哪家AI公司最终能够生存下来？这听起来像一道只有一个正确答案的选择题。但2026年的商业数据揭示了另一幅图景。不同企业从AI获得收入的方式各不相同，承担的成本也不相同。模型公司每提供一次回答都要支付推理算力费用，云厂商出售计算资源和工具，而芯片企业为整个行业提供基础设施。
因此，与其问谁的营收最大，不如问三个更关键的问题：收入来自哪里、扣除成本后能留下多少，以及客户是否愿意持续付费。
营收规模有多大，哪些数字可以比较？
大型上市科技公司会定期披露财报，但大多数没有把AI业务作为独立收入项目。因此，下表比较的是集团总体规模，而不是各家AI产品的销售排名。
| 公司 | 年度总营收（十亿美元） | 如何理解 |
|---|---|---|
| Amazon | 716.9 (2025年) | 包含零售等业务；AWS营收为128.7十亿美元 |
| Alphabet | 402.8 (2025年) | 涵盖广告、搜索、云服务等，并非Gemini营收 |
| Microsoft | 331.8 (2026财年) | Microsoft Cloud营收214.4十亿美元，包含非AI服务 |
| NVIDIA | 215.9 (2026财年) | 数据中心业务营收193.7十亿美元 |
| Meta | 201.0 (2025年) | 主要来自广告，而非直接销售AI模型 |
Microsoft的2026财年截至当年6月，NVIDIA的2026财年截至当年1月，而Amazon、Alphabet和Meta使用2025自然年。统计区间并不完全相同。这些数字适合衡量财务基础与业务多元化程度，却不能直接证明哪家的AI模型卖得更好。
Amazon的庞大营收包含零售业务。NVIDIA的总营收虽然较低，但数据中心收入与AI算力投资更加直接相关。Meta则可以利用AI提高广告业务的表现，即使付费AI助手尚未成为主要收入来源。
OpenAI和Anthropic增长迅猛，但必须分清数字类型
直接开发AI模型的公司与科技巨头处于不同的收入量级。OpenAI和Anthropic没有像上市公司那样公开完整、定期申报的财务报表，因此每项数据都必须说明来源及口径。
据媒体查看的财务文件，OpenAI的2025年营收约为130.7亿美元，Reuters查阅的招股文件则显示Anthropic同期营收接近46亿美元。这两项是媒体报道的2025年实际营收，并非已公开申报的2026全年数据。
2026年的销售速度明显加快。Reuters于9月29日报道，OpenAI的年化收入运行率接近700亿美元。Bloomberg报道称，Anthropic在7月底的对应指标超过650亿美元。
| AI公司 | 媒体报道的2025年营收（十亿美元） | 2026年报道的年化运行率（十亿美元） |
|---|---|---|
| OpenAI | 13.07 | 接近70，2026年9月 |
| Anthropic | 接近4.6 | 超过65，2026年7月 |
年化运行率不等于全年已实现营收。把某个月的收入乘以12，只能描述当时的销售速度，不能证明全年已经取得这笔收入。两家公司的统计月份也不同。因此，不能把700亿或650亿美元与2025年的实际营收视为同一种指标。
这些报道说明AI需求正在迅速扩大，但单凭销售速度，还无法判断企业是否能够持续盈利。
收入增加，不代表利润同步增加
研发前沿模型需要研究人员、资金和大量计算设备。产品上线以后，每一次回答仍会产生推理成本。即使硬件进步降低单次任务的成本，使用量激增仍可能推高总开支。
除了营收，还要观察毛利率，即扣除直接提供产品或服务的成本后所剩的比例，以及投资之后的现金。某家公司可能用户众多，却收不到足以覆盖算力支出的订阅费；另一家公司用户较少，但企业客户将AI嵌入日常工作，形成持续付款。
Anthropic提供了鲜明例子。Reuters根据其取得的文件报道，该公司2025年营收接近46亿美元，同时经营亏损超过80亿美元。这不能证明它注定失败，却表明收入快速增长与建立自我造血能力是两道不同的考题。
Microsoft披露，2026财年Microsoft Cloud的毛利率降至66%，AI基础设施投资和AI产品使用增加是压力来源之一。云业务增长并不会自动抵消AI成本。
不同类型的玩家，各有优势与风险
芯片和算力供应商如NVIDIA，在企业加建数据中心时受益。但目前旺盛的硬件需求，不代表投资能永远以同样速度增长。设备销售收入也不能等同于AI应用层的盈利。
云计算与大型平台公司如Amazon、Microsoft和Alphabet，拥有原有业务收入、企业客户和销售渠道，可以把AI与现有云服务及办公软件结合。代价是高额资本开支，以及未来的折旧与现金负担。
AI模型实验室如OpenAI和Anthropic，可通过工作助手、编程产品及API（供其他软件调用模型的接口）直接收费。不过，随着竞争模型变得更便宜，它们必须保持产品差异并控制推理费用。
Meta走的是另一条路。AI可以改善广告效果和用户参与度，而不必向每次使用AI的用户单独收费。因此，判断回报应看其对核心广告业务的贡献，而不能只问模型本身卖了多少钱。
什么样的AI企业更有韧性？
决定企业能否坚持下去的并非名字，而是可检验的经营能力。要留住真正付费的客户，让收入增长不依赖于超过效率提升幅度的降价，还需要稳定的销售渠道和可持续的融资能力。
大型企业可以依靠既有业务分担风险，但体量不保证AI投资有效。专注特定任务的小公司也可能创造很高价值。芯片、云、模型和应用这几个层面，可能同时容纳成功的企业。
关键洞察。AI竞争未必只有一个赢家。客户可以使用一家公司的芯片、另一家的云和多家实验室的模型。真正重要的，是每一层能够留下多少经济价值，而不仅是用户总数。
下一步要观察什么？
未来财报应重点查看企业是否单独披露AI收入、单次推理成本下降得多快、企业客户的续约情况，以及数据中心投资能否转化为现金流。对于私人公司，实际全年收入和可核验的成本资料比单一年化指标更有意义。
目前没有足够证据宣布谁会最终胜出。更实际的结论是，能生存的不一定是模型最强或销售额最大的企业，而是能够不断创造客户愿意付费的价值，并把成本控制在合理范围内的企业。单看一行营收数字，无法回答这个问题。
