2026年9月17日，美国研究机构Rhodium Group发布了一份让中国AI行业颇感不安的数字：所有中国主要AI模型加在一起的年度经常性营收，只有OpenAI和Anthropic的10%。

10%。

这个数字的冲击力，不在于它说明中国AI落后——事实上，在模型性能、用户规模、技术论文引用量上，中美之间的差距远没有这么悬殊。这个数字的冲击力，在于它揭示了一个更深层的商业模式悖论：中国AI公司赢得了用户，但没有赢得收入。

几乎在同一天，Mozilla基金会发布了2026年版《开源AI状态》报告，揭示了这个悖论的另一个维度：在全球开发者token使用量中，中国主导的开源模型处理了大多数开发者流量（OpenRouter 2026年8月数据），但这些开源模型的商业营收，只占整个模型层营收的4%。

两个数字放在一起，描绘的是同一张图景：技术影响力和商业变现能力，正在以罕见的方式脱节。

这个脱节的规模，是令人震惊的。如果一个领域中，技术竞争力和市场份额的差距超过十倍，通常意味着商业模式本身出了问题。在半导体行业，这种情况会导致公司破产；在互联网行业，这种情况要么是被颠覆，要么是战略性的”长期投资”。中国AI目前的状态，是第二种——但”长期投资”能走多长，取决于资本市场的耐心和商业化时间线的兑现。

这是一个比简单的”中国AI落后美国”更微妙、更值得深究的问题。

第一章：Rhodium的10%是怎么算出来的

Rhodium Group是一家专注于美中经济关系的独立研究机构，其在半导体和AI经济领域的分析在华盛顿的政策圈有较高影响力。

他们的最新分析，采用的是年度经常性营收（Annual Recurring Revenue, ARR）作为比较基准。根据现有公开数据：

美国方面：

  • OpenAI：截至2026年Q2，ARR约为60-65亿美元（Semafor和Bloomberg援引OpenAI内部数据）
  • Anthropic：2026年9月宣布ARR达到30亿美元（较2025年增长约3倍）
  • 美国头部AI API提供商合计ARR：约90-100亿美元量级

中国方面： Rhodium的估算包含了以下中国主要AI公司的AI API/模型服务营收：百度文心、阿里通义、字节豆包/Skylark、腾讯混元、华为盘古、DeepSeek、智谱AI、月之暗面（Moonshot AI）等。

Rhodium的结论是：中国所有主要AI模型的合计ARR约为8-10亿美元，约为OpenAI+Anthropic合计的10%。

这个估算需要一个重要的背景补充：中国主要AI公司的大部分AI收入，来自于其母公司的企业客户（百度的云AI服务客户、阿里云的Qwen API用户等），而非像OpenAI那样以独立API/订阅为主要营收来源。这使得”AI模型营收”的统计边界在中美之间有所不同——中国AI营收往往嵌入在更广泛的云服务合同中，可能存在低计的情况。Rhodium在方法论中承认这一点，并表示即使考虑到这个调整因素，差距依然是数量级级别的，而非统计口径差异可以解释的。

还有一个维度值得关注：这10%的差距，本身已经是一种收窄。2025年同期，Rhodium的估算是5-7%。中国AI的商业化速度在加快，但美国的增速同样可观——OpenAI 2024年ARR约20亿美元，2026年已达65亿，增速超过200%。绝对差距在缩小，但相对差距改善有限。

第二章：同一个市场，两种变现逻辑

为什么会出现这种脱节？理解这个问题，需要从中美AI商业模式的根本差异说起。

美国AI的商业化路径：

OpenAI的核心营收来源，是ChatGPT Pro订阅（2026年每月20-200美元/用户，共约1,000万付费用户）和企业API（按token计费，o3系列高达60美元/百万token输出）。Anthropic的主要营收来自企业API和Claude.ai Pro订阅，ARR 30亿美元的背后，是数以千计的企业客户为模型性能付出的高溢价。

