Rhodium：OpenAI 与 Anthropic 的收入是所有中国 AI 模型总和的十倍 — 估值问题随之而来

目录

• 你可能想知道
• 主要议题
• 关键见解表
• 后续……

你可能想知道

• 为什么 OpenAI 和 Anthropic 报告的收入远高于中国所有 AI 模型的合计？

• 收入数字与中国 AI 初创公司的当前估值及未来可扩展性有何关联？

主要议题

总部位于美国的研究机构 Rhodium Group 的最新估计显示，美国领先的 AI 公司与众多中国 AI 模型开发者在报告收入方面存在显著差距。Rhodium 使用一种称为年经常性收入（ARR）的行业指标——通过将近期一个月的收入年化来推算每年的收入——发现所有中国 AI 模型合计产生的收入约为 OpenAI 与 Anthropic 合计的 10%。这一差距凸显了中国快速采用模型与直接变现之间的分歧。

Rhodium 的报告列出了数家主要中国 AI 公司的 ARR 数据。估计 DeepSeek 的 ARR 约为 5 亿美元，MiniMax 为 8 亿美元，Moonshot 为 10 亿美元。Z.ai 在最近的投资者更新中报告 ARR 为 18 亿美元，而较大的互联网公司如字节跳动与阿里巴巴则分别被估计为 40 亿美元与 24 亿美元。相比之下，Rhodium 估计 OpenAI 的 ARR 为约 400 亿美元，Anthropic 为约 650 亿美元，凸显出美国领先者与中国同行之间的规模差异。

这种差异引发了投资者如何定价中国 AI 初创公司的疑问。Rhodium 指出，某些中国公司的估值与收入比率似乎特别偏高：估计 Moonshot 与 DeepSeek 的估值分别约为 50 倍与 163 倍 收入。这些倍数超过 Rhodium 对 OpenAI 估计的约 34 倍以及对 Anthropic 的 21 倍。这类数字表明市场乐观情绪已将未来增长预期计入估值，而当前的收入尚不足以完全支撑这些预期。

据报道，若干中国初创公司已采取迈向公开上市的步骤。报道称 Anthropic 正在准备在美国上市，而 OpenAI 则已将 IPO 计划推迟到明年。在中国，据称 Moonshot 已向香港秘密提交上市申请，DeepSeek 也被指在准备上市。公司代表要么拒绝置评要么未回应有关这些申请的询问，有一家公司表示不对市场传闻置评。

需注意 Rhodium 分析的局限性。该报告采用的是截至去年夏季可得的数据，而中国 AI 模型的使用量自年初以来已大幅加速。例如，Z.ai 将其预期 ARR 上调，表示现目标年底达到 30 亿美元，高于先前的 24 亿美元预估。尽管如此，报告指出的结构性差异可能限制收入增长：许多中国模型以开源形式分发，使得拥有足够硬件的第三方能够下载并独立运行，这降低了原始开发者与美国封闭模型相比捕获下游收入的能力。

成本动态也有所不同。AI 比较公司 Artificial Analysis 指出，美国模型倾向于封闭并且每项任务的成本普遍高于领先的中国模型。这一定价差异有助于解释为何美国公司在报告收入上较高，尽管全球使用模式存在差异。

Rhodium 的分析师强调，相对于估值的收入缺口可能使中国前沿 AI 实验室的可持续扩张更加具有挑战性。Rhodium 合伙人 Logan Wright 指出，这些公司将对股本市场的状况高度敏感——而中国股市历来存在不确定性——且政府支持大多偏向硬件建设，而非对前沿 AI 实验室提供直接的运营补贴。报告估计，中国 AI 芯片与服务器超过 60% 的股权投资来自国家关联来源，显示公共部门在基础设施方面有大量参与，却未必在模型开发者的运营预算上提供同等支持。

市场反应呈现混合且波动的情况。某些已上市的中国 AI 公司在募资消息和投资人情绪变化后，股价出现剧烈波动。例如，Z.ai 的股价在与近期募资相关的下跌后回稳，而 Minimax 则难以维持 IPO 当日的涨幅。与此同时，在美国，多家主要 AI 公司的高管警告技术快速发展所带来的风险后，美国科技股走低。领先的中国实验室负责人尚未发表类似的公开评论。

总之，Rhodium 的快照显示，尽管采用迅速且投资活跃，中国 AI 模型整体在收入产生方面仍明显落后于美国同行。这一差距影响投资者对公司的估值，也影响实验室在缺乏持续有利融资条件下扩展算力、人才与商业生态系统的实际能力。

关键见解表

后续……

展望未来，关键的探索领域包括更好的模型部署变现机制、围绕开源分发的治理，以及在公共基础设施支持与私人运营资本之间取得平衡的可扩展资金模式。政策制定者与行业领导者也应考虑在第三方部署模型时对成本透明度、模型定价与收入分配安排制定标准。持续投资计算基础设施至关重要，但将使用转化为可持续收入流的策略同样重要，且需同时保持有竞争力的定价。

此外，跨境比较 ARR 与估值指标将受益于标准化的报告做法。提高关于收入确认、客户集中度与每项任务定价的透明度，可帮助投资者与监管机构更准确地评估增长轨迹。最后，对成本高效推理、差异化产品供给以及使模型创建者与分发者激励一致的合作模式的研究，可能实质影响市场对新兴 AI 领导者的估值。

这些方向——变现设计、透明指标与可持续资金——很可能在未来几年内决定哪些实验室能够以负责任且盈利的方式扩展商业化 AI。