近期，OpenAI与Anthropic都启动IPO计划，市场对这两家AI大模型厂商的最新估值都接近万亿美元，反映了投资者对其未来盈利前景高度乐观。鉴于AI大模型的应用前景广阔，大模型厂商的收入成长潜力巨大，投资者的乐观态度完全可以理解。
然而，收入成长并不必然带来利润成长，甚至不能保证企业盈利。迄今为止，尚无一家厂商在大模型业务上实现独立的盈利。理论上讲，厂商能否获得可持续盈利，取决于其是否具备较高的竞争壁垒和稳定的定价权，而这取决于行业的市场结构和竞争格局。
研究发现，当前大模型API调用市场呈现垄断竞争格局，厂商数量众多，市场集中度很低。虽然市场需求呈指数级增长，但由于进入壁垒较低，大模型的供给端也在快速扩张，导致厂商未能随市场需求扩张而实现盈利，反而面对日趋激烈的竞争。在此格局下，一些厂商可凭借技术优势或场景适配实现产品差异化，从而获得短期超额利润；但由于技术壁垒有限、需求价格弹性较高、用户粘性不强，即便实现超额利润，也难以维持。
长此以往，那些长期亏损的厂商将被迫退出，推动大模型API市场从垄断竞争向寡头垄断演化。然而，在寡头垄断格局下，厂商的盈利能力仍不确定，而是取决于厂商之间是采用价格竞争还是数量竞争。如果不能协调竞争策略或建立有效的差异化壁垒，寡头厂商不一定能实现可持续盈利，前期的巨额研发投入也未必能收回。
总之，尽管大模型的技术价值与需求成长都毋庸置疑，单纯“卖token”的大模型厂商却并不一定能盈利。因此，投资者需冷静审视OpenAI等大模型厂商的估值，厂商则需细心选择自身的商业模式和细分市场。无论采用哪种商业模式，若厂商能在模型能力、行业适配、企业工作流或应用生态等方面形成差异化壁垒，就可降低用户价格敏感度，在细分市场中获得定价权，实现可持续盈利。鉴于“AI+”模式是在既有产品或服务中嵌入AI功能，以提升既有产品或服务对用户的价值，增强既有的差异化壁垒和客户粘性，因此有可能是具有可持续盈利能力的商业模式。
正文
近期，OpenAI与Anthropic都启动IPO计划，市场对这两家AI大模型厂商的最新估值都接近万亿美元，其市销比(P/ S ra ti o)分别达到34和21倍，反映了投资者对其未来盈利前景高度乐观。鉴于AI大模型的应用前景广阔，大模型厂商的收入成长潜力巨大，投资者的乐观态度完全可以理解。
然而，众所周知，收入高成长并不必然带来利润高成长，甚至不能保证企业盈利。迄今为止，尚无一家厂商在大模型业务上实现独立的盈利 (净利润) 。以OpenAI为例，其年化收入从2023年的20亿美元增长至2025年的200亿美元以上，三年内扩大10倍，但公司仍未盈利 1 。另有媒体报道称，OpenAI内部文件预计2026年仍将亏损140亿美元 2 。就Anthropic来说，虽然近期其收入呈指数型成长，预计今年二季度可实现运营利润5.6亿美元 3 ，但若将高昂的股权激励成本纳入考量，其净利润可能仍然为负；而且，考虑到大模型面临快速迭代的压力，其未来的模型训练及各类研发成本仍将居高不下，因此，其运营利润是否可持续也有待观察。这意味着，即便是最领先的模型厂商，收入的快速增长也不能保证其盈利。
按照微观经济学理论，厂商能否可持续盈利并不取决于其所参与市场的需求大小，而是取决于市场结构和竞争格局。在完全竞争市场中，无论市场需求有多大，在均衡状态下，厂商只能获得零利润 (这里指经济利润，而非会计利润) 或曰“正常利润”，无法获得超额利润。反过来，在垄断市场，哪怕市场需求有限，厂商依然可以获得超额利润。因此，要判断大模型厂商的长期盈利前景，首先需要分析大模型市场的市场结构和竞争格局。这一分析不但有助于投资者判断大模型厂商的资本市场估值是否合理，更有助于厂商判断和选择具有长期可持续盈利前景的商业模式和竞争策略。
大模型的主要商业模式与API调用市场简介