这个商业模式的关键特征是：用户为AI能力本身付费，而非为AI背后绑定的云服务、流量或消费场景付费。OpenAI和Anthropic将AI能力独立包装，以独立的价格和品牌销售——这种纯粹的”AI即服务”模式，在中国几乎不存在对应的大规模商业案例。

中国AI的商业化路径：

中国头部AI公司的变现，普遍走的是四条不同路径：

路径A：AI作为大云的增值服务。 阿里通义、华为盘古、腾讯混元的主要用途，是让现有云服务客户用更少的运维成本完成更复杂的任务——AI的营收，以云服务订阅和企业合同的形式出现，很难被单独统计。一个正在使用阿里云数据库、服务器和通义语言模型的企业客户，其支付的是一个打包合同，AI的价值在账单上看不见。从阿里云的角度，通义API的调用量是其展示AI战略成效的KPI之一，但对通义团队而言，如何定义和追踪”通义贡献的独立营收”本身就是一个困难的问题。当AI被当作云服务的功能模块，而不是独立产品，它的商业价值就很难被准确计量。

路径B：AI作为流量入口（免费或极低价格）。 字节跳动的豆包模型、百度的文心模型，都提供了大量免费或极低价格的API调用额度，用于吸引开发者生态和构建应用层。字节豆包的API在2026年初宣布了极低的计费价格，部分层级甚至免费。这种”平台策略”优先考虑的是用户增长和生态覆盖，而非单位经济效益。百度的内部估算显示，文心API的大量调用来自其自身产品（搜索、文库、教育），这些”内部流量”在外部营收统计中不体现。豆包的策略更极端：通过超低价格获取开发者，再通过字节系产品（抖音、今日头条）的AI功能获取消费者，整个模型的变现是在字节生态层面完成的，而非在豆包API层面。

路径C：开源模型+企业定制。 DeepSeek、智谱AI等公司开源了核心模型，通过企业定制化部署服务、云端推理服务等方式变现。这条路径在技术影响力上回报巨大（DeepSeek的开源模型在全球开发者中广泛使用，GLM-4-9B在全球Hugging Face下载量TOP10稳居一席），但每单位技术影响力带来的营收，远低于闭源API路径。DeepSeek的策略是：开源核心研究成果建立全球影响力，同时通过DeepSeek Cloud平台的闭源商业API服务变现。这个策略在品牌和招聘层面收益显著，但在直接营收上，闭源API服务的规模在中国AI市场中仍然相对有限。

路径D：嵌入终端/应用变现。 华为、小米等硬件厂商将AI能力内嵌到手机、电视、汽车等终端产品中，AI的价值通过硬件溢价和应用生态变现，不以独立API形式出现。华为Mate70系列的AI功能是其旗舰卖点之一，但这部分价值不会出现在”AI API营收”统计中。苹果的Apple Intelligence战略在美国市场走的是类似路径——将AI作为设备的增值功能，而不单独定价——但苹果的设备溢价能力远高于国内安卓厂商。

这四条路径都是真实的商业逻辑，但它们的共同特征是：AI的价值被分散、隐藏或补贴在其他商业形态中，导致AI本身的营收数字远低于AI实际创造的经济价值。这种”AI价值模糊化”策略，在竞争格局的初期是合理的占位选择，但长期看，它会导致整个市场的AI定价能力受到压制——当所有人都选择把AI隐藏在其他产品里，没有人会建立起”为AI本身付费”的市场规范。

第三章：Mozilla的4%——开源模型的流量与营收悖论

Mozilla基金会在《开源AI状态报告2026》中揭示的数据，为中国AI的商业模式困境提供了更精确的剖析：

2026年8月，在OpenRouter（最大的AI模型API路由平台）上：

  • 开源模型（含DeepSeek系列、Llama系列、Qwen系列等）处理了大多数开发者token流量
  • 但开源模型的模型层营收仅占4%
  • 闭源模型（OpenAI、Anthropic、Google等）占据了96%的营收

