近期，大模型领域接连传来令人瞩目的消息，彻底打破了外界对该行业“烧钱亏损、依赖融资”的固有认知。先是Anthropic公布二季度营收成绩，超过115亿美元，同比大幅增长约14.6倍，调整后营业利润更是首次实现转正。与此同时，该公司还计划于10月进行首次公开募股（IPO），估值有望冲击2万亿美元。几乎在同一时间，OpenAI宣布自研推理芯片Jalapeno成功落地，这一举措旨在将推理成本牢牢掌控在自己手中。
Anthropic的盈利转正具有重大意义。其营收并非微薄的利润，而是实现了规模化的现金流转正。这背后是API调用、企业订阅、编程智能体等付费场景的全面爆发。企业不再仅仅是围观大模型，而是愿意为能够切实提升工作效率、创造价值的模型持续付费，付费行为从尝鲜转变为刚需。这一变化验证了大模型作为生产资料的商业闭环已经形成，当模型能够稳定地为企业节省人力成本或带来额外收益时，企业付费的意愿将大大增强。
OpenAI自研芯片则是大模型公司降本的重要举措。Jalapeno芯片历经16个月的研发，具备FP8算力3.4 PFLOPS、首发HBM4、带宽达H100的4.6倍且功耗持平等优势，在多项开源模型测试中表现优于英伟达、AMD、谷歌等竞争对手。推理成本是大模型公司的主要开支之一，自研芯片使得公司将最昂贵的环节从外部采购转变为内部供应，大大降低了成本。对于调用方而言，这无疑是间接利好，底层成本的下降最终会反映在API单价上，为应用层提供了更大的降价空间，推动AI技术更加普惠。
为何盈利拐点率先出现在底层模型公司，而非应用层呢？从表面上看，应用层离用户更近，似乎应该更早实现盈利。然而，实际情况却恰恰相反。应用层竞争异常激烈，产品同质化现象严重，一个“AI写文案”工具刚上线，很快就会有大量仿品出现。相比之下，底层模型公司具有技术壁垒高、客户切换成本高的特点，一旦客户接入就很难更换。更重要的是，底层公司掌握着“单位智能的成本曲线”，谁能够率先降低这条曲线，谁就能够在定价上占据优势。因此，盈利拐点在底层先出现是产业发展的必然规律。
这些变化给国内企业带来了两点重要启示。首先，在选择模型供应商时，要关注其可持续性。如果厂商自身仍处于巨额亏损状态，其服务和价格可能会随着融资情况而波动。企业应优先选择有稳定现金流或强大背书的底座供应商，以确保自身的AI投入能够稳定进行。其次，不要被“参数竞赛”所迷惑。当前，重点不在于模型参数的大小，而在于“用下来每块钱能办多少事”。这为开源模型和本地部署提供了机会，企业不必盲目追求最昂贵的模型，而是应选择最适合自己的。
目前，国内头部大模型企业如智谱、MiniMax、月之暗面等虽然营收增长迅速，但仍然处于亏损状态。这主要是因为国内企业在成本和价格方面面临着双重挤压，训练和推理成本高昂，而应用层的价格战又使得API单价被压得很低。只有当底层公司成功降低推理成本，如通过自研芯片等方式，国内企业的亏损状况才有望得到改善。对于企业用户来说，这反而是一个好消息，国产模型的性价比将不断提升，中小企业在选择模型时将有更多“便宜也能用好”的选择。
面对大模型领域的这些变化，企业应保持理性，算清一笔实在账。在选择模型和工具时，要考虑其每月能够为企业节省多少人力成本、增加多少订单以及花费多少调用费用。只有投资回报率（ROI）为正，才值得长期使用。底层盈利拐点的出现，为企业进行这样的“算账思维”提供了底气，因为供应商的稳定性增强，企业才敢将核心流程交给模型处理。毕竟，AI的价值不在于其出身，而在于它能够为企业解决多少实际问题。
随着底层成本的降低和稳定性的增强，应用层的发展策略也需要相应调整。过去，一些应用仅靠“套壳一个大模型”就能获得融资的日子已经一去不复返，真正的竞争壁垒在于“懂行业、接得进业务系统、留得下数据”。企业在选择应用时，不应只看其宣传的规模，而应关注其是否能够将企业的数据接入、将业务流程跑通。因此，建议企业先从小场景闭环入手，再逐步拓展到平台建设。将“算账思维”和“小步闭环”相结合，企业才能在大模型发展的浪潮中不被淘汰。
对于襄阳的企业来说，不要被“大模型赚钱了”的表象所误导。底层盈利对企业而言是利好消息，因为这意味着底座更加便宜和稳定，企业使用AI的成本将会降低。然而，要真正享受到这一红利，企业不能盲目追热点，而是要选择一个重复性的工作，接入自家数据，并由专业人员进行把关。无论趋势多么热门，企业都需要先跑通第一个小场景，才能考虑规模化应用。看懂行业拐点，是为了让企业少走弯路，避免不必要的损失。先动手实践，比研究大量行业报告更为有效。在襄阳，军师智能正在帮助本地企业将行业趋势转化为具体的数字员工工作流，通过找到最痛苦的重复劳动环节，用可控的智能体进行解决，让AI的红利率先转化为企业的实际节省和收益。从趋势解读到落地实施，军师智能都能提供全方位的支持，帮助襄阳企业看清第一步，少踩坑。
