2026年9月，美国研究机构Rhodium Group发布了一份让行业侧目的分析报告：中国主要AI模型的合计年度经常性收入（ARR）约为107亿美元，仅相当于OpenAI和Anthropic两家合计规模的约10%。

但另一组数据呈现出完全相反的图景。OpenRouter数据显示，9月7日至13日当周，中国大模型的调用量约61.2万亿Token，接近美国模型（21.8万亿）的3倍，这已经是中国模型连续第20周领先。

用得最多，赚得最少。 这个巨大的反差背后，藏着跨境卖家在选择AI工具时必须看清的逻辑。


一、先看清差距有多大

按Rhodium Group的估算，截至今年夏季的数据：

美国头部： OpenAI的ARR约为400亿美元，Anthropic约为650亿美元，两家合计超过1000亿美元。

中国主要玩家： 字节跳动约40亿美元，阿里巴巴约24亿美元，智谱Z.ai约18亿美元，Moonshot约10亿美元，MiniMax约8亿美元，DeepSeek和快手Kling AI各约5亿美元。

把七家中国主要AI公司的收入加在一起，还不到OpenAI一家的水平。

但估值上的反差更刺眼。Moonshot的估值收入比约为50倍，DeepSeek高达163倍。而OpenAI对应的比例约为34倍，Anthropic约为21倍。这意味着，中国AI公司在收入远低于美国同行的情况下，市场给它们的估值倍数反而更高。DeepSeek以5亿美元的ARR支撑起约740亿美元的估值，这个比例在传统投资逻辑下很难解释。

AI

二、为什么中国AI“叫好不叫座”？

收入差距的根源，在于中国AI公司普遍采用的开源策略。

DeepSeek、Moonshot等公司的模型权重对外开放，第三方云服务商可以自行部署和销售，不需要向原始开发者付费。这意味着，巨大的调用量中，有相当一部分并没有转化为模型开发商的直接收入。

相比之下，OpenAI和Anthropic的模型是闭源的。企业要使用它们的模型，只能通过API付费调用，每一笔使用都对应一笔收入。

开源策略让中国AI模型快速获得了开发者生态和调用量，但也让商业化路径变得曲折。目前，Moonshot和阿里巴巴正在尝试与大客户签订收入分成协议，比如年收入超过2000万美元的企业使用Moonshot的开源模型，需要签署单独合同并支付最高30%的收入分成。这本质上是在开源的基础上“再谈收费”，执行难度远高于闭源模式下的标准化定价。


三、这件事对跨境卖家意味着什么？

对跨境卖家而言，中美AI的收入差距本身不是直接问题。真正需要警惕的，是这个差距背后的行业风险。

第一，警惕AI工具供应商的“泡沫风险”。 当一家AI公司的估值收入比达到163倍时，它的商业可持续性需要打一个问号。跨境卖家在选择AI工具时，如果供应商本身尚未跑通盈利模式、收入远不足以支撑运营成本，工具断供、服务中断甚至公司倒闭的风险就会更高。卖家已经遇到过AI服务商“4天崩盘”的案例——一家号称用十几种AI工具做出4.01亿美元营收的公司，被FDA警告和FTC欺诈调查后迅速瓦解。

第二，Token成本可能比想象中高。 开源模型虽然API单价便宜，但跨境卖家实际使用时的成本并不低。有创业者反馈，使用Agent执行基础任务，如果涉及多轮交互和复杂任务，月度Token成本可能从几十元到几千元不等。如果一次调用不能完成需求，需要反复重试，消耗的成本可能直接超过工具带来的收益。中国模型的平均定价约为国际同行的10%至20%，但“便宜”的前提是任务匹配、调用效率高。用便宜的模型做不适合的任务，反而更贵。

第三，优先选择收入扎实的服务商。 Rhodium Group的报告传递了一个明确信号：中国AI公司当前的收入水平，还不足以完全匹配投资者给予的估值。如果融资环境收紧，部分公司可能面临缩减业务甚至退出市场的压力。对于跨境卖家来说，选择AI工具时，不能只看功能和价格，还要看供应商的收入是否健康、商业模式是否可持续。那些有清晰付费路径、客户留存率高、收入增长与使用量同步的公司，比“估值很高但收入很低”的公司更值得长期依赖。


四、一个务实的判断框架

跨境卖家在选择AI工具时，可以用三个问题做快速筛选：

这家公司靠什么赚钱？ 如果主要靠融资而不是产品收入，风险系数会显著上升。优先选择有明确付费产品、客户付费意愿强的服务商。

我的使用成本是否可预期？ 在正式规模化使用之前，先小批量测试Token消耗和任务完成率。如果完成一个任务的平均成本高于人力成本或传统SaaS工具，就需要重新评估。

这个工具坏了，我有备份方案吗？ 不要把所有关键业务流程押在单一AI工具上。选品、客服、广告投放、翻译——每个环节至少准备一个备用方案，避免供应商出问题时业务直接中断。


总结

中国AI模型在调用量上已经反超美国，但在收入上仍有巨大差距。开源策略带来了生态繁荣，也带来了变现难题。对跨境卖家而言，这个差距本身不是问题，但选择AI工具时的风险意识是必需的。

用得多的不一定赚得多，估值高的不一定活得久。 选AI工具，回归商业常识比追逐技术热度更重要。