这个4% vs 96%的分裂，是理解中美AI营收差距的关键线索。

开源模型的流量主导，主要由以下因素驱动：

  • DeepSeek V4和V4.1系列的极低成本（V4.1-Flash的缓存输入定价为0.003美元/百万token，是GPT-5.5的约100分之一）
  • Llama 4和Qwen 3系列在性能上已经可以处理大量”足够好”的任务，特别是在标准问答、代码生成、文本处理等任务上
  • 开发者倾向于在非关键路径任务（测试、批量处理、低价值query、原型开发）上使用开源/免费模型，在关键路径任务（高价值商业决策、需要最高质量输出）上使用闭源高端模型

这构成了一个AI经济的分层结构：

关键路径任务（高价、小量）
  → OpenAI GPT-6 Astra / Anthropic Claude Fable
  → 占据 96% 营收 + 相对少的 token 量

非关键路径任务（低价、大量）
  → DeepSeek / Llama / Qwen 开源系列
  → 占据大多数 token 量 + 只有 4% 营收

这个分层的稳定性，来自一个关键事实：企业客户在做高价值决策时，愿意为最好的模型付出高溢价，但在做批量处理时，会积极寻找最低成本。中国开源模型在”成本效益”端做到了极致，但高端决策任务的闭源模型需求，很难靠价格优势攻入——因为这些任务的决策者对单次调用成本的敏感度远低于对”结果质量”的敏感度。

Mozilla报告还指出，尽管4%的开源营收份额相对小，对开源模型的贡献者来说仍然有实际价值。Mistral、DeepSeek等公司通过API路由赚取的营收，足以支撑其研发团队的运营。但对于那些投入了数十亿美元训练和维护开源模型的大型公司（如Meta的Llama系列），API营收远无法覆盖成本，其商业逻辑必须建立在间接回报上。这个逻辑同样适用于中国开源模型的主要贡献者：开源是战略，不是商业模式。

第四章：估值与营收的脱钩——中国AI的资本市场现实

Rhodium报告中还有另一个令人深思的发现：在中国AI公司中，低营收并不对应低估值。

2026年，多家中国AI公司的估值与其营收之间的倍数，普遍远高于美国对应公司：

  • Moonshot AI（月之暗面）：估值约300亿美元，营收数亿美元（具体数字未公开），估值/营收倍数可能超过100x
  • DeepSeek（私有）：估值估计在200-400亿美元区间，但因为大量模型开源，直接营收相对有限
  • 智谱AI：2026年完成新一轮融资后估值超过200亿人民币，营收规模远小于估值

与之对比，OpenAI的估值/ARR倍数约为25-30x（1,570亿美元估值 / 60亿美元ARR），Anthropic约为30-40x（220亿美元估值 / 30-40亿美元ARR）——已经是高估值倍数了，但中国AI公司的倍数往往更高。

这种估值/营收脱钩，有两种解读：

乐观解读： 中国AI公司正处于”先建生态，后变现”阶段，投资者在为未来的商业化潜力付溢价。中国互联网（阿里、腾讯、美团）的成功模式证明，中国市场的”先免费抢用户、再精准变现”策略是有效的。这些公司的高估值，反映的是投资者对”商业化迟早会来”的信心，以及对其在中国市场独特竞争壁垒的认可。

悲观解读： 中国AI的商业化路径有根本性障碍。中国AI市场的竞争格局（各大科技公司都在提供免费或极低价AI服务，形成了价格倒挂竞争）使得整体定价能力持续被压制。即使技术进步，也很难在市场层面形成类似OpenAI那样的定价权。估值泡沫将在商业化无法跟上、外部资金收紧时面临重新评估。

2026年下半年，随着全球风险投资市场收缩，中国AI公司的新一轮融资变得更加依赖战略投资者（国有基金、大型科技公司的战略投资部门）而非纯财务投资者，这本身是一个估值重构的信号。