目前看，大模型的商业化主要通过四种模式：订阅制 (面向个人或企业，按席位收取月费或年费) 、API调用制 (面向开发者和企业，按Token用量计费) 、合同制 (面向政企客户，提供定制化调整及运维服务) 、以及“AI+”模式 (将大模型能力嵌入既有产品或业务中) 。这四种模式的定价方式不同，所服务的客户群体也存在差异 ( 图1) ，实际上开辟了四个 (甚至更多) 不同的细分市场。厂商选择不同的商业模式(有些选择多种模式)，也意味着他们选择了不同的细分市场。
图1：大模型的四种商业模式
在上述四种商业模式中，API调用制可以简称为“卖token”的商业模式。由于订阅制、合同制与“AI+”模式的公开数据有限，且往往涉及复杂的产品组合、定制化方案或生态战略，难以进行准确比较和定量分析，而API调用制的数据公开、价格透明、计量标准统一、市场份额可测，非常适合进行微观经济分析，因此，我们选定该模式来分析大模型API市场的需求特征、市场结构及竞争格局，进而判断大模型厂商的盈利能力。
在大模型应用早期，API市场仅有OpenAI、Anthropic等少数厂商，各厂商接口相互独立，用户需分别接入并按月或按token使用量付费，模型间的比较与转换成本较高。随着市场参与者不断增加，模型聚合网关 (AI gateway) 应运而生。
具体来说，模型聚合网关是位于用户与大模型厂商之间的中间服务平台。这类平台属于标准的双边网络平台 ( two -sided market platforms) ，其发起方和运营主体包括OpenRouter、Lite LLM Proxy和Cloudflare等机构。平台一边接入多个模型供应商，另一边则接入用户，为用户提供统一的模型API调用接口，并按token调用量收费。用户将请求发送至网关平台后，平台依据用户指定规则或预设策略将请求路由至目标模型；模型返回结果后，网关再统一转发给用户 (图2) 。换言之，用户仅需通过一个接口，即可调用多个模型，无需分别对接不同厂商，搜索成本、比较成本和转换成本都显著降低。
图2：模型聚合网关(AI Gateway)的分发流程
根据模型聚合网关的数据，过去一年，大模型API市场出现了调用量的爆发式增长。以OpenRouter为例，其平台周度API使用量在不到一年半的时间内增长超23倍 (图3) 。这一方面得益于聚合网关所提供的透明度和便利性，更受益于近来AI智能体的兴起。在智能体兴起之前，用户与AI大模型的一次交互通常对应单轮API调用；而智能体通过任务拆解、多步规划和外部工具调用，将单次用户意图转化为多轮模型API请求，从而显著放大了Token消耗量和API调用需求。
图3：OpenRouter平台上的大模型API使用量 ，数据来源：OpenRouter
大模型API市场呈现垄断竞争市场的特征
如前所述，市场需求成长并不必然带来利润成长，甚至不能保证企业一定会盈利；企业的盈利能力取决于相关产品的市场结构和竞争格局。
由于大模型研发成本高、前期投入大，技术门槛和人才门槛都很高，而且可能存在规模效应和飞轮效应，按理说，大模型市场应该具有很高的进入壁垒，很容易形成垄断 (monopoly) 或寡头垄断 (duopoly或oligopoly) 。在垄断或寡头垄断市场中，厂商具有很强或较强的定价权，因此可以享受垄断利润。
但模型聚合网关OpenRouter的数据显示，大模型API市场的参与主体众多，价格竞争激烈，先发厂商或领先模型并无可持续的技术优势或市场份额优势。显然，这个市场的进入壁垒并不如想象中那么高，厂商也没有很强的定价权。这些都不符合垄断或寡头垄断的市场特征，而更像垄断竞争 (monopolistic competition) 。
一般来说，垄断竞争市场通常具备以下特征：(1)市场中存在较多厂商；(2)厂商的市场份额相对分散，市场集中度较低；(3)市场需求的价格弹性较高，厂商定价权受到限制，但由于产品存在一定差异化，厂商在细分市场内拥有有限定价权；(4)市场存在一定的进入壁垒，但并非不可逾越。从OpenRouter的数据来看，大模型API市场基本符合上述特征：
