巴克莱最新报告显示，AI前沿实验室的推理利润率正经历爆发式增长，从2025年的10%—20%跃升至2026年的50%—65%以上。其中，Anthropic的推理利润率达到65%，OpenAI约为48%。即便扣除训练成本，Anthropic仍有55%，OpenAI则为38%。这一数据表明，AI实验室自身的单位经济模型正在快速改善，但利润并未全部留在自己手中。

报告测算，Anthropic和OpenAI每产生100美元收入，大约有35—40美元会流向AWS、Azure和GCP，用于训练、推理等算力支出。这意味着，AI实验室收入增长越快，云厂商往往越先受益。不过，这一格局预计不会持续。随着OpenAI、Anthropic等自建和定制AI基础设施逐渐上线，巴克莱预计从2028年开始，传统云厂商可能逐步失去部分AI实验室的训练和推理份额。

报告还指出，单纯比较OpenAI和Anthropic的ARR意义不大，因为收入确认方式存在“总额法”和“净额法”的差异。例如，用户通过Azure调用模型花费100美元，按总额法，AI实验室将全部100美元记为收入，再支付云厂商成本；按净额法，则只记录最终属于自己的部分。因此，同样一笔生意，两种记账方式会导致营收规模差异巨大。报告强调，未来比较前沿实验室，应更多关注业务结构和单位经济，尤其是推理利润何时能覆盖训练下一代模型的成本。

推理利润率提升的原因主要有两点：一是模型效率提高，完成任务所需Token减少；二是企业客户和Agent成为AI消费的重要组成部分，他们使用API或企业账户，价格更高、付费能力更强。报告进一步分析，云厂商不仅赚取算力费用，还通过Agent产品调用数据库、存储、网络等云软件服务获利，甚至与AI实验室签订收入分成协议，实现“三笔钱”收入。

报告认为，2028年将是关键拐点。随着AI实验室推理利润有望覆盖训练成本，以及自建基础设施（如Stargate式项目）上线，AI实验室对传统云厂商的依赖将下降。规模越大，绕开中间商的动力越强，AI实验室正试图夺回被云厂商拿走的利润。未来值得观察的两个拐点：一是推理利润何时超过训练成本，二是算力迁移何时大规模发生。这标志着AI竞争已从模型能力转向利润分配权的争夺。