第五章：定价权的本质——谁能为AI设定价格

理解营收鸿沟的根本，需要理解定价权——谁有能力决定AI能力值多少钱。

OpenAI在全球市场，尤其是美国英语市场，拥有显著的定价权。原因不只是技术领先，而是建立了一套用户愿意为智力体验本身付费的心理预期。ChatGPT Pro、Claude Pro的订阅，本质上是在销售一种”与最好的AI一起工作”的体验，这种体验在某些用户群体（创业者、知识工作者、AI原住民）中有真实的支付意愿——不仅仅是为了功能，也为了一种”用上了最好工具”的身份认同。这种品牌溢价，是OpenAI花了三年时间在全球最具AI意识的用户群体中建立起来的，不是靠技术性能本身，而是靠”ChatGPT”这个词成为了AI的代名词。

中国AI公司的处境，有两个结构性不利因素：

不利因素一：中国消费者和企业对AI独立付费的习惯尚未建立。 微信、百度、抖音的长期免费模式，构建了”互联网内容和工具免费”的用户预期。将AI作为独立服务按月/按token收费，遇到的阻力比美国市场大。中国最成功的知识付费产品（得到、知乎等）的付费用户规模，也只有OpenAI的十分之一。这不是中国消费者的问题，而是中国互联网生态系统二十年进化的结果——当微信是免费的，当抖音是免费的，用户很难接受”为AI单独付200块/月”是合理的价格。中国AI公司需要找到绕过这个心理锚定的方式，但目前没有人找到足够有力的突破口。

不利因素二：竞争格局使定价空间被压缩。 当市场上同时存在百度文心、阿里通义、字节豆包、华为盘古、讯飞星火等多个国家队和大厂提供的AI服务，每家都有来自母公司的补贴能力，价格战几乎不可避免。OpenAI在美国没有面对同等强度的国内大厂竞争压力——Google是竞争对手，但Google不会因为抢用户而提供完全免费的GPT-4级别API服务。这种中国特有的”国家队+大厂同台混战”的竞争格局，是导致整个AI市场定价能力趋于零的根本原因。当每个参与者都有资本补贴市场，价格战的底线会不断下探，直到整个行业都在亏损状态下运营。

还有一个经常被低估的有利因素：中国AI公司在特定垂直领域（医疗、法律、政务、金融AI）的商业化，正在形成稳定的B2B收入来源，而这些行业的付费意愿较高，客户对价格敏感度较低。以医疗AI为例，核磁共振图像分析、病理诊断辅助等应用的单次服务定价远高于通用API——这类垂直营收可能被Rhodium的统计低估了，因为它们往往以SaaS项目合同的形式出现，不是标准的API调用计费。但即使把这部分加入估算，与OpenAI的差距仍然是量级差异，而非口径差异。

这里有一个更深层的洞察：OpenAI和Anthropic的高端营收，并不只是来自更好的AI能力，而是来自一套完整的”企业信任基础设施”（Enterprise Trust Infrastructure）。这套基础设施包括：SOC 2合规认证、GDPR合规框架、企业级审计日志、SSO集成、SLA保障、专职企业支持团队，以及最关键的——在美国监管环境下可以被企业合规部门接受的AI产品。中国AI公司提供的API，无论技术多么优秀，在很多欧美企业的合规框架下都无法被采购——不是因为AI差，而是因为数据主权、CLOUD Act合规、AI安全审计等问题在法律层面无法解决。这意味着，中国AI的商业化鸿沟，有一部分是技术和商业问题，有一部分是地缘政治和法律环境问题。Rhodium的10%，不全是中国AI的”商业化不足”，也有一部分是中国AI公司结构性地被排除在某些市场之外的结果。

第六章：中国AI公司的融资反应——公开市场+私募的双轨融资

面对营收不及美国同行一成的现实，中国AI公司正在用另一种方式解决资金问题：加速上市和新一轮融资。

Rhodium报告和多家媒体的报道都指出：中国AI公司正在转向公开市场和新一轮融资，来支付扩大模型规模所需的算力成本。 这个融资行为本身，说明了中国AI公司的核心挑战：算力成本在上升，营收增长滞后，只能靠外部资金支撑。