(1) 厂商数量众多。据不完全统计，截至2026年5月底，全球有逾500家机构参与大模型研发，发布模型超过3700个。仅 OpenRouter一家平台就接入了70多家机构的400多种大模型。显然，该市场不符合垄断或寡头垄断的特征 (厂商数量较少) 。
(2)市场份额分散，集中度较低，而且头部模型的排名更迭频繁，领先模型的市场份额优势难以维持。OpenRouter数据显示，2025年3月至2026年5月期间，单一模型连续保持“冠军” (最高市场份额) 地位的最长时间仅为12周，“冠军”占有的最高市场份额 (历史峰值) 也仅为27%。反映市场集中度的赫芬达尔—赫希曼指数 (HHI) 一直呈下降趋势 (图4) 。按模型份额计算，OpenRouter上的HHI长期低于0.1，目前仅为0.03；即便按厂商份额计算，也仅为0.12。参照美国司法部和联邦贸易委员会的常用标准，上述HHI水平通常对应中低集中度的市场(图5)。据此判断，大模型API市场应该介于完全竞争与垄断竞争之间。
图4：OpenRouter平台上的大模型市场集中度指数，数据来源：OpenRouter
图5：市场竞争结构与HHI参考阈值，数据来源：美国司法部/联邦贸易委员会《2023年并购指南》
(3)需求价格弹性较大，但不是无限大；模型之间存在差异化，但厂商的定价能力有限。在OpenRouter上，免费模型 (具有用量上 限 ) 和低价模型获得了明显更高的使用量，说明用户具有较高的价格敏感性。但部分高价格模型仍然获取了相当大的调用量，令模型使用量与价格之间的关系呈现U字型 (图6) 。由于不同模型在综合能力、调用成本和适用场景上存在差异，模型之间并非完全同质。数据显示，高价格模型往往对应更强的技术性能 (图7) ，从而印证了大模型之间的价格差异来自“质量差异”，大模型市场并非同质化竞争，而是存在差异化定位。据此判断，大模型API市场不是完全竞争市场，而是垄断竞争市场。
图6：OpenRouter平台上的模型使用量分布 ，数据来源：OpenRouter
图7：OpenRouter上的模型定价及模型能力的关系，数据来源：OpenRouter, Artificial Analysis。注：能力分数= Average (Intelligence Index,Coding Index,Agentic Index)；价格=输入单价+输出单价；气泡大小为模型使用量(单位：十亿Token，5月1日-5月31日)
以上数据也说明，API市场的需求并不完全由价格决定，用户会在价格、能力和任务适配度之间权衡，选择“性价比”最高的模型；相当多用户愿意为更高性能或更好适配度支付溢价。不过，OpenRouter等聚合网关的出现，在提高API市场透明度的同时，也增强了用户对模型“性价比”的敏感度。一旦平台上出现“性价比”更高的模型，用户流量便可能迅速转移。对模型厂商而言，这意味着用户粘性下降，模型竞争更加直接和激烈，厂商对模型的定价能力也随之削弱。
(4)市场存在进入壁垒，但并非不可逾越。如前所述，由于大模型研发成本高、前期投入大，资金门槛、技术门槛和人才门槛都很高，而且可能存在规模效应和飞轮效应，按理说，大模型市场应该具有很高的进入壁垒。但现实中，在短短三年多时间里，就出现了数百个大模型研发机构，发布了数千个模型，这说明，大模型市场虽然存在一定的进入壁垒，但并非不可逾越。此外，从技术壁垒看，虽然头部模型的技术水平快速提升，但尚无厂商能够维持压倒性的长期领先。根据Epoch AI能力指数，自2025年下半年以来，领先模型的技术优势窗口通常不超过4个月，难以构成持久的技术壁垒和先发优势 (图8) 。
图8：Epoch AI能力指数，数据来源：Epoch AI
大模型市场的进入壁垒之所以低于预期，主要是由于以下原因：(1)基于对大模型未来高回报的预期，投资者争相通过PE、VC、CVC(大企业内部的VC)、以及IPO等多种方式为大模型研发机构融资，大幅度降低了资金门槛。(2)开源模型的存在与“蒸馏”行为降低了后发者的学习成本，使其能以更低代价吸收并复制已被验证的技术成果，压缩了领先者与追赶者之间的技术差距，大幅度降低了技术门槛。(3)高度开放与流动的劳动力市场令高端AI人才可以相对自由地在厂商间转换工作，既降低了厂商面临的人才门槛，也加速了大模型尖端技术在厂商间的扩散。
