：伟大需求值得追，交多少学费却不能只靠气氛。

七｜共修观察：灵力越普遍，新的稀缺在哪里？

最后不必得出“模型商品化、平台必胜”的整齐口号。原厂可能靠持续质量、效率和支持留住客户；交付者可能把便宜能力组织成可靠服务；专业公司可能守住难替代的行业环境。也可能竞争让多数好处流向使用者，社会受益很大，却没有每个环节都长出高利润巨头。几种结果都要给证据留位置。

对产业研究，更有用的是追变化：模型换过以后差距还在不在，降本有没有传到可靠服务，谁接住了最难的验证与异常，规则改变后谁仍愿投入？下面这些问题帮助寻找新稀缺，但“问题很重要”还不等于“这家公司可以持续收费”。重要性要走过交付、付费与复用，才能变成企业的位置。

破界与创生让这条线更值得期待。候选解法更多，验证、实验与部署可能变得更紧；Agent协作更密，可信身份、状态与结算可能更重要。这些仍是取证方向，不是给每个新环节先建一座收费山门。需求得真实，解决办法得可复制，客户愿持续支付，位置还要经得住替代，才轮到讨论哪家公司有新神之相。

所以，题目里的问号，不是在宣判炼丹炉都不赚钱。它问的是：当智能不再那么稀缺，哪一份可靠能力、交付条件或经营关系，仍让客户愿意长期投入？能力普及可以把生意做大，谁能持续留住收益，却要沿着客户的下一笔钱与下一轮建设去找。没有这样的证据，也应允许好处主要留在使用者手里。

天下灵力丰裕，是值得期待的文明前景；哪座山门值得长期研究，还要看谁解决了新难题、谁把成果交到手，又有谁真的留下收益。我们寻找新神，不是给每一座正在冒烟的炉子都配一座神像。

下一篇，也是这一辑的收束：即使产业方向和公司都看对，怎样不让自己的预期先飞升？回到准入、定仓、估值、共修、退出，让判断也经得住下一轮江湖。

资料与研究口径

研究资料至2026年9月。AI Native、CADEF、金印五阶与风控五环为本系列的研究框架。企业数据按所列资料的主体、时期与口径使用；完整成本示例及分工推演属于作者分析，不是企业实测。月份标注不代表覆盖整月或整个季度。

[1] 本系列研究框架｜价值、企业实权与参与边界

AI Native分析价值发现、价值提供与价值传递，CADEF位于供给内部；金印五阶分析企业实权，风控五环限定参与条件。上述定义与观察问题属于作者研究方法，不是企业独立披露。

[[2] 智谱｜2026年中期业绩公告](https://www1.hkexnews.hk/listedco/listconews/sehk/2026/0831/2026083101539.pdf)

2026-08-31。PDF第1页：收入953,892、毛利251,611（人民币千元），相除约26.4%；第3页为80%单位Token降本披露，第11页为同硬件服务比较。工程与财务口径不同。

[[3] MiniMax｜2026年中期业绩公告](https://file.cdn.minimax.io/public/586c7995-cab1-41b5-9178-c06685b32c88.pdf)

2026-08-26。PDF第1、6页：集团收入116,573、毛利20,813（美元千元），毛利率约17.9%。集团多业务合计不能当单一模型利润率。

[[4] Kimi｜K3开放权重与关键工程组件](https://www.kimi.com/news/kimi-k3-open-source)

2026-07-27。FlashKDA的1.72—2.22倍为特定H20、指定基线的预填充算子比较，不代表整厂或所有任务。

[[5] OpenAI｜Research acceleration: The view inside OpenAI](https://openai.com/index/research-acceleration-view-inside-openai/)

2026年9月材料。3.1个Agent工作日／人类工作日为截至8月中旬研究组织的使用时长比，不是生产率或有效成果倍率。

[[6] Z.ai｜Claude Code接入文档](https://docs.z.ai/devpack/tool/claude)

用于说明GLM与Claude Code的接入路径；不据此推算用户规模、模型依赖或渠道分成。

[[7] DeepSeek｜API文档：Agent工具集成](https://api-docs.deepseek.com/)

官方列出多种Agent与编程工具的接入说明，支持“可集成”，不支持原厂拥有全部客户资产。

[[8] OpenAI｜Introducing the Agents API](https://openai.com/index/introducing-the-agents-api/)

2026年9月发布材料。Long Lake与Nash为具名客户自述，用于说明执行框架与客户环境的分工；不外推全体客户依赖、净收益与承责覆盖。

[[9] Google Cloud｜Overview of Model Garden](https://cloud.google.com/vertex-ai/generative-ai/docs/model-garden/explore-models)

引用页面标注更新于2026-09-03，并跳转至Gemini Enterprise Agent Platform文档。仅用于说明多模型发现、部署与服务的机制。

研究说明：工程单位成本、客户完整支出和企业收益分别核算，不能互相代替。未来情景、观察条件与假设数值不构成事实或收益承诺；本文不构成任何投资建议。

声明：本文由 AI 辅助整理初稿，经作者人工审核、补充实战案例与方法论解释后定稿。核心观点与案例判断为作者原创。