2026年下半年，中国AI公司的资本市场动向包括：

  • 多家垂直AI公司（医疗、法律、教育）在上海和深圳A股市场完成IPO或进入上市辅导阶段。与2024年相比，进入上市流程的AI公司数量增加了约3倍，但大多数公司的商业模式仍处于早期阶段。
  • DeepSeek据报道正在进行B轮融资谈判，估值显著高于上一轮。与Anthropic的单轮大额融资相比，中国AI创业公司的融资轮次更多、单轮规模更小、外资占比在下降。
  • 国家主权投资基金（如国家集成电路产业投资基金、新成立的国家算力投资基金等政策性基金）增加了对AI芯片和大模型企业的直接投资，弥补部分外资撤退留下的资金空缺。
  • 中东主权基金（沙特PIF、阿布扎比ADQ）在中国AI公司中完成了多笔战略投资，寻求获取中国AI技术的同时，形成了一种”非正式的AI技术转移通道”。

这种融资模式，揭示了一个深层悖论：中国AI公司有足够的战略价值来持续吸引资本，但商业化效率不足以支撑自我造血。 在AI算力成本持续上升的环境中，这是一条需要持续输血的道路。要训练一个与GPT-6同级别的模型，预计需要10亿美元以上的算力投入；而中国AI公司合计的年度营收只有8-10亿美元——也就是说，理论上所有中国AI公司的全年营收，只够训练一个前沿模型。这个数字对比，清楚地说明了为什么持续外部融资是必须的，而非可选的。

对比之下，OpenAI的60亿美元年营收已经开始覆盖其算力成本，Anthropic的30亿美元ARR也在朝着盈亏平衡迈进。中国AI公司何时能够实现类似的营收规模，是整个行业最关键的战略问题。按照当前差距和增长速度粗略推算，在最乐观的情形下，这个追赶周期需要3-5年；在保守情形下，结构性因素可能使差距长期存在。两种情形都有其支撑论据，争论的核心在于中国商业化路径的第一个真正破局者何时出现。

第七章：谁赢得了什么——重新定义”赢”的含义

在理解了这些数据之后，重要的是重新思考：在中美AI竞争中，”赢”意味着什么？

技术赢？ 在特定基准测试上，中国开源模型（DeepSeek、Qwen）已经接近甚至超越美国同级别模型。中国在ICLR、NeurIPS的论文产出和高引用数量上持续增长，部分AI研究方向（大模型推理效率、长文本处理）中国团队已处于全球前列。2026年，中国AI论文在顶会的接受数量首次与美国旗鼓相当，这是一个历史性的里程碑。

用户赢？ 在使用量上，中国AI公司凭借低价甚至免费策略，获得了大量用户和token流量。开源模型主导了全球开发者token流量的大部分，其中DeepSeek、Qwen贡献显著。月之暗面的Kimi模型在中国移动用户中有相当规模的日活，豆包的月活用户数已超过5,000万（2026年Q2数据）。从用户量和日活数据来看，中国AI公司在本土市场的渗透率已经接近饱和。

影响力赢？ DeepSeek的开源发布在全球AI社区引发了极大反响，证明了中国AI研究者在降低训练成本和提升推理效率方面的创新能力。这种技术影响力不只是象征性的——它推动了Nvidia和OpenAI重新审视自己的计算效率路线图。DeepSeek V3和V4的发布，实际上迫使了美国AI公司重新思考”高算力堆砌换高性能”的路径，从而间接影响了整个行业的技术方向。

营收赢？ 这是目前中国AI的明显弱点。10%的营收数字，说明的是当前的价值捕获效率，而非技术能力的衡量。这个弱点的后果，在短期内表现为企业需要持续外部融资；在长期内，可能表现为在关键时刻缺乏资金进行下一代模型的突破性投入。

这里的关键分歧，是”赢”的时间维度。持乐观中国AI视角的人会说：用户和技术是先行指标，营收是滞后指标，中国互联网的历史已经证明”先烧钱获用户、再精准变现”是可行路径。2003年中国互联网，用户规模超过美国的三倍，但互联网营收不足美国的十分之一；十年后，阿里巴巴在美国上市，市值2,300亿美元。历史提供了一个可供参考的剧本。

