下面这段话：
除了忽略训练成本之外，Amodei 在论证中另一个非常可疑的假设，是推理（inference）的毛利率。在他的“风格化（stylized）”例子里，他假设毛利率为 67%，而这恰恰直接决定了他们是否有能力为下一代模型训练提供资金。可当资金更充裕的竞争对手明明知道，他们可以对 Anthropic 施加极大的压力，把推理毛利率压到……比如 30% 时，我们怎么还能假设毛利率会一直这么高？如果 Anthropic 无法从当下这一代模型获得足够的毛利润，那它训练下一代模型的手脚就会被绑住。
在我发布那篇文章三天后，《The Information》报道了 OpenAI 的财务情况，其中有一段摘录让我特别在意：
“OpenAI 告诉投资者，其运行 AI 模型的成本——也就是推理（inference）——在 2025 年翻了四倍。因此，该公司调整后的毛利率（adjusted gross margin）——定义为收入减去推理成本——从前一年的 40% 下降到 33%。这低于其对 2025 年设定的 46% 毛利率目标。”
《The Information》提到，OpenAI 认为毛利率下降主要是因为“公司不得不在最后一刻购买更昂贵的算力，以应对其聊天机器人和模型需求高于预期的情况”。这一点确实在某种程度上支持了 Dario Amodei 关于推理与训练之间“地狱级需求预测（hellish demand prediction）”的观点。但很难不去想：即便你把需求预测做得更好，找到“正确平衡”可能仍然同样困难，这未必能缓解毛利率压力。
当然，OpenAI 随后面不改色地承诺，他们预计未来 5 年推理毛利率会提升到 52%–67%。我要强调这一点：**在今天，OpenAI（或任何其他公司）并不能单方面决定今年的毛利率是多少，更别说决定明年、甚至 2030 年的毛利率了。**除了“地狱级需求预测”的挑战之外，模型竞赛本身仍然极其竞争激烈，而这正是当下毛利率最核心的驱动力。
毛利率的本质：定价权与成本结构
归根结底，毛利率的提升主要取决于两件事：
- 定价权（pricing power）
- 更好的成本结构（better cost structure）
即便你能对推理需求做到完美预测，你资金更雄厚的竞争对手仍然可以选择维持低价——因为他们有许多其他内部现金流来源。这当然可能迫使 OpenAI 与 Anthropic 更快地下调 API 价格，远快于他们愿意的速度。
当更富有的竞争对手（例如 Alphabet）不仅资金更充足，而且成本结构还更优时，这个问题会进一步恶化。原因是 Alphabet 在模型开发技术栈上更加垂直整合，而 OpenAI 与 Anthropic 并没有同等程度的垂直整合优势。
训练成本被“忽略”的毛利率定义，本身就很宽松
我也要特别指出：这里讨论毛利率的问题，我其实是在接受这些实验室相对“宽松”的毛利率定义——它忽略了训练成本。
而《The Information》同样提到，OpenAI “计划将今年的训练成本提高到 320 亿美元，明年提高到 650 亿美元，比此前预期高出约 440 亿美元。”
再强调一次：训练成本也并不完全由 OpenAI 或 Anthropic 自己控制。
如果竞争对手能投入 1000 亿美元用于训练，并且未来模型性能大体仍然遵循 scaling law（规模定律），那么 OpenAI 与 Anthropic 为了保持竞争力，就必须愿意在同一个量级上投入训练资金。
你应该能理解为什么我觉得 AI 实验室的“终局经济学”有点……模糊不清！
“为什么你认为 OpenAI 和 Anthropic 无法把规模化数学算通？”——关于一种常见反驳
过去几天里，我从读者那里听到的一个最奇怪的反驳是：为什么我会假设 OpenAI 和 Anthropic 无法在规模化情况下把经济账算通？
让我困惑的点在于：我从来没有说这是一种不可能的情景。
如果其中一家或两家能找到某种技术突破——这种突破需要很长时间才能做出来，或者对资金更充裕的竞争对手来说也非常难以复制——那么我完全能想象它们未来把经济问题“打穿”。
但关键是，我们必须承认：这些实验室的投资者，基本上已经“提前决定”这种情况一定会发生——这正是它们最近在巨大估值下完成融资的原因。
我指出的只是：有很多很有说服力的理由，让我们对“私人 AI 实验室会在未来解决经济学问题”保持怀疑。
同样地，如果你的论点是：三到五年后这场竞赛只会剩下少数几家公司，于是形成寡头垄断行业，最终会有很高的长期利润率——我在《给前沿 AI 猪抹口红》那篇文章里已经讨论过这个观点。
我并不是说“这不可能”，我只是想强调：我们对这种“理性”的长期利润结构可预测性非常有限。因此，私人 AI 实验室估值所隐含的未来情景，实际上比许多人愿意承认的更宽、更分散，存在更多可能性。
超大规模云厂商的长期经济学，可能比投资者想象得更脆弱
在多数关于 AI 实验室未来的情景里，有一个行业的长期经济学可能比投资者当前理解的更脆弱——那就是超大规模云厂商（hyperscalers）。
我们当然可以在脑海里构造无穷多种情景，但为了让你真正感受到潜在结果的跨度，我会在付费墙后的内容里列出三个更具体的情景，帮助你理解这里可能出现的不同结局范围。