20260625-Exponential_View-人工智能经济现状报告_英译中_66页_7mb

人工智能经济现状 2026年6月25日

核心内容概述

本报告探讨了2026年的人工智能（AI）经济现状，重点分析了需求端、资本支出（CapEx）、代币经济、技术栈及财务模型等方面。报告强调了AI经济的真实需求和增长潜力，并通过详细的数据分析揭示了当前市场动态。

主要观点

1. 需求端：真实、强大且快速增长

• 真实需求：AI需求由外部客户驱动，已超越以往任何IT浪潮的增速三倍。
• 收入增长：生成式AI（GenAI）收入已从110亿美元增长至175亿美元/年（2023年1月至2026年6月）。
• 计算超级周期：AI需求推动了计算能力的显著提升、数据中心的扩张及新能源发电的增加。
• 合同积压：超大规模企业（Hyperscalers）的合同积压表明AI需求的持续性和增长潜力。

2. 经济表现：仍处于早期阶段

• 收入占比小：AI收入在GDP和企业利润中仍占较小比例，仅为美国GDP的0.42%。
• 未被衡量的社会收益：消费者剩余未完全反映在GDP中，许多好处尚未被统计。
• 效率导向：目前大多数企业将AI投资视为提升效率和降低成本的手段，而非直接盈利。

3. 资本支出：科技史上最大规模的建设

• CapEx规模：到2026年，超大规模企业及新云服务商的累计资本支出预计达到2万亿美元。
• 融资来源：越来越多的外部资本（如债务融资）被用于AI基础设施建设。
• 折旧覆盖：当前AI收入足以覆盖其基础设施的季度折旧费用，但尚未覆盖全部资本支出。

4. 代币经济：AI的价值单位

• 代币使用量：全球每月代币总量超过300亿枚，年增长率高达14倍。
• 价格弹性：价格下降显著推动了代币使用量增长，如OpenAI的代币使用量在价格下降50%的情况下增长12倍。
• 质量调整：质量调整后的代币产出增长与原始代币产出增长同步，反映了AI模型能力的提升。

5. 技术栈：价值创造的核心

• 收入分布：当前AI收入集中在少数企业，但技术栈正向应用层和模型层转移。
• 定价权：前沿实验室仍掌握高端定价权，但开放权重模型正在形成低成本竞争。
• 扩展趋势：实验室开始拓展至应用程序和基础设施领域，以应对价格压力和竞争。

关键信息

• 收入去重：通过逐层计算和三角验证，避免重复计算，确保数据准确。
• CapEx与收入关系：AI相关的资本支出正在推动收入增长，但尚未完全收回成本。
• 市场集中度：赫芬达尔-赫希曼指数（HHI）显示市场高度集中，但开放权重模型正在改变格局。
• 消费者剩余：AI通过降低使用成本，为消费者带来显著剩余价值。
• 数据来源：报告数据来自公司文件、高管披露、云归属分析、第三方分析师及公开数据源。

方法论

• 收入核算：基于公司文件和高管披露，通过云归属分析确认私营公司收入在公有公司账目中的体现。
• 资本支出：计入超大规模企业及新云服务商的AI相关基础设施支出，包括现金资产和租赁。
• 代币统计：所有代币使用均按实际处理的输入和输出进行统计，避免重复计算。
• 数据维护：系统每日扫描和爬取数据，确保数据集的广度和深度。

数据中心与能源趋势

• 数据中心扩张：全球最大数据中心的规模在四年内增长了50倍。
• 能源需求：AI推动了美国电力需求的显著增长，预计到2030年，美国电网需额外约166吉瓦电力。
• 计算与能源比例：内存和计算成本在数据中心支出中占比上升，从40%增加到60%。

结论

人工智能经济正在快速发展，需求真实且增长迅速，但目前仍处于早期阶段。尽管资本支出巨大，收入增长足以覆盖折旧，但尚未完全收回成本。AI的经济价值远超其可量化的收入，且随着技术进步和成本下降，其对经济的影响将持续扩大。