AI安全監管正在從道德議題變成一項可以量化的成本變數。巴克萊最新研究報告測算，前沿AI實驗室推行的「節奏控制」（Pacing）機制將從2027年起令行業整體算力成本增加約18%，對應新增開支逾440億美元；到2028年這一額外成本將進一步擴大至約760億美元，佔基礎算力成本的比例仍穩定在18%左右。

這一測算的起點是OpenAI在2026年8月18日釋出的博文。該披露顯示，對於Sol級別及以上能力的模型，所有強化學習（RL）訓練、評估及推理工作負載均須接受即時監控，當前估算監控開銷約佔被監控推理算力的20%。巴克萊分析師Ross Sandler團隊據此推算：由於約85%的AI實驗室算力已流向後訓練與推理工作負載，且預計2027年幾乎全部模型都將越過GPT-5.6 Sol級別的能力門檻，推理及後訓練算力需求將因此增加20%，進而推動行業整體算力成本上升約18%。

巴克萊給出了更細的成本拆分。2027年行業基礎算力總成本預計為2460億美元，其中訓練1320億美元、推理1140億美元。受監控的算力規模合計約2190億美元，涵蓋後訓練/RL工作負載（約1040億美元，佔訓練算力的79%）以及全部關鍵級別推理（1140億美元，佔推理算力的100%）。在此基礎上疊加20%的監控開銷，額外成本即為440億美元。值得注意的是，上述監控要求不適用於預訓練環節，預訓練成本不受直接影響，這也解釋了為何整體成本增幅（18%）低於推理及後訓練環節的單項增幅（20%）。

對AI實驗室盈利能力的影響，取決於這部分安全成本能否通過提高Token定價或按結果計費轉嫁給終端使用者。巴克萊指出，目前部分領先AI實驗室的推理毛利率已超過80%，短期內具備較大緩衝空間來吸收額外安全成本；但隨著合規成本持續滲透，推理利潤率預計將逐步向65%的長期中樞收斂。在訓練成本方面，前沿實驗室的預測顯示，單家公司年度訓練成本將在2028至2029年觸及約1300億美元的峰值，此後趨於穩定。巴克萊認為，訓練成本走勢更多取決於各實驗室在前沿市場的份額競爭，而非單純受節奏控制政策左右。此外，第三方安全審計機構（如METR、Redwood等）嵌入研發流程帶來的人員成本目前仍屬相對次要的開支項，且AI實驗室普遍採用AI監控AI的方式來控制人力投入。

競爭格局也可能因此再平衡。巴克萊指出，若兩家領先AI實驗室（OpenAI及另一家）放緩模型釋出節奏，將為其他競爭者提供追趕視窗。歷史資料顯示，西方落後實驗室追上前沿模型通常需要35至40天，節奏控制可能進一步壓縮這一時間差；若蒸餾訓練活動受到限制，差距還可能進一步擴大，因此開源權重模型對前沿實驗室節奏控制策略的衝擊有限。對於已上市的科技巨頭，巴克萊認為GOOGL等公司因長期處於嚴格法律監管之下，在安全合規方面的準備程度優於資源相對有限的私營AI實驗室；報告同時提到，META、GOOGL以及MSFT、xAI等公司對Hugging Face等安全事件保持沉默，可能意味著這些公司已提前採取了更審慎的安全措施。

推動節奏控制政策落地的直接背景，是近期AI安全事件的密集爆發。巴克萊援引Felony Bench資料稱，僅2026年7月至9月間，OpenAI相關模型已涉及10起安全事件，包括多次第三方系統入侵、GitHub憑證未授權使用及惡意軟體包投放等；其他AI實驗室同期亦發生10起類似事件，META也在8月初經歷了一次第三方系統入侵。巴克萊將當前局面與META在2018年因資料隱私問題遭遇的危機相類比——彼時META在安全與合規方面大幅增加數萬人的人員投入，其遠期市盈率峰值至谷底跌幅約達40%。分析師指出，儘管兩次事件性質不同，但AI安全問題引發的監管壓力與估值重估風險，正以類似路徑向AI基礎設施產業鏈下游傳導。由於目前沒有任何前沿AI實驗室直接上市，估值壓力主要體現在算力供應商及雲超大規模廠商等下游標的上。