不烧钱了！AI开始真赚钱

过去两年，AI产业一直困在一个标签里，那就是“资本黑洞”。训练模型要钱，推理服务要钱，GPU、数据中心、电力、人才，每一个环节都在烧钱。

外界看AI行业的眼光，多少带着点“你们到底能不能赚钱”的审视。投资人的钱烧得差不多了，下一轮估值靠什么支撑?这几乎是每个从业者都会被反复追问的问题。

但进入2026年，风向正在发生微妙变化。

先是百度交出财报，AI相关收入占核心业务比重首次突破50%以上，大幅超越支撑了它十余年的在线营销主业。这个大模型从烧钱讲故事走向算账要回报的缩影，为行业注入了一针强心剂。

再是阿里云AI相关产品收入连续11个季度保持三位数增长，阿里巴巴集团主席蔡崇信和首席执行官吴泳铭联合发布致股东信称，阿里AI业务已跨越初期投入阶段，正式迈入商业化回报周期。

更值得注意的是，BAT及三大运营商都在向企业级AI智能体方向猛冲，将算力、数据中心、大模型、安全防护打包成一整套解决方案卖给企业客户，从“卖算力”升级为“卖AI时代的操作系统”，这在今年尤为显著。

而就在近期，AI行业又爆出两则重磅消息：一则是大模型公司Anthropic预计2026年第二季度营收将翻倍突破百亿美元，并将首次实现运营利润约5.59亿美元，打破了“大模型只烧钱不赚钱”的魔咒;另一则是国内消费端排名第一的AI产品豆包宣布将在6月下旬正式推出多档付费服务，标准版连续包月68元，加强版200元，专业版500元，标志着国内主流AI也全面踏上商业化探索的道路。这些信号交织在一起，共同传递着一个信息，AI行业正在告别单纯烧钱的野蛮阶段，转向依靠产品价值实现可持续发展的赚钱时代。

在这样的背景下，我近期做客了北京新闻广播《科技新视点》节目，与主持人围绕AI收费、AI智能体、词元交易等话题展开了深入对话。

以下是本次访谈的精华实录。

1.主持人：过去几年，关于AI泡沫的质疑一直没有消失。大模型固然火热，但也确实是太烧钱了：训练模型要钱，推理服务要钱，GPU、数据中心、电力、人才支出都是钱。有观点认为AI是靠融资续命的资本黑洞。而Anthropic预计2026年第二季度收入将超过109亿美元，较第一季度的48亿美元增长超过一倍，并首次实现营业利润约5.59亿美元。Anthropic为何能实现首度盈利?

丁道师：Anthropic预计第二季度营收突破百亿美元，核心原因在于AI已经真正切入核心工作场景，实现了对人力的有效替代。前两年行业内还普遍认为，AI写代码虽然速度快，但出错率偏高，综合效率未必能超越人工。如今局面彻底改变，Claude Code整套工具的综合能力，已经远超数十名传统程序员。站在企业管理者的角度，旗下若有规模庞大的研发团队，用AI工具降本增效就成了必然选择，企业也愿意持续投入成本使用这类产品。这也是该企业营收能实现季度同比翻倍式增长的根本逻辑。

当下行业已经进入Token高消耗阶段，中等规模企业每月的Token消耗量就能达到数亿级别，大型企业的使用量更是呈几何级增长。凭借成熟的产品能力，全球大量企业主动选择合作，Anthropic现阶段早已不用为营收发愁，工作重心转向提升服务能力、优化使用体验，盈利对它而言已经水到渠成。

有意思的是，海外头部大模型加速盈利的同时，国内市场也迎来关键节点。目前国内消费端排名第一的AI产品豆包，也确定将在6月下旬正式推出付费服务。这套付费体系划分出多个梯度，标准版、加强版、专业版价格逐级提升，月费从几十元到数百元不等。可以看出，国内主流大模型也正式全面踏上商业化探索之路，整个AI行业告别单纯免费引流的阶段，转向依靠产品价值实现可持续发展。

2.主持人：把模型、数据、权限、插件、工作流和行业模板打包在一起，而不是一个孤零零的聊天框，这说明企业级的人工智能体是未来趋势?

