调研时间：2026年7月 | 面向：少年AI商学院（8-17岁）课程素材
1849年美国淘金热，真正发财的不是大多数挖金子的人，而是卖铲子、卖牛仔裤（李维斯）、开旅馆的人。今天的AI行业也有一样的结构：OpenAI、Anthropic这些"挖金子"的模型公司烧钱巨大，但托管模型的Together AI、卖评测服务的Artificial Analysis、做本地部署工具的Ollama，才是稳稳当当的"卖铲子"生意。这份报告就带大家看清这条"金矿产业链"上，谁在挖金子、谁在卖铲子、谁在卖地图（评测机构）。
OpenAI：商业模式是"订阅+API"双轮驱动。截至2026年2月，年化收入（ARR）达到250亿美元，其中约70%来自ChatGPT订阅（约2000万付费用户），25%来自API调用，5%来自Sora和授权。2026年3月完成1220亿美元融资，投后估值达到8520亿美元，一年内估值几乎翻了3倍。公司已于2026年6月向SEC秘密递交IPO申报文件。（来源：valueaddvc.com, openai.com）
Anthropic：更专注企业API和Claude Code等开发者工具，走"To B为主"路线。2026年5月完成650亿美元的G轮融资后估值达到9650亿美元，超过OpenAI成为全球估值最高的AI公司，年化收入从470亿美元起步，平均每天新增约9600万美元的年化收入，是历史上增长最快的公司之一。公司同样在2026年6月秘密递交IPO文件。（来源：getlatka.com, mindstudio.ai）
Google DeepMind（Gemini）：走的是"生态捆绑"路线，不靠模型本身赚钱，靠云和广告放大收益。2025年Gemini订阅收入约12亿美元，但更大的收入藏在Google Cloud里——2026年第一季度Google Cloud收入达200亿美元，同比增长63%，其中生成式AI相关产品收入同比暴涨近800%。消费端订阅从Google AI Pro（19.99美元/月）到Google AI Ultra（249.99美元/月，含2.5万AI额度）。截至2026年5月，Gemini月活跃用户达9亿。（来源：miracuves.com, omnibound.ai）
xAI：靠马斯克个人光环和X平台流量起步。2026年1月以230亿美元完成200亿美元E轮融资，随后被SpaceX以2500亿美元估值收购，合并后估值达1.25万亿美元。但xAI自身的AI业务收入只有约5亿美元年化，2026年全年目标仅为20亿美元，远低于估值想象——这也是课堂讨论"估值泡沫"的好案例。Grok的美国聊天机器人市场份额从2025年1月的1.9%涨到2026年1月的17.8%。（来源：sacra.com, x.ai）
DeepSeek：典型的"卷成本"打法，不做订阅制，App完全免费，靠极低价API走量。2025年营收仅1340万美元，2026年API收入同比增长240%，企业合同月费在1万到5万美元之间。2026年完成首轮外部融资约74亿美元，估值在450亿至590亿美元之间。DeepSeek靠MoE架构和国产芯片（华为昇腾，成本约为英伟达H100的60-70%）把推理成本压到极低，这是它敢打价格战的底气。（来源：getlatka.com, pitchbook.com）
字节跳动·豆包：典型"用户优先、变现滞后"。截至2026年上半年，豆包日活用户已突破2亿，但日收入不足百万元人民币，主要靠电商佣金（日均电商交易额约1000万元），而维持模型运转的算力成本每天高达数千万元——花钱远比赚钱快，这也是很好的"烧钱换规模"教学案例。（来源：news.qq.com, tmtpost.com）
阿里·通义千问：走的是"云+模型"捆绑变现。2026年一季度阿里云AI相关产品收入达89.71亿元人民币，占外部收入比重首次突破30%。阿里的MaaS（模型即服务）收入主要来自"百炼"平台的API调用，绝大部分收入来自自研通义模型。阿里集团CEO吴泳铭提出五年内云和AI商业化年收入要突破1000亿美元的目标。（来源：finance.sina.com.cn）
月之暗面（Kimi）：2026年半年内估值疯狂跳涨——从2025年12月的43亿美元，到2月100亿美元，5月200亿美元，6月启动新一轮融资目标300亿美元，半年涨了近7倍。支撑这轮估值的是Kimi K2.5发布后ARR从3月突破1亿美元，4月涨到2亿美元以上，增速惊人但绝对值仍远小于OpenAI/Anthropic。（来源：finance.sina.com.cn）
给孩子的类比：模型公司像开餐厅——OpenAI和Anthropic是米其林餐厅，靠会员卡（订阅）和大宗批发（API）赚钱；豆包像是免费自助餐引流店，先把人吸引进来，菜钱以后再说；DeepSeek像是"沙县小吃"，靠把成本压到最低、薄利多销取胜。
课堂活动：
大模型公司卖的商品是"token"（词元，可以理解为AI说话、读字时切分的最小单位）。定价通常分"输入token"（你给AI看的内容）和"输出token"（AI回复给你的内容），输出通常比输入贵好几倍，因为生成内容比理解内容需要更多计算。