持悲观视角的人会说：AI的核心成本（算力）是持续性的，不像早年互联网内容的边际成本接近零。当每次模型升级都需要投入数十亿美元的算力，而变现路径尚不清晰，”先烧钱”的路径会在某一点遭遇资金约束——而那个约束点，可能就是下一轮全球融资环境收紧的时候。

结语：鸿沟的真实位置

Rhodium 10%的数字，描述的不是技术鸿沟，而是商业化鸿沟。

这个鸿沟的形成，有结构性因素（中美市场环境不同、竞争格局不同、用户付费习惯不同）、战略选择因素（中国AI公司主动选择开源和低价策略），也有历史时间差因素（OpenAI自2022年就开始大规模商业化，而中国AI的高强度商业化进程实际上始于2024年末）。从这个角度，10%的营收差距，也许不是”中国AI的天花板”，而是”商业化起步晚两年的自然结果”——这个解释有其合理性，但它需要用未来几年的真实数据来验证，而不只是作为安慰。

但Rhodium数据带来的最重要启示，或许不是”中国AI输了”，而是：在AI时代，技术领先和商业成功之间的转化，需要的不只是技术，而是一套完整的商业模式创新。 谁能找到让中国用户和企业愿意为AI本身付钱的方式——而不是把AI藏在云服务、硬件和免费应用的背后——谁就能最终弥合这道鸿沟。

这个创新，目前还没有一家中国AI公司找到完整的答案。但历史告诉我们，中国公司在商业模式创新上的学习速度，往往比外界预期的更快。下一个Rhodium报告——或许就在2027年底——将记录一个不同的数字，那个数字将告诉我们，这条鸿沟是在收窄，还是在扩大。

参考资料

  1. Chinese AI models soar in value but make just 10% of OpenAI and Anthropic’s revenue — Invezz/Rhodium Group综合报道, 2026-09-17
    https://invezz.com/news/2026/09/17/chinese-ai-models-soar-in-value-but-make-just-10-of-openai-and-anthropics-revenue/

  2. OpenAI and Anthropic are making 10 times more revenue than all Chinese AI models combined — MSN, 2026-09-17
    https://www.msn.com/en-us/money/markets/openai-and-anthropic-are-making-10-times-more-revenue-than-all-chinese-ai-models-combined-research-group-rhodium-says/ar-AA2cpujc

  3. Chinese AI Models Are Winning Users With Lower Prices, But OpenAI And Anthropic Are Making 10 Times More Revenue — MSN, 2026-09-17
    https://www.msn.com/en-us/news/other/chinese-ai-models-are-winning-users-with-lower-prices-but-openai-and-anthropic-are-making-10-times-more-revenue/ar-AA2crDfB

  4. Chinese open-weight AI handles most developer tokens: Closed models capture 96% of revenue — MSN/Mozilla Foundation, 2026-09-17
    https://www.msn.com/en-us/technology/artificial-intelligence/chinese-open-weight-ai-handles-most-developer-tokens-closed-models-capture-96-of-revenue/ar-AA2crun5

  5. Mozilla Foundation State of Open Source AI v1.1 — Mozilla Foundation, 2026-09
    https://foundation.mozilla.org/en/research/library/state-of-open-source-ai/

  6. DeepSeek V4.1 Flash Prices Cached Input To $0.003 Per Million Tokens — Forbes, 2026-09-14
    https://www.forbes.com/sites/jonmarkman/2026/09/14/deepseek-v41-flash-prices-cached-input-to-0003-per-million-tokens/

  7. China’s 41% share of Hugging Face downloads — Technology Review/Hugging Face, 2026-09
    https://www.technologyreview.com/2026/09/11/china-ai-41pct-huggingface-download

  8. Anthropic ARR Announcement: $3 Billion ARR — Anthropic, 2026-Q2
    https://www.anthropic.com/news/anthropic-raises-new-funding-round