如果你在中文互联网观察大模型相关话题，你会看到非常割裂的场景——
中文互联网主流舆论是在2024年 OpenAI Anthropic 10亿美元营收时候就开始说“大模型没有护城河”、“切换没有成本”、“开源模型冲击、竞争激烈导致营收下降、毛利为0”。
然而，现实世界显然并没有如此运转。OpenAI 在2026年9月 ARR 达到了700亿美元，Anthropic 在2026年7月达到了650亿美元。两家营收已经合计超过了1300亿美元ARR。OpenAI的付费用户毛利达到了70%，Anthropic的毛利为80%。
无论是营收还是毛利，都完全对不上。这些舆论看客就从来没有反思过为什么自己的世界模型错了。笔者在这里不妨讲解一下大模型领域的经济学，以正视听。
大模型经济学建立在这样的三条准则之上——
- 大模型本身是有护城河的，玩家个数并非无限，准入门槛非常之高。
- 大模型有高度异质性，并非同质商品，不能轻易切换，会进一步提高毛利。
- 大模型已经有极强的品牌效应，用户筛选成本也是成本。
这些人错就错在把大模型市场当成了一个同质商品、无数玩家随意进入的完全竞争市场。同质商品、产能没有约束，只要2个玩家毛利就会为0，这就是著名的伯兰特悖论。
大模型准入门槛极高
现实世界并非童话故事。大模型行业有极高的准入门槛，需要有资金投入、算力infra建设、数据清洗、人才团队。
现在的单体模型训练费用已经到了10亿美元以上。大模型第一梯队事实上只有GPT Claude两家。采用古诺寡头模型，各家毛利应当大于0。甚至连马斯克这样的首富和超强执行力，最终都沦为给Anthropic出租算力的云服务商，变相承认Grok退出前沿模型竞赛。
网络舆论炒作喜好600万美元成本开源模型干翻前沿模型，很可惜这不是事实，只是拿一个Luna级别的入门模型碰瓷旗舰模型。
同时需要注意的是，大模型行业目前产能约束严重。GPU供应处在紧俏状态，也不符合无产能约束的理想条件。
大模型高度异质化
同质商品的假设更是完全不成立。LLM从诞生之初，处理的就是被字符串匹配的复杂任务，是简单套模板无法胜任的。
大模型异质性极高，输出的每一个字都不太一样，甚至语气、排版格式都会直接影响到用户体验。比如说GPT 5.2和5.4时期，尽管OpenAI模型的Agent能力不断增强，但不说人话直接导致OpenAI增长放缓；而同期Opus 4.5则言简意赅，攻城略地。也是在这一时期，Anthropic的营收实现了对OpenAI的反超。
到了Agent时代，更是要面对复杂的情况做出判断。这是放大了模型的差异，而不是缩小了差异。
品牌效应与筛选成本
不少人吹捧特化小模型取代大模型，是活在真空球中，不把用户的筛选和时间成本纳入考量。
折腾微调小模型这件事情本身就是有门槛的，包含了大量的技术先验。ChatGPT爆火本身就是对特化小模型的否定。
ChatGPT当时的模型是GPT 3.5 Turbo，你可以找100个情感分析、文本分类、实体提取、专家系统的NLP传统模型，每个在benchmark都吊打GPT 3.5 Turbo。那要按照特化小模型无敌论，GPT 3.5 Turbo没有任何存在价值。但事实是那些NLP小模型只在实验室里发烂发臭，而GPT 3.5 Turbo直接服务上亿用户，一直到今天ChatGPT服务的10亿用户。
使用ChatGPT，用户不需要复杂配置，直接上手就可以使用。节约的2天时间，比API定价要值钱得多。纷繁复杂的开源模型是增加了用户的认知成本和上手成本，相比于其削减的成本来说。
随着Agent范式的到来，用户直接开放了自己文件夹的权限，甚至是dangerourly skip permission全盘接管，品牌效应是增强而非削弱了。用户会更倾向于在已有的Claude和Codex客户端使用，而不是今天蹦出来一个“开源模型”，明天就换上。
事实上，从2023年开始，中文互联网主流舆论所鼓吹的私有部署、微调、落地这些产品也都早已入土。在Claude Code、Codex等新一代的Agent出来以后，用户的粘性进一步增强。
如果我们有了基本的理解，就不会对OpenAI Anthropic上万亿美元的估值感到奇怪了。中文互联网错误信息大行其道，却很少有人以正视听，系统阐述正确的商业逻辑。
发表评论