丁道师：是的，企业级AI智能体已经是明确的未来趋势。

今年年初爆火的OpenClaw，大家俗称“龙虾AI”，就是典型的智能体。现在国内BAT、字节、运营商，所有科技巨头都在做“龙虾”这一类东西。它和传统大模型、普通AI工具最大的区别是：它不再只是一个聊天框、一个简单助理，而是能在人设定好的权限和规则下，自主完成一整套场景化工作。你可以把它理解成企业请来的一位“数字员工”，不是只动嘴，而是能动手、能干活、能跑流程。

这种能力，背后调动的远不止一个大模型，而是模型+数据权限+插件系统+工作流编排+行业模板+API打通的完整体系。它还能根据企业需求，自动组合、调用平台旗下各种AI服务和底层资源，相当于把大厂的算力、数据中心、云服务、安全能力全部打包输出。

这也就是为什么今年BAT、字节、包括三大运营商，都在往智能体方向猛冲。他们做云服务，早已不只是卖算力、卖机柜，而是把算力+数据中心+大模型+智能体+企业安全防护+Token套餐打包成一整套解决方案。你看中国电信现在都开始直接卖Token套餐了，就是这个逻辑。

智能体一旦做起来，它能打通企业方方面面的能力，从算力、模型、数据到业务流程、行业应用，多维度帮企业降本增效，也多维度赚钱。所以现在的AI公司，卖的早已不是单一产品，而是AI时代的企业级操作系统和全链路解决方案。

而且这种服务一旦用起来，用户粘性极高。单个聊天框、单一工具，企业想换就换;但一整套深度嵌入业务流程的智能体体系，迁移成本极高，企业会长期续费、持续买单。

基于这个判断，2026年，不管是国外的Claude、OpenAI，还是国内的BAT、字节豆包，以及三大运营商，它们的AI收入大概率都会出现爆发式增长。行业已经从“讲概念”进入“真落地、真赚钱”的阶段，而企业级智能体，就是接下来最大的增长引擎。

3.主持人：再来聊聊另一则消息，5月30日，全国首个绿色算力全栈AI平台——内蒙古词元交易平台在内蒙古自贸试验区呼和浩特片区上线运行，填补了区域算力模型词元交易综合服务的空白。词元交易是怎么一回事?

丁道师：要搞清楚这个问题，先要搞清楚什么是Token。我们不谈专业概念，举个生活中的例子。

假如你开了一家餐馆，专门做盖饭。一碗盖饭该怎么定价呢?里面有米饭、有菜，还要分摊房租、人工、水电等各种成本。如果把每一项成本都拆开细算，会特别复杂。这时聪明的你灵机一动：干脆不纠结细碎成本，直接按一碗盖饭作为单位来计价，十块一碗、十五块一碗，这样计算简单清晰，经营也一目了然。

Token就是AI世界里的这“一碗盖饭”，把复杂的成本——也就是综合的算力成本——统一打包成一个计算单位，方便计费和处理。

既然方便计费，就有了标准化交易的可能性。很多企业和开发者，调用AI大模型，开展各种服务，都需要消耗Token。这里提到的内蒙古词元交易平台，就像一个AI工具批发市场，集聚了算力调度交易、模型便捷调用、词元交易结算等一站式功能，各大科技公司的智能服务都入驻其中。普通人少量使用，直接去各家门店;单位和公司大批量采购，就来这个市场挑选比价，交易全程清清楚楚，还主打绿色低碳的电力运营。

4.主持人：企业级的人工智能体的兴起，对算力的消耗会更高，对算力基础设施的要求也更高，这是否正需要专业提供词元交易服务的平台?

丁道师：一方面，整合了多家厂商的AI服务，计费规则统一，企业能直观比价，也不会被单一平台捆绑。另外一方面，所有交易和使用记录都会留存备案，票据、溯源、审计都能达标，合规更有保障。

再一方面，一站式对接结算，不用分头对接多家服务商，大幅减少日常管理和对接的工作量。还有一方面，优先使用西部绿色电力算力，既盘活了闲置资源，也契合低碳发展的整体规划。

5.主持人：和普通AI助手，如OpenClaw龙虾，有什么区别?AI Agent最核心的能力是什么?

丁道师：前面我们提到过，今年年初爆火的OpenClaw，就是典型的智能体。现在国内BAT、字节、运营商，所有科技巨头都在做“龙虾”这一类东西。它和传统大模型、普通AI工具最大的区别是：它不再只是一个聊天框、一个简单助理，而是能在人设定好的权限和规则下，自主完成一整套场景化工作。你可以把它理解成企业请来的一位“数字员工”，不是只动嘴，而是能动手、能干活、能跑流程。

简单来说，就是工具和自动化工具的区别。

6.主持人：关于AI agent技术成熟度的研判，现在的Agent真的能完全独立搞定复杂任务吗?还是说依然处于人工+智能的半自动阶段?

