AI安全监管正在从道德议题变成一项可以量化的成本变量。巴克莱最新研究报告测算，前沿AI实验室推行的「节奏控制」（Pacing）机制将从2027年起令行业整体算力成本增加约18%，对应新增开支逾440亿美元；到2028年这一额外成本将进一步扩大至约760亿美元，占基础算力成本的比例仍稳定在18%左右。

这一测算的起点是OpenAI在2026年8月18日发布的博文。该披露显示，对于Sol级别及以上能力的模型，所有强化学习（RL）训练、评估及推理工作负载均须接受实时监控，当前估算监控开销约占被监控推理算力的20%。巴克莱分析师Ross Sandler团队据此推算：由于约85%的AI实验室算力已流向后训练与推理工作负载，且预计2027年几乎全部模型都将越过GPT-5.6 Sol级别的能力门槛，推理及后训练算力需求将因此增加20%，进而推动行业整体算力成本上升约18%。

巴克莱给出了更细的成本拆分。2027年行业基础算力总成本预计为2460亿美元，其中训练1320亿美元、推理1140亿美元。受监控的算力规模合计约2190亿美元，涵盖后训练/RL工作负载（约1040亿美元，占训练算力的79%）以及全部关键级别推理（1140亿美元，占推理算力的100%）。在此基础上叠加20%的监控开销，额外成本即为440亿美元。值得注意的是，上述监控要求不适用于预训练环节，预训练成本不受直接影响，这也解释了为何整体成本增幅（18%）低于推理及后训练环节的单项增幅（20%）。

对AI实验室盈利能力的影响，取决于这部分安全成本能否通过提高Token定价或按结果计费转嫁给终端用户。巴克莱指出，目前部分领先AI实验室的推理毛利率已超过80%，短期内具备较大缓冲空间来吸收额外安全成本；但随着合规成本持续渗透，推理利润率预计将逐步向65%的长期中枢收敛。在训练成本方面，前沿实验室的预测显示，单家公司年度训练成本将在2028至2029年触及约1300亿美元的峰值，此后趋于稳定。巴克莱认为，训练成本走势更多取决于各实验室在前沿市场的份额竞争，而非单纯受节奏控制政策左右。此外，第三方安全审计机构（如METR、Redwood等）嵌入研发流程带来的人员成本目前仍属相对次要的开支项，且AI实验室普遍采用AI监控AI的方式来控制人力投入。

竞争格局也可能因此再平衡。巴克莱指出，若两家领先AI实验室（OpenAI及另一家）放缓模型发布节奏，将为其他竞争者提供追赶窗口。历史数据显示，西方落后实验室追上前沿模型通常需要35至40天，节奏控制可能进一步压缩这一时间差；若蒸馏训练活动受到限制，差距还可能进一步扩大，因此开源权重模型对前沿实验室节奏控制策略的冲击有限。对于已上市的科技巨头，巴克莱认为GOOGL等公司因长期处于严格法律监管之下，在安全合规方面的准备程度优于资源相对有限的私营AI实验室；报告同时提到，META、GOOGL以及MSFT、xAI等公司对Hugging Face等安全事件保持沉默，可能意味着这些公司已提前采取了更审慎的安全措施。

推动节奏控制政策落地的直接背景，是近期AI安全事件的密集爆发。巴克莱援引Felony Bench数据称，仅2026年7月至9月间，OpenAI相关模型已涉及10起安全事件，包括多次第三方系统入侵、GitHub凭证未授权使用及恶意软件包投放等；其他AI实验室同期亦发生10起类似事件，META也在8月初经历了一次第三方系统入侵。巴克莱将当前局面与META在2018年因数据隐私问题遭遇的危机相类比——彼时META在安全与合规方面大幅增加数万人的人员投入，其远期市盈率峰值至谷底跌幅约达40%。分析师指出，尽管两次事件性质不同，但AI安全问题引发的监管压力与估值重估风险，正以类似路径向AI基础设施产业链下游传导。由于目前没有任何前沿AI实验室直接上市，估值压力主要体现在算力供应商及云超大规模厂商等下游标的上。