徐新谈大模型亏损：资本耐心与商业化拐点的赛跑

亏损不是终点，商业模式闭环才是关键

知名投资人徐新近日就大模型行业现状发表观点，指出当前阶段企业出现亏损并不可怕，关键在于能否在烧钱过程中逐步看到盈利的希望。这一表态出现在全球AI投资热潮降温、市场开始重新审视商业回报的背景下，引发业内对技术投入与商业落地节奏的再思考。徐新并未在公开信息中披露具体数据或时间表，但其核心逻辑指向一个共识：大模型行业的竞争已从单纯的技术比拼，转向对可持续商业模式的验证。 从行业现状看，大模型企业的亏损普遍源于高昂的算力基础设施投入和研发开支。据公开行业估算，训练一个千亿参数级别的大模型，单次算力成本可达数百万美元级别，但徐新此番言论并未给出具体盈亏平衡点或盈利预测，相关细节有待后续访谈或报告进一步确认。她强调的核心观点是，资本应容忍战略性亏损，前提是企业的造血路径足够清晰。

算力投入高企，行业洗牌加速

大模型赛道的资本开支压力，在算力基础设施层面体现得尤为突出。根据市场研究机构IDC的估计，2025年全球AI服务器市场规模或将在数百亿美元量级，且年增长率维持高位。中国信通院等机构的行业分析也显示，算力需求正从训练端向推理端迁移，这要求企业在芯片采购、数据中心建设上进行前瞻性布局。徐新的表态可能隐含着对头部企业“以投入换规模”策略的认可，但具体资本开支分配方案并未随言论公开。 值得注意的是，尽管亏损是行业普遍现象，但市场对企业的容忍度正在分化。公开财报信息显示，多家美股及港股上市科技公司在大模型相关业务上仍处于战略性投入期，部分企业亏损幅度有所收窄，这为“看到赚钱希望”提供了微观佐证。然而，徐新演讲中未点名任何具体企业，也未提供财务数据，因此哪些公司能率先跨过盈亏平衡线，仍有待市场检验。

从“卷参数”到“卷应用”，商业化路径分化

随着模型能力趋于成熟，行业竞争焦点正从参数规模转向实际应用落地效率。据Gartner预测，到2026年，全球生成式AI市场支出规模或将持续快速增长，年复合增长率保持在较高区间。但这一市场规模能否覆盖现有算力成本，尚未有权威测算。徐新所指的“赚钱希望”，可能更多指向企业级SaaS、智能客服、代码生成等已形成付费意愿的场景，而非仍处于探索期的通用助手。 值得关注的是，芯片与半导体供应链的波动也在影响大模型企业的成本结构。根据半导体行业协会（SIA）的行业统计，全球AI芯片出货量在2025年实现双位数百分比增长，但高端制程产能依然紧张。这意味着即便算法效率提升，硬件成本下降的斜率仍存在不确定性。徐新并未就芯片国产化或供应链安全发表具体建议，但该因素无疑是她判断“盈利希望”的重要宏观变量。

数据参考

• 本次新闻已确认数据：徐新提出“做大模型亏损不可怕，但要能看到赚钱希望”的核心观点，未涉及具体企业、金额或时间表。
• 行业背景参考数据（非本次新闻发布，仅作背景参考）：

1. IDC估算（2025年）：全球AI服务器市场规模达数百亿美元量级，年增长率保持高位。
2. Gartner预测（针对2026年）：全球生成式AI市场支出规模持续快速增长，具体数值以该机构最新报告为准。
3. SIA行业统计（2025年）：全球AI芯片出货量实现双位数百分比增长。
4. 公开财报信息（2025年度）：部分上市科技公司大模型相关业务亏损幅度有所收窄，但盈利时间点暂未明确披露。
5. 行业估算（训练成本）：千亿参数级模型单次训练成本可能达数百万美元，该数值仅为区间估算，精确数据暂缺可核验来源。 #AI #大模型 #算力投资 #AI行业热点