总之，基于以上分析以及OpenRouter、Epoch AI等机构的数据，当前的大模型API市场具备垄断竞争市场的基本特征。
大模型API市场的盈利前景
一般来说，在垄断竞争市场，厂商在短期内可依靠产品差异化获得有限定价权，从而获得超额利润 (图9中图) 。但超额利润会吸引新厂商进入，分散原有厂商的市场需求，使其面临的需求曲线逐步下移，令超额利润空间逐步收窄，直至趋于零，市场达到长期均衡 (图9右图) 。换句话说，在垄断竞争市场，虽然厂商在短期内可能获得超额利润，但在长期均衡状态下，其超额利润终会消失。
图9：垄断竞争格局下API市场可能的发展路径
鉴于当前大模型API市场符合垄断竞争市场的特征，上述机制对其也适用。但由于大模型的前期投入成本大，尽管市场需求成长迅速，到目前为止，绝大部分厂商的需求曲线 (D) 都未能超越平均成本曲线 (ATC) ，因此都处于亏损中 (图9左图) 。
当然，鉴于对大模型的需求量呈现指数型成长 (需求曲线将上移) ，且大模型的训练成本也在快速下降 (平均成本曲线将下移) ，在未来的某个时点，需求曲线 (D) 有可能超过平均成本曲线 (ATC) ，从而实现盈利 (指超额利润，图9中图) 。近期Anthropic的表现正是对这一动态过程的验证。
不过，如前所述，在垄断竞争市场下，超额利润会吸引更多厂商进入该细分市场 (或表现为其他厂商尽全力缩小与领先厂商的技术差距和产品质量差异) ，从而分散原有厂商或领先厂商的市场需求，导致单个厂商面临的需求曲线下移，导致超额利润逐渐消失 (图9右图) 。
显然，在垄断竞争格局下，模型厂商要实现可持续的经济利润或超额利润，并非易事。由于大模型训练成本高，模型迭代速度快，价格竞争又异常激烈，许多厂商不得不在上一代模型尚未回收成本时就不得不推出新一代模型，导致长期处于亏损状态。长此以往，那些资金实力不足、商业化能力较弱的参与者可能会被迫退出，市场份额很可能逐渐向少数兼具资本、技术、品牌和生态优势的头部厂商集中，推动市场结构从垄断竞争向寡头垄断演化。
然而，即便走向寡头垄断，大模型厂商能否获得可持续的利润，仍取决于寡头厂商之间采取何种竞争策略。根据厂商理论，典型的寡头竞争形式包括价格竞争 (伯特兰竞争，Bertrand Competition) 与数量竞争 (如古诺竞争，Cournot Competition；或斯塔克尔伯格竞争，Stackelberg Competition) 。在伯特兰竞争模式下，由于采取价格竞争，市场均衡价格将趋近边际成本，厂商无法取得超额利润。在古诺竞争或斯塔克尔伯格竞争模式下，市场均衡价格可以高于厂商的边际成本，从而形成正的单位利润。不过，鉴于大模型研发具有极高的固定成本(如研发、训练、算力基础设施等)，若单位利润不足以覆盖前期投入，即便寡头厂商采用数量竞争，也很难说最终能否实现整体盈利。
现实中，在不少寡头垄断行业中 (如电信、航空、汽车、石油、外卖平台等) ，寡头厂商不一定能享受高额利润，而只是获得一般利润或较低利润 (甚至经常处于亏损状态) ，正是对上述理论的印证。
结论
综上所述，当前大模型API调用市场呈现垄断竞争格局，厂商数量众多，市场集中度很低，几乎所有大模型厂商都处于亏损状态。虽然API市场需求呈现指数级增长，但由于进入壁垒较低，大模型的供给端也在快速扩张，导致大模型厂商未能随市场需求扩张而实现盈利，反而面对日趋激烈的竞争。
理论上讲，一些厂商可凭借技术优势或场景适配实现产品的差异化，在相关细分市场形成一定程度的定价权，从而获得短期超额利润。但由于技术壁垒有限、需求价格弹性较高、用户粘性不强，即便这些厂商实现超额利润，也难以维持。长此以往，那些长期亏损的厂商将被迫退出，市场份额很可能逐渐向少数头部厂商集中，推动市场结构从垄断竞争向寡头垄断演化。
