AI开始赚钱，营销逻辑正在被重写
Anthropic连续两季度盈利，智谱收入增长近四倍，工信部力推智能体软件，谷歌将AI引入营销组合模型。AI正从烧钱叙事转向商业闭环，企业营销决策者需要重新理解这些信号。
算力效率提升是利润率改善的核心驱动因素。这家AI企业同时警示，由于持续重金投入新一代前沿模型与算力基础设施，未来季度盈利无法保证。
Anthropic向投资者说出的这句话，表面上是一份业绩说明，实际上是一份宣言。它宣告了AI大模型行业正在经历一次根本性的分裂：有人开始赚钱，有人仍在烧钱；有人找到了商业闭环，有人还在用技术叙事掩盖增长焦虑。对于站在营销一线的决策者来说，这个分裂带来的冲击远比想象中更直接——因为AI的商业化进程，正在沿着广告预算的毛细血管，渗透到每一个品牌的市场部、增长组和数据看板里。
盈利信号：大模型公司开始算账了
Anthropic预计将实现连续第二个季度盈利。放在一年前，这个表述几乎不可想象。这家公司二季度实现创立以来首个季度盈利，营收飙升至115亿美元以上。更值得关注的是，它的增长速度超过了OpenAI，企业API产品与Claude代码开发工具需求旺盛。英伟达正在洽谈向Anthropic的IPO投资高达100亿美元，后者拟通过IPO募资至多1000亿美元，估值约2万亿美元。这些数字放在一起，指向一个清晰的事实：AI的商业价值正在从演示走向交付，从愿景走向收入。
但Anthropic同时给出了一个耐人寻味的警示：由于持续重金投入新一代前沿模型与算力基础设施，未来季度盈利无法保证。这句话的分量在于，它打破了外界对AI公司盈利的线性预期。盈利不是终点，而是一个需要反复争夺的动态平衡点。它的背后是一道残酷的算术题：算力效率的提升速度，能不能跑赢模型训练成本的膨胀速度？
这道算术题离营销行业并不遥远。当AI公司开始讲盈利故事，它们的客户——也就是企业——会加速提出一个更尖锐的问题：我花的这笔AI预算，到底换回了什么？Anthropic的企业API和代码工具之所以增长迅猛，恰恰是因为它们找到了一个可以量化、可以续费、可以嵌入工作流的交付形态。这给所有AI服务商上了一课：企业客户买的不是模型能力，而是业务结果。
中国AI的加速与错位
如果把视线从硅谷拉回中国市场，会发现同样的商业化压力正在以另一种方式释放。9月13日，智谱宣布完成约50亿美元融资，包括约20亿美元股份配售及约30亿美元可转债发行。融资所得款项净额主要用于下一代GLM研发、完全自训练体系建设及相关算力基础设施建设。智谱2026年上半年收入9.54亿元，同比增长399.7%。其中，开放平台及API业务收入8.25亿元，同比增长2736%，占总收入的86.5%。截至8月底，其MaaS开放平台ARR达到16亿美元。
这组数据传递了两个关键信息。第一，中国大模型公司的收入结构正在向API和开放平台集中，这和Anthropic的路径高度一致——平台化、可调用、按量计费，才是AI商业化的主流形态。第二，收入的绝对体量仍然很小。9.54亿元的半年度收入，对应的是动辄数十亿美元的融资额和算力投入。中国AI公司面临的不是“赚不赚钱”的问题，而是“收入增速能不能追上估值预期”的问题。
与此同时，政策端给出了一个更宏大的时间表。工信部印发《“人工智能+软件”专项行动实施方案》，明确到2028年推广覆盖2万家规模以上软件企业、打造100个智能体软件标杆应用，到2030年推动软件和信息技术服务业向全球价值链高端迈进。2025年我国软件行业整体营收已达15.48万亿元。方案特别提出培育通用、垂直、工业等各类智能体软件，建设智能体应用商店和技能包资源库。
“智能体软件应用商店”和“技能包资源库”这两个提法值得反复琢磨。它们意味着政策制定者已经不再把AI看作一个单一的技术赛道，而是把它当作一种软件产业的基础设施来规划。换句话说，智能体不是大模型公司的专利，而是每一个软件企业、每一家营销服务商都要面对的产业命题。DeepSeek V4.1 Flash上线国家超算互联网，国家超算互联网已接入30余家算力中心、近70种规格算力资源，AI社区汇集1800余款开源大模型——这些动作都在说明同一个趋势：AI的底层能力正在被基础设施化，而应用层的竞争才刚刚开始。
营销组合模型：AI正在进入广告的决策中枢
如果说大模型公司的盈利是供给端的信号，那么谷歌将AI引入营销组合模型则是需求端的转折点。IAB更新年度展望，将今年广告支出增长预测从1月的9.5%上调至12.3%。预测增长最大的板块是社交媒体和CTV，分别上调1.9%和1.8%，商业媒体以1.5%的增幅位列第三——部分原因正是AI在发现与购买之间架起了桥梁。