价格战真实案例：2026年3月起，中国大模型API价格战进入白热化。DeepSeek-V3把行业价格拉到0.001元/千token的地板价；4月26日DeepSeek进一步调整，输入缓存命中价格降到首发价的十分之一（DeepSeek-V4-Pro缓存输入价从1元/百万token降到0.1元，限时特惠一度低至0.025元）；5月31日起DeepSeek-V4-Pro永久降价至原价的四分之一。仅仅5天后，小米旗下MiMo大模型跟进降价，部分模型降幅高达99%。（来源：zhuanlan.zhihu.com, stcn.com）
推理成本下降曲线：这场价格战背后是真实的成本下降。2023年3月GPT-4刚发布时，输入token价格约30美元/百万token，输出60美元/百万token；到2026年中，同等能力的开源模型价格已跌破0.5美元/百万token，部分模型甚至到0.06美元以下。Google Gemini 3.1 Flash的输入价格是0.10美元/百万token，三年内降价99.7%。研究机构a16z把这个现象称为"LLMflation"（大模型通缩）。业内分析认为，2024年5月是个转折点：此前价格下降主要靠硬件和架构进步驱动，此后则主要靠"厂商互相杀价抢市场"驱动。（来源：a16z.com, valueaddvc.com）
给孩子的类比：token定价就像自助餐厅按"取用的菜量"收费——吃得多（用得多）付得多；而价格战就像两家奶茶店比谁先把一杯奶茶降到1块钱，靠的是背后供应链更便宜（更省电的芯片、更聪明的模型架构），不是真的做慈善。
课堂活动：
Meta·Llama：Meta不靠卖模型赚钱，主业是广告。开源Llama的逻辑是"把补品变成免费品，拖垮对手的护城河"（commoditize the complement）——模型免费给全世界用，Meta的目的是让开发者生态繁荣、AI基础设施成本下降、同时不让OpenAI和Google建立"围墙花园"式的垄断优势。2026年Meta的AI基础设施资本开支在650亿到720亿美元之间，这笔钱换来的不是直接收入，而是全球开发者标准的话语权和自己产品线（广告推荐算法等）的能力升级。（来源：markets.financialcontent.com）
DeepSeek的开源策略：DeepSeek开源模型权重的逻辑和Meta不同——它是靠"开源换生态位"。因为开源，全球开发者、云厂商争相接入和部署DeepSeek，间接带来了API调用量和企业定制合同（月费1万-5万美元），以及云厂商的分成（据行业观察，云市场分成模式约为10%-20%佣金）。开源本身几乎不赚钱，但开源换来的品牌效应和生态锁定，是它能在2026年拿到74亿美元融资、估值冲到590亿美元的重要原因。（来源：miracuves.com）
开源模型的真正赚钱者：托管商
案例一：Together AI——不训练顶级基础模型，而是帮企业跑开源模型的推理和微调。2026年7月完成8亿美元C轮融资，估值83亿美元（比2025年2月的33亿美元估值提升2.5倍），年化订单收入（bookings）已突破11.5亿美元，投资方包括英伟达、Salesforce Ventures等。（来源：techtimes.com）
案例二：Fireworks AI——同样做开源模型托管和推理加速，2025年10月以40亿美元估值完成2.5亿美元C轮融资，到2026年5月估值已在洽谈涨到150亿美元（7个月涨了近4倍），年化收入从2025年底的3.05亿美元涨到2026年5月的8亿美元。（来源：greyjournal.net, sacra.com）
这两家公司的赚钱逻辑很简单：开源模型权重是免费的，但企业不会自己搭建GPU集群、写推理优化代码、处理并发和安全合规——这些"苦活累活"就是Together和Fireworks收费的地方，本质上是给开源模型"搭桥卖水"。
给孩子的类比：开源模型就像免费公开的菜谱——Meta和DeepSeek把菜谱发布出来，自己不开餐馆挣饭钱；但真正开饭馆帮你把菜谱做成热腾腾饭菜端上桌的，是Together AI和Fireworks AI这样的"代客做饭"公司，他们收的是"手工费+房租费"。
课堂活动：
评测机构原本是"发榜的裁判"，但2026年它们自己也变成了估值飞涨的独立生意，同时也卷入了公信力争议。
案例一：LMArena——前身是学术项目Chatbot Arena，靠"用户投票选出更好的模型"积累了5百万月活用户、150个国家、每月6000万场对话的数据资产。2025年5月以6亿美元估值完成1亿美元种子轮，仅8个月后的2026年1月又以17亿美元估值完成1.5亿美元A轮融资。变现计划包括企业评测服务、API、付费高级分析，网站本身仍免费。（来源：techcrunch.com）
争议：2026年初有竞争对手联合发表论文，指控LMArena在追求收入过程中与OpenAI、Google、Anthropic等头部模型公司"选择性合作"，让这些公司能在正式上榜前测试和调优多个私有版本，从而"刷榜"。此前2025年4月，Meta发布Llama 4时，被曝光在LMArena上使用的是与公开发布版本不同的特调版本，导致该榜单临时垫高排名——事后LMArena被迫更新规则。这个案例很适合给孩子讲"当裁判和运动员有生意往来时，比赛还公平吗"。（来源：techcrunch.com, en.wikipedia.org）
