看完《AI全球商业版图》里 34 家 AI 公司的案例后最大的感受：模型是入场券，真正决定一家公司能不能把技术变成生意的，是它站在产业链的什么位置、解决了什么问题。卖算力、卖模型、卖平台、卖消费品，赚钱难度完全不同。

看完《AI全球商业版图》这本书，学到了不少，过去我一直以为，AI竞争就是模型竞赛，比如谁参数更大、谁榜单更高、谁更接近AGI（通用人工智能），谁就更有机会赢。

但这本书把海外19家、国内15家，一共34家AI公司放在一起分析之后，我有了不一样的感觉：模型能力很重要，但模型能力并不直接等于商业能力。

模型是入场券，但真正决定一家AI公司能不能把技术变成生意的，是它站在产业链的什么位置、解决了什么问题，以及有没有一套能够持续赚钱的商业模式。

一、模型越强，不代表利润越高

最让我有感触的案例之一，就是OpenAI。

咱们都知道OpenAI的模型强，ChatGPT几乎定义了这一轮生成式AI浪潮。

但问题也来了，模型能力这么强，为什么还需要持续投入巨额资金？因为训练和运行大模型，本身就是一门极其昂贵的生意。（关于成本投入的部分，我们下篇文章讲讲）

OpenAI目前的商业化主要来自ChatGPT订阅、企业产品以及API等业务，同时还需要持续投入大量算力和基础设施。

这里还有一个很容易被混淆的地方：

Microsoft Copilot是微软自己的产品，并不等于OpenAI的企业版产品。微软拥有使用OpenAI模型和相关IP的权利，但两家公司之间的商业合作关系也一直在变化，不能简单理解成“Copilot卖得越多，OpenAI就直接拿订阅收入”。

所以我们不应该仅仅关注OpenAI有没有赚钱，而是需要看到，模型带来的收入增长，能不能覆盖模型背后的巨大成本？

咱们打个比方，这就像开了一家米其林餐厅。

厨师水平再高，如果食材、房租、人工和设备成本同样高得惊人，最终赚多少钱，仍然取决于整个商业模型。

因此，技术领先，不等于利润领先。

二、真正容易赚钱的，有时候是“卖铲子”的人

这也是我看完这本书之后，对AI产业链理解发生变化的地方。

以前我们讨论AI，注意力几乎都集中在模型公司：OpenAI、Anthropic、Google、Meta……

但把产业链拉长以后，我们会发现，这些公司都需要算力；训练需要GPU；推理需要GPU；扩大用户规模，还是需要更多GPU。

于是，AI产业里出现了一个非常典型的“卖铲子”生意，就是我们非常熟悉的英伟达。

英伟达真正厉害的地方，也不只是GPU硬件本身，而是GPU、CUDA、开发工具和软件生态形成的一整套体系。

开发者围绕CUDA开发，企业围绕它构建基础设施，整个生态形成了较高的迁移成本。

于是出现了一个很有意思的商业现象：模型公司在争夺AI应用的未来，基础设施公司却在承接整个行业对计算能力的需求。

就好比，大家都在淘金的时候，有人卖铲子。

当然，“卖铲子”只是一个比喻，真正值得我们学习的，是它背后的商业逻辑：不要只看谁最性感，还要看谁是整个产业链里绕不开的角色。

三、模型不是最强，也可能把生意做起来

这是整本书给我最重要的启发之一。

如果AI行业只有“模型能力”这一条竞争维度，那么最后应该只有最强模型公司能够活下来。

但现实并不是这样，有些公司拥有顶尖模型，却还在寻找合适的商业化路径。

与此同时，也有一些公司的模型能力并不需要做到行业第一，却能够靠一个非常明确的场景获得收入，比如Midjourney。

它并没有把自己包装成一个“通用AI平台”，而是围绕AI图像生成建立了完整的产品体验和用户品牌，并采用订阅模式进行商业化。

在商业世界中，用户真正购买的，也不只是一个模型，而是一个能持续解决问题、使用体验足够好、愿意长期付费的产品。

所以我们看，在垂直行业里，最重要的往往不是“我的模型参数比你多多少”，而是到底有多懂这个行业，行业Know-how、业务流程、客户关系、数据积累、交付能力，这些东西都可能成为壁垒。

四、AI公司到底靠什么赚钱？

把书上提到的34家公司放在一起看，可以把AI商业模式大致分为几类：

1. 卖算力

卖GPU、云计算、数据中心以及相关基础设施。

核心逻辑是：整个AI行业越繁荣，对算力的需求越大。

2. 卖模型能力

通过API、会员订阅、企业服务等方式，把模型能力变成收入。

核心逻辑是：用户愿意为更强的模型能力付费。

但同时也面临一个问题：模型越强，成本是不是也越高？

3. 卖AI开发平台

不只是提供一个模型，而是提供API、Agent工具、开发平台、云服务等。

它赚的不是某一次模型调用，而是开发者和企业持续使用整个基础设施的钱。

4. 卖行业解决方案

比如金融、制造、医疗、外贸、客服、营销、企业管理等。

这种公司的核心收入可能来自：SaaS订阅、项目实施、私有化部署、技术服务和增值服务。

它的真正壁垒往往不是模型，而是：行业知识 + 业务流程 + 数据 + 客户渠道 + 交付能力。

5. 卖消费级AI产品

通过会员订阅、增值服务等方式，让消费者持续付费。

这时候决定商业成功的，往往不仅是模型能力，还有：产品体验、品牌、用户习惯和留存。

所以我们可以看到，AI商业竞争不是一条赛道，而是一整条产业链。

模型、算力、工具、应用、服务，每一层都有自己的商业逻辑。

最后的话

看完这本书之后，我们可以换一种方式看待AI公司。

不仅看模型有多强，还可以看：

第一，它到底靠什么赚钱？

是卖GPU？卖API？卖订阅？卖SaaS？还是靠项目和企业服务？

第二，它真正的护城河是什么？

是模型能力？算力生态？数据？行业Know-how？客户渠道？产品体验？还是交付能力？

第三，它到底解决了什么真实问题？

因为AI最终还是要回到一个非常朴素的问题：谁愿意为这个结果付钱？

如果一个AI产品只能证明“我的模型很强”，却不能证明“客户为什么愿意持续付钱”，那么技术优势和商业优势之间，其实还隔着很长的一段距离。

AI只是工具，业务与商业逻辑，才是更底层的能力。