然而，在寡头垄断格局下，厂商的盈利能力仍不确定，而是取决于厂商之间是采用价格竞争还是数量竞争。如果不能与竞争对手协调竞争策略或建立有效的差异化壁垒，寡头厂商不一定能实现可持续盈利，前期的巨额研发投入也未必能全部收回。
总之，尽管大模型的技术价值与需求成长都毋庸置疑，但单纯“卖token”的大模型厂商并不一定能实现长期盈利。因此，投资者需冷静审视OpenAI等大模型厂商的估值，大模型厂商也需要细心选择自身的商业模式和细分市场。
对投资者而言，有三点需要关注。
第一，由于对大模型的市场需求还有很大的成长空间，投资者对大模型厂商的盈利能力及估值合理性的判断很难在短期内证实或证伪。因此，即便大模型厂商的市场估值存在不合理的情况，估值的修正很可能是一个漫长的过程，不排除市场的非理性定价维持相当长时间。
第二，本文讨论的仅仅是API调用制(“卖 token ”)这一种商业模式，其结论并不适用于其他三种商业模式 (订阅制、合同制或“AI+”模式) 。因此，对于采用多种商业模式的大模型厂商，不能单独使用本文的结论来确定其估值的合理性，而是需要同时考虑其他商业模式的长期价值。
第三，即便对于主要使用API调用制模式的大模型厂商，也不排除它们在未来调整商业战略，采纳多种商业模式、提供新的产品或服务、开辟新的应用场景、或进行商业模式创新等，从而获得新的发展机遇。因此，对其估值需采用动态视角，持续跟踪、持续更新。
对大模型厂商而言，需要关注的是，大模型应用的四种商业模式各自对应不同的细分市场，其盈利逻辑各有不同。例如，“AI+”模式是在既有产品或服务中嵌入更多AI功能，这有助于提升既有产品或服务对用户的价值，增强既有的差异化壁垒和客户粘性，帮助厂商实现更广泛、更可持续的盈利。合同制则往往与用户的私有数据、工作流程和业务系统深度结合，用户面临的迁移成本可能更大，粘性可能更高，价格透明度 (可比性) 也更低，大模型厂商的定价权更大，因此也更有可能产生并维持超额利润。相比“AI+”模式和合同制，订阅制在市场结构、用户特征、用户粘性、价格透明度、需求的价格弹性等方面更接近 (但不同于) API调用制。因此，本文的研究结论对于采用订阅制商业模式的大模型厂商也有一定借鉴意义。当然，对这三类商业模式还需要更深入细致的研究。但无论采用哪种商业模式，若厂商能够在模型能力、行业适配、企业工作流、应用生态等方面形成差异化壁垒，就可以降低用户价格敏感度，增强客户粘性，并在细分市场中获得更稳定的定价权，最终实现可持续盈利。
最后，值得关注的是，相较于在聚合平台上面临激烈竞争、难以获得可持续盈利的大模型厂商，大模型API聚合平台 (如OpenRouter) 却有可能借助“网络效应”形成可持续的商业壁垒。作为API调用请求的分发入口，聚合平台一端连接模型厂商，另一端连接开发者与企业用户，具有典型的双边市场特征，并可能形成“双边网络效应”：接入模型越多，用户选择越丰富，平台吸引力越强；平台用户规模越大，调用需求越集中，模型厂商接入意愿越强。如果平台能够设法通过各种技术手段、量身定做式服务等，在“双边网络效应”之外，进一步增强客户粘性，也许能有效防范同类平台的价格竞争，维护先发优势，形成“赢者通吃”的结局。对此可做更深入的研究。
参考资料：
[1]路透社：《OpenAI CFO says annualized revenue crosses $20 billion in 2025》，2026年1月19日
[2]The Information ：《OpenAI Projections Imply Losses Tripling to $14 Billion in 2026》，2024年10月9日
[3]路透社：《Anthropic nears first quarterly profit》，2026年5月21日
孙明春 腾讯集团高级经济顾问
程琬清 腾讯集团商业分析经理
本文来自微信公众号 “腾讯研究院”(ID:cyberlawrc)，作者：孙明春、程琬清
