2026人工智能经济现状报告

阿兹米尔·阿扎尔，威廉·吉尔德，汉娜·佩特罗维奇博士，内森·沃伦与玛丽亚·加夫里洛夫 www.exponentialview.co指数视角 © Epiiplus1 有限公司 2026由 Exponential View 独立制作。基于公开披露信息及 Exponential View 自有模型构建；所有结论均为我方观点。 我们为什么要这样做 人工智能经济存在一个可见性问题。到目前为止，一直无法解构真实的客户需求。 人工智能经济的供给侧已有详尽记载。大多数半导体公司和超大规模企业都是上市公司，并会详细披露其业务活动。卖方分析师在剖析其业绩方面做得非常出色。 客户实际购买的是什么，以及这些收入是否真实。一直很模糊。需求端，最大的实验室多为私营，即便是公立公司也将其人工智能收入隐藏在部门总收入之中。 若不理解真实需求，便无法判断支撑着2.27万亿美元股市估值、并在过去六个季度推动美国GDP增长的人工智能经济的健康状况。 我们希望这份报告能成为一份客观反映当前形势的参考资料，不受浮夸和恐慌情绪的影响，同时帮助我们所有人就人工智能对经济乃至整个世界产生的引力进行更明智的探讨。 特别感谢 Alex Imas、Shanu Mathew、Patrick Rutherford、Jaime Sevilla 和 Amy Sutter 温情审阅了本次演示的初稿，并给予了我们反馈。 阿兹姆与指数观点团队 一种专有的按层级计费的营收模式：采购、评分、三角验证、去重 来源 公司财务模型进行自上而下验证 每一笔收入追溯到原始申报审计账目、记录文本及可信报告；此外还有云服务归属认定，即当私营公司的收入出现在公有公司账目中时（例如：OpenAI通过Azure，Anthropic通过Bedrock）。 收入在每个层级计算，但从未跨层级汇总：通过增值额进行归属，因此相同的一美元不会被重复计算。 我们建造全公司模型 the.专门针对生成式AI金融业务（从总收入报告中分离出来），涵盖收入的关键驱动因素、盈利能力和成本。 这些模型与...进行核对损益表、现金流量表和资产负债表 额外我们使用的软信号包括非官方来源例如： 独立代理硅片（芯片制造商收入），建造成本，产 品组合，行业研究，交通与产能。 ● 高管及相关方公开发表的意见。● 代理和样本指标。● 传统媒体、新媒体及社交媒体上的评论、未经证实的估计和泄露信息。 我们标记、调查和维护我们的数据集。分析师研究，增强通过一个专有系统扫描、爬取和整合见解。 顶行 人工智能的需求已比以往的平台转型更清晰地得到了实际收入的验证。生成式人工智能生态系统的收入已经超过了1750亿年化（在从供应商收入中消除重复计算之后） 资本支出强度已远超历史大型科技股的常规水平，以支持人工智能的规模化部署，而第三方融资正日益成为融资组合的一部分。 降低人工智能的成本能否产生足够的规模和利润来支撑其扩张。 1 | 需求是真的，大且快 收入由真实外部客户驱动。该领域的发展速度比之前的任何IT浪潮都快三倍。这种需求催生了一个计算超级周期：计算能力增加了10倍，新能源发电，数据中心规模扩大，以及因供应无法满足而不断累积的积压订单。 110亿美元12个月的累计收入——现已达到175亿美元的步伐 生成式人工智能经济收入，去重后 $bn/year, Jan 2023- Jun 2026 真实的外部需求驱动着人工智能收入。 人工智能的发展速度是任何IT浪潮的三倍。 实现收入轨迹与零年时间对齐 每年数十亿美元，经通货膨胀调整 每一新增的10亿美元收入，其到账速度都更快。 增加10亿美元额外累计收入的时间到了 天，对数刻度 增长在每个采用阶段都得以保持 环比收入增长 环比变化率 对于超大规模企业这种快速增长的需求正表现为合同积压。 组合超大规模企业积压订单（剩余履约义务） 需求已启动计算超级周期。 