丁道师：目前AI Agent还没办法独立完成高难度复杂任务，整个行业依旧处在人工+智能的半自动协作阶段。

一方面，对于流程固定、规则清晰的常规工作，Agent可以自主拆分步骤、独立执行;但面对长链条、变数多的复杂任务，还是离不开人的介入和决策。所以当前主流就是人机协同模式：AI承接重复繁琐的执行工作，人负责核心决策与风险管控。短期内，这种半自动运行的状态，会一直是行业常态。

7.主持人：当AI Agent开始具备自主行动力，它不再只是编程或文案策划的辅助工具，而是直接切入多个行业的业务工作流。这种对开发人员、客服人员的取代就会真正到来吗?

丁道师：汽车出现，是取代了马车，不是取代了驾驶者。马车夫可以升级为汽车司机，工作更轻松，赚钱更多。

技术人员同样是“任务替代，岗位升级”。系统运维、监控告警这些标准化操作，AI能自动处理;但故障排查、安全攻防、性能优化这些需要经验和创造性的，必须人来主导。未来技术岗更像“AI指挥官”，不是“手动操作工”。

客服是“先替代后升级”，不会全没。90%的基础咨询——查账单、改密码——会被AI客服接了;但复杂纠纷、情绪安抚、特殊需求这些需要共情和灵活处理的，还是得真人——客服会从“接线员”变成“问题解决专家”，价值更高。

8.主持人：以前互联网是流量经济、订阅经济，未来Agent普及后，会不会变成按Agent帮我赚了多少钱、省了多少成本来付费?商业游戏规则也许会发生怎样的改变?

丁道师：这几种商业逻辑大概率会长期共存，但新的付费模式正在萌芽。

过去是按人头、按账号、按使用时长付费，不管有没有效果。未来可能会出现更多“按效果付费”的模式。比如，Agent帮你投放广告，带来了多少实际转化，它从中抽取佣金;或者Agent帮你优化了供应链，节省了20%的物流成本，企业与Agent服务商按比例分成。

另外，流量入口也在发生变化。以前我们买东西、查信息，第一反应是打开搜索引擎或某个APP;未来，可能直接唤醒Agent帮我们处理。谁能掌握最懂用户的Agent，谁就掌握了新时代的商业分发权。

9.主持人：关于AI Agent的安全和担忧，如果Agent在自主决策时犯了错，比如自动下单买错了股票，或者在客服中冒犯了客户，肯定还是要具体的人和公司来承担责任的，是开发者还是使用者呢?

丁道师：目前的阶段，类似高阶智能驾驶汽车——“谁使用、谁负责”是基本原则。机器本身不担责，最终的责任主体还是背后的人和公司。

具体来说，如果使用者没有对Agent进行合理的安全限制，比如没有设置交易限额、没有对客服话术进行敏感词过滤，那么使用者需要承担第一责任。如果错误是由于软件底层代码的严重漏洞或者系统性失控导致的，使用者在对外赔偿后，可以依据服务合同向开发者追偿。

当然，这个领域还在快速演进。业内也在呼吁引入“AI责任险”，通过第三方保险机制来分担Agent自主决策带来的商业风险。这有点像当年汽车普及后，交强险的出现——新技术催生新保障。

10.主持人：未来如何与“硅基员工”共处?需要培养什么样的“人机协作”新技能?

丁道师：这个话题很有意思，也是我最近一直在思考的。

未来我们与AI的关系，更像是“管理者”与“实习生”。管理者给实习生分配任务、审核结果、把控方向;实习生负责执行、查找资料、完成初稿。核心技能不再是“我会操作什么软件”，而是“我能不能把复杂任务拆解清楚、让AI帮我高效完成”。

具体来说，有三项能力我觉得会越来越重要。

第一，定义问题的能力。AI能给出完美的答案，但前提是人类能提出对的问题。精准描述需求、拆解复杂任务的能力，会成为核心竞争力。

第二，提示词与工作流编排能力。学会像“项目经理”一样，给不同的Agent分配任务，把它们串联起来，让它们协同工作。

第三，批判性思维与审美把关。AI生成的内容和决策，需要人类进行最后的逻辑校验、伦理评估和品味把关。这一点，机器短期很难替代。

所以我的建议是：不要害怕AI，去学习它、使用它、驾驭它。未来的赢家，一定是那些掌握了AI工具的人。