案例背景
2026年11月,百度公布第三季度财报,其中智能云业务的表现尤为亮眼:AI基础设施收入同比增长94%,GPU云收入更是大幅增长191%。更值得关注的是,百度自研芯片昆仑芯M100预计年底前具备量产条件。这意味着百度AI业务的收入结构,正在从以模型调用为主的轻资产模式,向「基础设施+自研芯片」的重纵深模式演进。
在大模型行业普遍探索商业化路径的背景下,这份成绩单提供了一个重要样本:AI的收入不一定只能靠卖模型调用,卖算力基础设施、卖自研芯片同样能形成高速增长。收入结构的这一转变,对整个行业的商业化方向选择具有参考意义。它提示从业者:判断一家AI公司的商业价值,除了看模型能力,还要看它把收入锚定在产业链的哪一层,以及那一层的客户支出是否刚性、是否可持续。
核心分析
一、收入结构转型:从模型调用费到基础设施租售
大模型商业化早期,主流收入模式是按调用量计费的API收入,其特点是轻资产、起量快,但天花板受制于单次调用价格持续下降与同质化竞争。百度智能云基础设施收入同比增长94%、GPU云收入增长191%的数据说明,算力基础设施正在成为更强劲的收入引擎。训练与推理算力的需求随着大模型普及持续膨胀,而且客户一旦把业务部署在某朵云上,迁移成本高、续费稳定性强,收入质量优于单纯的价格敏感型API调用。这种从「卖水」到「卖水管」的转型,本质是把AI商业化锚定在更底层、更刚需的支出科目上,从而获得更长的收入生命周期。同时,基础设施收入具有较强的复利属性:存量客户的基础设施扩容需求会随其AI业务增长而自然增长,这与需要不断拉新的模型调用收入形成互补。
二、垂直整合战略:芯片、云、应用的三层协同
昆仑芯M100预计年底前具备量产条件,是百度垂直整合战略的关键落子。自研芯片进入量产,意味着百度可以打通「芯片—云—应用」的完整链条:自研芯片降低单位算力成本,成本优势转化为云服务的价格竞争力,价格竞争力又吸引更多应用部署,应用规模反过来摊薄芯片研发投入。这种三层协同的垂直整合模式,与全球科技巨头「自研芯片+自建云」的路径一致。它的护城河深,但挑战同样明显:芯片研发周期长、资本开支大,一旦技术路线判断失误,沉没成本极高。因此垂直整合并非适合所有企业,它要求公司同时具备芯片设计、云平台运营与应用生态三种能力,且现金流足以支撑多年的投入期。
三、AI基础设施的盈利模式:重资产如何算得过账
基础设施是典型的重资产生意:前期需要巨额资本开支建设数据中心与算力集群,回报周期长。百度选择加码这一模式,其商业逻辑在于三点:一是AI算力需求处于高速增长期,收入增速(94%、191%)足以支撑重资产扩张的财务压力;二是自研芯片可以压缩硬件采购成本,改善毛利率结构;三是基础设施收入与模型服务收入可以打包销售,形成软硬一体的解决方案,提高客单价与客户黏性。重资产模式能否持续跑通,最终取决于算力需求增长的持续性,以及自研芯片对成本曲线的实际改善幅度。对整个行业而言,这一案例的价值在于展示了AI商业模式谱系的另一端:当应用层竞争白热化时,向产业链纵深要利润,可能比在应用层内卷更有战略纵深。
管理启示
其一,商业化的最优解不止一条。当行业都在挤API调用的独木桥时,向产业链上游与底层基础设施纵深布局,可能是增长更快、护城河更深的第二曲线。企业应定期审视自身收入结构,判断当前模式的天花板与替代路径。
其二,垂直整合的时机与节奏比方向更重要。自研芯片、自建云都是高投入长周期决策,企业需要在需求确定性足够高时才启动,避免在技术路线未收敛前过度押注单一方案。
其三,增长数据要穿透到收入质量。94%与191%的增速固然亮眼,但管理者更应关注其中的续约率、毛利率与现金流结构,判断增长是可持续的经营性增长,还是一次性采购带来的脉冲式增长。此外,还应拆分收入来源:基础设施收入的增长有多少来自训练算力、有多少来自推理算力,两者的需求韧性与竞争格局差异很大,直接决定未来几年的收入稳定性。
其他思考
- 当越来越多云厂商走向芯片自研,第三方芯片供应商与中立云服务商的市场空间会被压缩到什么程度?
- 昆仑芯M100年底前量产的目标若如期达成,自研芯片对AI云服务毛利率的改善需要多长时间才能在财报中显现?
- 如果未来算力供给过剩、GPU云价格战开启,重资产的基础设施模式还能维持当前的增速与利润率吗?
关键词:AI基础设施、垂直整合、收入结构
来源:每日经济新闻 | 整理:经管大课堂
原文链接:https://www.rcbom.com/aibps/7387.html