人工智能推动了计算增长长达50年的趋势的回升。 自1971年以来的全球计算 人工智能需求正重燃美国衰落的电力部门 最大数据中心的规模在四年内增长了50倍。 最强大计算机随时间的力量 内存和计算现在占据了数据中心建设所花费的每一美元中的大部分。 ● 每一美元的新购买力更多硅，更少混凝土薯片所占的支出份额增加了50%（从40%上升到60%）。 ● 记忆这是最大的变动因素，从2%的舍入误差到~18%。 由此带来对计算能力和能源的日益增长的承诺 计算与电力承诺 英伟达供应承诺（十亿美元，左轴）与美国家用负荷增长（吉瓦，右轴） 2 | 经济大仍小，且早 即使是最大的企业支出者，人工智能在损益表上也是微不足道的零头。 它看起来仍然很早。虽然组合正在变化，但举措一直聚焦于效率与成本节约。而且，测量的收入可能低估了社会收益，因为消费者报告了那些尚未在数据中体现出来的好处。 相对于GDP，人工智能的收入仍然只是个微不足道的零头。 ● 依然渺小：人工智能产业收入相当于美国GDP的0.42 %（而信息技术产业为9.4%）。 ● 即使是慷慨的衡量标准（公司利润）也32倍大超过所有生成式人工智能收入。 (0.04%).● 还早人工智能收入相对于GDP有所增长3倍vs 2025年第一季度(0.13%)，以及10倍 vs 2024年第一季度 优步人工智能支出（上限）与损益项目每位员工的AI支出在公司层面，人工智能支出仍然相对较小：例如，优步每名工程师1.5万美元的支出仅对损益表造成微不足道的影响。 与以往通用技术类似，一些收益可能无法被GDP衡量。 人工智能的影响 消费者剩余 直接惠及大众且近乎零成本的价trị。销售量甚微，因此GDP未能充分反映消费者利益，例如： , e.g:已售商品和服务中蕴含的价值。交易额更多。已记录在GDP中● 具备AI功能以驱动收入● 更快（有价值）的发布● 服务型公司利润 GDP衡量一切价格，却不知任何价值。AI的经济价值超过衡量到的收入。 上市公司正报告称，生成式人工智能的影响日益增加。 ● 越来越多的关注：企业将人工智能视为提升盈利能力的机遇。我 们追踪到自2023年以来，标普500指数成分股中提及人工智能影响的频率增长了3-4倍。 ● 给它编号：目前有50-60%的索赔已被量化，但尚待确定这些索赔对公司最终财务状况而言有多大影响以及有多重要。 ● 仍然是少数大多数公司尚未报告其使用人工智能所带来的 量化影响。 十分之七的生成式人工智能（GenAI）主张集中于节省成本 S&P 500, Q4 2022-Q1 2026声称的人工智能结果 为什么初始项目优先考虑效率，一个说明性的例子： 与以往几波类似，早期采用者正逐渐超越他们的同龄人。 历史案例研究： 今日的AI经济： 3 | 资本支出：科技史上最大规模的建设正在（暂时）获得回报 超大规模云服务商和新型云服务商已承诺到2026年累计投入2万亿美元资本支出，这给不断增长的营收带来还本付息的压力，尤其是随着更多资金由外部资本提供。这些经济规律为数据中心和代币生产的财务状况定下了基调。 超大规模云服务商和新型云的资本支出到2026年预计累计达到2万亿美元。 到2026年，与AI相关的资本支出将比AI出现前的趋势高出5 预测已推动资本支出曲线走高。 边际人工智能基础设施美元正越来越多地依赖外部融资。 2026年折旧费用接近1110亿美元 收入覆盖了持续性的开支，但尚未覆盖累积的账单。 季度人工智能收入与资本支出折旧 累计人工智能收入与资本性支出折旧 注意：Meta 对行业资本支出（CapEx）有贡献，但其举措专注于广告提升，因此不被视为纯粹的生成式 AI 收入，或者目前直接货币化程度极低（例如 Meta AI 助手、Muse Spark）。 目前，AI基础设施收入刚刚超过今天的折旧门槛。 