案例二：SWE-bench——专门评测AI写代码/修bug能力的权威榜单，本身不直接向企业收费，但已成为各模型公司宣传"我的AI会编程"的核心营销素材，间接影响了数十亿美元级别的融资估值（如Anthropic、Cognition等公司都拿SWE-bench成绩作为核心卖点）。2026年的学术研究发现严重的数据污染问题：约32.67%的"成功"补丁其实答案已经写在issue原文或评论里（"解题泄漏"），31.08%的通过案例是因为测试用例太弱，把这些问题过滤后，真实解决率从12.47%骤降到3.97%。这说明"刷榜"不仅存在于消费级投票榜，学术级榜单同样可能被"污染"或"游戏化"。（来源：digitalapplied.com）
案例三：Artificial Analysis——一家小而美的独立评测公司，靠对比各家模型的质量、价格、速度、延迟数据，成为开发者选型时的重要参考站，公开披露的融资仅25万美元种子资金，靠网站流量和潜在的企业订阅/API服务变现，是这个赛道里"船小好调头"的例子，也说明评测生意目前还没有出现真正的巨头垄断格局。（来源：pitchbook.com）
案例四：Hugging Face Open LLM Leaderboard——2026年推出v3版本，因为发现原有六项基准测试已被"刷题"刷到近乎人类水平（模型靠"背题"而非真本事拿高分），被迫全部换成更难的新题目，结果排行榜大洗牌，中国实验室（如GLM-5）大举占据开源榜单前列。Hugging Face公司本身估值45亿美元，收入模式已从早期咨询转向API使用费和云合作伙伴分成的经常性收入。（来源：agentmarketcap.ai, sacra.com）
给孩子的类比：评测机构就像给餐厅打分的"大众点评"——一开始只是帮顾客选餐厅，但如果点评网站自己开始收餐厅的"推广费"、或者让餐厅提前看到评分标准去"应试"，那这份"星级"还能信吗？
课堂活动：
为什么要本地部署：企业把大模型直接装在自己的电脑或服务器上运行，而不是调用云端API，主要为了数据不出门（合规、保密）、断网也能用、长期成本更低。
案例一：Ollama——让普通人在自己电脑上一键跑开源大模型的开发者工具，2026年7月完成6500万美元B轮融资（此前A轮1500万美元，累计融资8800万美元，由Theory Ventures领投，Benchmark、YC等跟投），开发者用户接近900万，全球开发者网络规模最大。变现靠"云版Ollama"的订阅分层（免费到每月100美元），同时保持核心工具免费开源来获客。目前85%的世界500强企业内部有员工在用Ollama，覆盖政府、医疗、金融等强监管行业，累计接入超过6.7万个第三方集成。（来源：techcrunch.com）
案例二：llama.cpp生态（GGUF格式）——一个纯开源社区项目（并非公司），核心贡献是发明了GGUF这种"压缩打包"模型的格式，让原本需要几十GB显存才能跑的大模型，通过量化压缩到几GB就能在普通电脑甚至手机上跑起来（比如7B参数模型能压缩到约3.5GB，还能保留95%以上的原始效果）。它自己不收钱，但催生了一整条下游生意：企业用它自建知识库、智能客服、开发助手，尤其是金融、政务、医疗等对合规要求高、不能把数据传到云端的行业。这是典型的"公共产品养活整条产业链"的例子。（来源：zhuanlan.zhihu.com）
谁在真金白银买单：政府机构和央国企是私有化部署的绝对主力，因为数据安全和国资保值增值的考核要求，它们更倾向于买硬件资产而不是订阅云服务。据2026年行业数据，中国已有超过8万家企业部署了大模型，预计年内突破10万家，市场规模超过700亿元人民币，三年复合增速超过40%；同期私有化部署、API调用、垂直行业模型微调的需求同比上涨72%。但这个市场也有真实痛点：约68%的通用大模型无法支持深度定制微调，59%的商用接口存在调用不稳定、并发能力不足的问题。（来源：stcn.com）
给孩子的类比：调用云端API就像点外卖——方便但每次都要付钱、还要把地址（数据）告诉外卖员；本地部署就像自己买个电饭煲在家做饭——前期要花钱买设备（显卡/服务器），但做出来的饭菜（数据）不用假手于人，长期来看更省钱也更放心。
课堂活动：
大模型行业目前呈现"挖金子的人在烧钱抢地盘，卖铲子和卖地图的人在稳定收租"的格局：OpenAI、Anthropic靠订阅和API狂奔，字节豆包靠免费换规模但暂未跑通收入，DeepSeek和月之暗面靠低价/爆发式增长搅动市场；而Together AI、Fireworks AI、Ollama这些"卖铲子"公司收入和估值增长同样惊人，且现金流更健康；评测机构（LMArena、SWE-bench、Hugging Face）则成了这场竞赛里争议最大、却也是最容易被忽视的"隐形权力"——谁定义了"好模型"的标准，谁就能左右几千亿美元的投资流向。