营销组合模型是广告预算分配的核心工具。它试图回答一个看似简单实则极其复杂的问题：每一块钱的广告费，到底贡献了多少销售额？传统MMM依赖统计学方法，数据滞后、颗粒度粗、归因困难。谷歌把AI引入MMM，本质上是让模型处理能力从“事后归因”升级为“实时优化”。当AI可以更快、更细、更准地计算渠道贡献，广告主对预算分配的决策周期就会缩短，对投放效果的追问就会更频繁。
这对营销团队意味着什么？以前，一份季度归因报告可以解释一次预算调整。现在，AI赋能的MMM可能在几周甚至几天内就给出重新分配的信号。市场部必须从“看报告做决策”转变为“读信号调策略”。那些仍然依赖经验判断和年度框架做预算的企业，会越来越难以应对一个被AI加速的决策节奏。
谷歌在欧盟遭遇的DMA合规调整从另一个侧面印证了数据与归因的重要性。谷歌被要求在其他专业搜索引擎建议之后才展示自己的赞助结果，且不得展示实时动态定价。谷歌称这是“其29年搜索历史上服务质量最大的一次下降”。无论谷歌如何表态，这件事的核心在于：平台对数据和流量的控制力正在被监管力量削薄，而广告主的归因能力和跨平台数据整合能力会因此变得更加关键。
组织层面的真实挑战
把这些信号放在一起看，企业面临的不是“要不要用AI”的问题，而是“AI已经把行业推向哪里，我的组织能不能跟上”的问题。政策在推智能体软件，大模型公司在商业化，平台在重构归因工具，广告支出在回暖——四股力量同时作用，形成了一个不可逆的加速度。
第一个挑战是能力断层。大多数中国企业的营销团队既没有AI原生的人才储备，也没有把AI纳入日常工作流的制度设计。AI工具的应用仍然停留在个人试用层面，缺乏组织级的流程再造。当竞争对手开始用AI-MMM做实时预算调整时，还在用Excel做月度投放复盘的企业会被迅速拉开差距。
第二个挑战是数据债务。AI的决策质量取决于数据的完整性和可用性。企业如果连跨渠道的数据打通都没做好，再先进的AI工具也只能在碎片化的数据上做低质量推断。智谱和Anthropic的API收入之所以增长快，是因为客户有明确的数据接口和调用场景。企业的数据基础设施越弱，AI能够撬动的增长杠杆就越短。
第三个挑战是认知惯性。很多决策者仍然把AI当作“降本工具”，而忽略了它在收入端的价值。IAB的数据显示，商业媒体的增长部分得益于AI在发现与购买之间架桥。这意味着AI不只是让投放更便宜，而是让转化链路更短、更顺。企业如果只算成本账，不算增长账，就会在资源配置上做出错误取舍。
来自胖东来的一个反向启示
这次监测中有一条看似与AI无关的信息，其实隐藏着一个重要的组织逻辑。胖东来宣布新员工施行四年合同制、不再续签，部分适合带教的人员可转为“培训师傅”不受四年规则束缚。这个制度设计看似严苛，本质上是在解决一个长期被忽视的问题：组织的人才迭代效率。
四年合同、不续签，意味着员工必须在有限时间内证明自己的价值，同时组织也必须在有限时间内完成对新人的培养和筛选。这迫使企业把“培养能力”本身变成了一项核心能力。放到AI语境下看，这个逻辑同样成立：当AI工具快速迭代、岗位技能半衰期急剧缩短，企业的组织能力建设必须从“招聘现成人才”转向“持续培养与筛选”。胖东来的选择或许不适合所有行业，但它揭示了一个残酷的现实：在一个加速变化的时代，组织的学习速度决定了它的生存概率。
决策者该做什么
第一件要做的事，是把AI从“技术采购”重新定义为“商业决策”。企业不应该先问“买哪个大模型”，而应该先问“我的增长瓶颈在哪里，AI能在哪个环节产生可量化的改变”。Anthropic和智谱的收入结构已经说明，API和平台化服务才是AI商业化的主要形态。企业应该以场景为入口，而不是以模型为入口。
第二件事，是建立一个可以支撑AI决策的数据底座。这不是一个技术项目，而是一个管理项目。CMO需要和CIO坐在同一张桌子上，把跨渠道的投放数据、交易数据、用户行为数据梳理清楚。数据不打通，AI-MMM就只是换了皮肤的传统报表。
第三件事，是重设团队的学习节奏。工信部已经在推智能体软件的产业标准，意味着未来三年内，智能体工具会像今天的Excel和PPT一样进入企业的日常运营。营销团队需要专门的AI工具培训机制和时间预算，而不是靠员工自发摸索。胖东来的四年合同制提醒我们：组织必须有意识地为人才迭代留出空间。
一个明确判断
AI正在从营销行业的“话题”变成营销行业的“基础设施”。Anthropic的盈利、智谱的融资、工信部的政策、谷歌的MMM升级，这些事件彼此独立，却共同指向一个结论：AI的商业化拐点已经到来，而营销是企业端最先感受到这个拐点的领域。企业决策者不需要再讨论“AI重不重要”，需要回答的是“我的组织有没有准备好在AI加速的商业环境里做出更快的决策”。这个问题的答案，将决定未来三年品牌增长的底层逻辑。