AI 生成答案的那一刻，能赚钱吗？“AI 推理盈利能力”的真相

한국어 English 日本語 简体中文 繁體中文
By Gi Pyeong Lee
AI 商业 AI推理 技术经济
抽象表现数据中心及上方浮现收益图表的华丽图像
AI Summary

关于 AI 推理是一种高利润盈利模式的观点，与因高昂运营成本而导致亏损的分析，正处于激烈的博弈之中。

当我们对每天使用的聊天机器人说出“推荐今天的午餐菜单”时，AI 就会在它脑海中庞大的数据迷宫里穿梭，寻找最合适的答案。在技术上，我们将这一过程称为推理 (Inference，指 AI 模型在完成训练后，处理实际数据并导出结果的阶段)。

最近，业界围绕这一“推理”的盈利能力展开了激烈争论。有人高呼“AI 推理理所当然是一门赚钱的生意”，而另一方则反驳道“那是一个巨大的谎言”。究竟谁才是对的？今天，我们就来深入浅出地拆解一下深入我们生活的 AI 经济学。

为什么这场争论如此重要？

我们在日常生活中感受到的 AI 服务质量，最终是由推理过程决定的。正是这一“推理盈利能力”，成为了衡量我们提问并获得回答的服务是否可持续，抑或仅仅是泡沫的标准。

简单来说，无法盈利的服务最终只能面临消失或服务费暴涨的局面。相反，如果推理真的是一项高利润业务，那么 AI 产业就具备了比我们想象中更坚实的基础。把握 AI 推理的经济现状，是我们衡量未来如何与 AI 共存的重要尺度。

易懂的类比：“学校学习”与“实际工作”

为了更轻松地理解 AI 的运作原理，我们将其比作学生的“学习”与“就业”。

  • 训练 (Training)： 这是模型阅读海量数据并进行学习的过程。虽然耗费巨大的时间和成本，但一旦“毕业”，就具备了基础知识。
  • 推理 (Inference)： 这是毕业后的 AI 在现场处理实际业务的过程。也就是回答用户问题并解决问题的阶段。 Source 9

我们往往容易只考虑到开发 AI 的成本（训练），但真正的生意其实发生在这个模型每天回答用户问题的“推理”阶段。 Source 6

一些分析师认为这个过程非常高效。他们认为模型在处理输入并导出结果的过程中，可以实现极高的毛利率（70%~80%）。 Source 1 这就像聘请一名具备业务能力的员工来处理工作，其成本远低于让一名新员工从头到尾接受培训一样。

现状：玫瑰色展望 vs 亏损连连

然而，现实并非如此简单。AI 推理盈利能力之争主要分为两种立场，双方势均力敌。

  • 盈利赞成派： “AI 推理理所当然能赚钱。” 这一派认为，推理所需的计算成本正在不断优化，模型生成的结果具有很高的价值。特别是随着 无服务器 (Serverless) 等云环境的完善，减少不必要成本的技术也在迅速发展。
  • 盈利怀疑派： “这是一个巨大的谎言。” 他们以 OpenAI 等巨头模型企业仍处于万亿级运营亏损状态的事实作为依据。 Source 15 实际上，推理所需的计算资源成本（例如，以 OpenAI 为例，2025 年估计约为 40 亿美元）远比我们想象的要巨大。 Source 17

显而易见的是，训练和推理是截然不同的任务。 Source 12 如果说训练是为了未来的巨额投资，那么推理就是每天、每月都要支出的“运营费”。如何降低这一成本，已成为企业生存的游戏规则。

未来会怎样？

值得庆幸的是，技术的发展速度非常快。最近，业界不断传出大幅降低推理成本的案例。 Source 7 此外，随着 d-Matrix 等企业开发推理专用加速器，AI 推理效率优化技术正在加速推进。

试想一下，执行复杂计算的 AI 变得越来越聪明，同时也能以更少的电力和资源给出智慧的回答。未来，AI 服务将比现在更便宜、更快捷。现在的巨额亏损是会转化为未来的盈利能力，还是因找不到可持续的盈利模式而被淘汰，完全取决于“推理成本能有多低”这一技术效率。

MindTickleBytes 的 AI 记者视角

关于 AI 推理盈利能力的争论，看起来就像是 21 世纪初互联网企业初登舞台时的样子。当服务变得如此理所当然且便捷时，人们很容易忘记其背后掩盖的巨额成本，但市场总是会在不断寻找效率的过程中进化。今天大家提问的 AI 回答，究竟创造了多少价值？寻找这个答案的过程，正是我们所目睹的“AI 经济”的本质。

参考资料

  1. AI inference is obviously profitable
  2. “AIInferenceisProfitable” is a Gigantic Lie
  3. [Vue HN 2.0 AIinferenceisobviouslyprofitable](https://vue-hackernews-ssr-5cavbdjcta-ew.a.run.app/item/48780033)
  4. AI-NativeInferenceCloud Powered by NVIDIA — GMI Cloud
  5. d-Matrix Raises $275 Million to Power the Age ofAIInference
  6. My Honest & Sober Opinion onAI
  7. 20VC’s Harry Stebbings reports five founders claim they cutAI…
  8. AI101: A Guide to the Differences Between Training andInference
  9. [What isAIinferenceand how does it work? Gcore](https://gcore.com/learning/what-is-ai-inference/)
  10. AIinferenceiswhere data becomes insight. It’s not just about models…
  11. scaleway.com/en/blog/why-cpus-also-make-sense-for-ai-inference
  12. AI inference is obviously profitable - daily.dev
  13. The Rise Of The AI Inference Economy - Forbes
  14. AI’s Billion-Dollar Lie: Is inference really profitable?
  15. Is AI Inference a Money Pit or a Profit Machine?
  16. Can AI companies become profitable?
  17. ChatGPT-5 and the Shift to Inference: The Next AI Profit Cycle
测试你的理解
Q1. 什么是 AI 的“推理 (Inference)”？
  • AI 模型学习数据的过程
  • 已经训练好的模型接收新数据并进行预测或决定的阶段
  • 构建 AI 模型的新初始阶段
模型在完成训练 (Training) 后，实际上转入“执行 (doing)”模式，向用户提供回答的阶段被称为推理。
Q2. 目前业界对 AI 推理盈利能力的看法如何？
  • 所有企业都在确保盈利
  • 由于巨大的运营成本，盈利能力极低
  • 主张高利润的一方与指出巨额亏损的一方意见相左
虽然有观点主张 70% 到 80% 的高毛利率，但也有分析指出存在数十亿美元规模的运营亏损。
Q3. AI 业界为降低“推理”成本付出了哪些努力？
  • 全面中断推理，仅强化训练
  • 引入推理专用加速器并尝试降低运营成本
  • 所有推理业务均由人工亲自完成
随着 d-Matrix 等企业开发推理专用加速器，以及近期报道的各企业降低推理成本案例，成本效率化已成为核心课题。