月之暗面和智图的海外账本：中国AI出海到底赚了多少钱？

华尔街见闻一篇付费文章刷屏了财经圈——标题很直白：“中国算力已经开始赚全球的钱了”。这让人想到十年前“中国制造席卷全球”的故事：手机壳、耳机、小家电，一件几块钱的东西靠着成本优势卖到世界各地。现在这套叙事被搬到了AI身上。

但问题是：中国AI企业的海外收入到底有没有达到“赚钱”的规模？还是说，这只是一个还没被验证的故事？

答案比想象的要复杂。故事有雏形，但离“中国制造式成功”还很远。

故事从一条热榜开始

10月前后，“中国算力出海”成为社交媒体和财经媒体的高频话题。核心论点是：中国在GPU集群建设、大模型训练等方面已经形成规模优势，这些产能和服务可以通过API调用的方式卖给海外客户。

逻辑链条很简单——中国拥有相对充足的算力基础设施（尽管受芯片制裁影响），国内大模型厂商通过降低价格吸引了海量用户，这种“以价换量”的模式一旦复制到海外，就能产生可观收入。

听起来像中国制造的路径复制：低成本制造能力 → 全球分销网络 → 占领市场。这条路径在中国智能手机、电动汽车、跨境电商等领域都曾被反复验证过。小米手机在印度市场份额一度超过三星，比亚迪电动车在欧洲快速铺开，SHEIN和Temu横扫欧美电商市场。

但这条类比忽略了几个致命差异。 制造业出口的是物理商品，其供应链、物流体系和质量标准都是标准化的，而AI服务是一种高度嵌入式的软件产品，用户粘性和转换成本远比买一部手机要高得多。

“Token出海”到底在卖什么？

首先需要明确一个基本概念：所谓“Token出海”，是指海外开发者通过API接口调用中国大模型的词元处理能力。

这不是出口硬件设备，也不是出口电力或服务器。它卖的是一个计算服务单元，按使用量计费。

这就带来了一个根本性问题：在海外语境下，什么是“大模型服务”的真实需求场景？

在中国，大模型应用的爆发很大程度上来自中文互联网生态内的效率工具需求——内容生成、客服机器人、文档处理、代码辅助。这些应用场景的核心特征是高频次、标准化程度高，且对语言的理解深度要求相对稳定。

但在海外市场，特别是欧美市场，GPT－4、Claude等模型已经建立了深厚的用户习惯和技术栈生态。开发者围绕OpenAI SDK构建了整套应用框架，插件体系、向量数据库连接、RAG管道都已成型。

一个海外开发者如果要切换模型，需要重新训练自己的应用、调整prompt模板、重新评估输出质量、重新配置知识库索引——这不是一种边际成本几乎为零的行为。

所以问题的核心变成了：中国大模型凭什么让海外用户愿意迁移？

目前来看，答案并不充分。除了少数价格极度敏感的东南亚和南美中小开发者外，大多数海外市场对价格的敏感度远低于对中国国内市场的预期。而“足够便宜”本身不足以成为替代品，因为它必须同时在质量上达标。更重要的是，当你的核心业务已经运行在一个生态之上时，迁移的成本可能远超节省下来的API费用。

真正能出海的不是“算力”，而是“工程能力”

这里出现了一个常被混淆的概念区分：“算力”本身不直接出口，能出口的其实是围绕算力的“工程化服务能力”。

具体来说，有三类可能产生海外收入的业务形态：

第一类是推理优化与部署服务。 一些中国公司在GPU集群调度、模型压缩、推理加速等领域形成了工程积累。随着国内大模型竞争加剧，这些公司被迫将单Token的计算成本压到极致，这种极致的工程优化经验可以转化为一种比较优势。这类技术服务可以被打包成解决方案卖给需要降低推理成本的海外企业。这是最接近“纯技术出口”的形态。

第二类是垂直领域的大模型微调服务。 面向特定行业（如医疗影像分析、金融文本分类、法律合同审查）提供定制化的模型适配方案。这类需求的竞争门槛不在于通用模型的质量，而在于对行业数据的理解和本地化落地能力。某些中国企业已经在医疗AI领域积累了大量标注数据和临床反馈，这套方法论可以迁移到有类似需求的海外市场。

第三类是对新兴市场（非欧美地区）的基础设施供给。 在东南亚、中东、拉美等地，AI基础设施的缺口远比在欧美更大，而这些区域对成本更敏感，为中国服务商提供了进入窗口。在这些市场中，本地开发团队往往资金有限，更愿意尝试性价比更高的替代方案。

但这三类加起来的总收入规模和增长速度，目前没有任何可靠的公开数据支撑“大规模赚钱”的说法。

为什么难以验证？

因为中国头部AI大模型公司（包括那些可能涉及海外业务的实体）大多未上市，或者上市的主体与AI业务并未单独披露财报。

这就导致外界看到的要么是营销口径的模糊表述，要么是未经审计的内部估算。比如某家知名公司曾在内部信中声称其AI相关业务实现了“指数级增长”——这个词本身不含具体数字，也无法独立核实。

没有上市公司级别的财务披露义务，也就缺乏可交叉验证的权威数据来源。这在很大程度上限制了外部观察的精度。相比之下，美国的OpenAI直到最近才开始披露其月度活跃用户数和收入曲线，即便如此，其精确构成依然模糊不清。

政策风险是最大的不确定项

如果说商业层面的困难还可通过市场策略逐步克服，那么政策层面的不确定性则构成了更难逾越的障碍。

美国对华半导体出口管制的持续收紧意味着什么？简单来说，中国AI产业的算力扩张越来越依赖国产替代路线。如果未来美国进一步扩大限制范围，将直接影响国内大模型厂商的训练效率和迭代速度。

反过来也成立：如果中国AI服务的海外客户中包含美国机构或个人，这可能触发数据安全和跨境传输方面的合规审查。无论是美国的CLOUD Act还是中国的《数据安全法》，都要求企业在数据流动上保持谨慎。

这意味着AI出海不是一个单纯的技术或商业决策，而是在两套完全不同的法律体系之间寻找交集空间。

三个观察指标

要判断中国AI算力出海是否正在走向实质性增长，建议关注以下指标：

第一，国内AI独角兽的海外收入占比变化。 虽然多数未上市，但如有融资材料的披露，可以作为参考。

第二，国产GPU在非洲、东南亚地区的实际出货量和使用率。 这反映中国算力基础设施的外溢效应。

第三，主要API平台对海外用户的结算数据和活跃度指标。 这是最直接的“谁在用中国AI服务”的证据链。

在这三项指标得到实质性数据前，“中国AI开始赚全球的钱”仍更多停留在趋势性判断层面，而非已完成的业绩陈述。