季度资本性支出折旧后的空间 % = (收入 – 折旧) ÷ 收入 租金水平表明，现有供应正在被需求所吸收。 H100 一年期租赁合同价格 每小时/GPU美元。H100是场外交易市场中最活跃、交易量最大的GPU：这是一个有用的信号。 数据中心经济设定了代币定价的门槛。 $7.9bn每年拥有和运营1吉瓦人工智能能力的成本 OpEx$900m/year · 11% 租金回报率表明其使用寿命超过六年。 GPU良率在50%利用率下 更长的GPU使用寿命为未来发展提供了空间 单颗芯片资本支出折旧计划后的可用空间范围 马克·扎克伯格Meta Q3 2025 财报电话会议 ……最糟糕的情况就是，我们实际上已经提前几年就建好了，在这种情况下，当然会有一些损失和折旧，但我们最终会适应并利用它。 过度建设可能是一种押注于更长的芯片折旧。 4 | 令牌AI经济的价值单位是什么？ 代币的年增长率高达14倍，这主要是由代理型工作负载和高弹性需求所推动。基于代币的定价模式使这一情况尤为突出，但它也为行业提供了将代币消耗产生的产出进行归因和评估的机会。 输入是电子，输出是代币。中间是英伟达。 “令牌，我们模型处理的数据的基本单元……” 黄仁勋 Sundar Pichai 生成式人工智能经济是一种代币经济吗？有点像。 全球代币总量每月超过30亿枚，同比增长14倍。 推理令牌处理 每月万亿代币（左轴），增长率倍数（右轴） 从聊天转向代理正在增加代币的使用量 每项任务的代币消耗量 代理协调密度 每个提示的%工具使用率，OpenRouter 更便宜的代币和更好的模型会刺激需求。 需求对价格弹性明显：随着价格下跌，使用量增长更快 谷歌价格弹性（平均价格与销量） Sundar PichaiGoogle:I/O 2025 百万级 token 每月 vs 万亿级 token 每月，双对数坐标，2023-2026 ……我们当时每月处理97万亿个token。现在超过480万亿——是原来的50倍。 Price −97% | Volume 50x 山姆·奥特曼 OpenAI：“三点观察”，2025 使用特定级别AI的成本大约每12个月下降10倍，而更低的价位则带来了更多的使用。 价格 -90% | 数量 ↑ Volcengine/ByteDance,2025 单大卫 豆包本月日活量使用量突破500万亿，较2024年12月的40万亿有所增长。 Price −50% | Volume 12x elasticity≈ 1.2-1.8 跨服务提供商，规模每降价10% → 代币数量增加12-18% → 代币总支出仍然上升 来源：指数观分析；谷歌；OpenAI；字节跳动。注：时间序列，非横截面：价格和使用量均随时间趋势变化，因此 β 可能高估了纯价格弹性。 基于token的定价是人工智能的“按点击付费”时刻 $bn/year, log scale, 1996-2024年度数字广告收入 人工智能定价模型的演变 每一代技术都提升了每吉瓦容量的象征性产出。 每个数据中心吉瓦容量的产出代币数 ● 每吉瓦每月可购买更多代币产出。 ● 即使物理限制给人工智能经济带来压力，这也使得超级周期成为可能。 ● 动力来源：a) 实验室通过使用更小的模型和提供更好的服务来实现更高的效率。b) 硬件方面的进步，尽管进展较慢（例如：Hopper → Blackwell →Rubin）。c) 工作负载组合从训练转向推理。 这种效率正在提高每吉瓦容量的货币化程度，同时每枚代币的收入却在下降。 m/TTok（左轴），bn/GW（右轴） ● 每万亿代币的收入自2023年峰值以来已下降，反映了价格的下跌。 ● 效率提升推动代币价格下降，但需求增加使其得到大幅弥补。 ● 全行业数据中心每吉瓦容量的收入已超过70亿美元/吉瓦。 令牌是人工智能的计费指标，但尚未成为价值单位。 质量调整后的代币最接近一个可用的价值单位 无论你选择哪种衡量标