AI 经济规模长期面临统计难题：供给端数据透明，但需求端实际支付与营收真实性模糊。头部 AI 企业多为私有或未单独披露 AI 收入。
对此，科技分析机构 Exponential View 构建了专属分层收入模型，追溯查证 1000 余家企业原始数据，通过置信度评分与财务交叉验证，确保数据去重及收支不重复计算（按增值额归属）。
该机构近期发布《全球 AI 经济现状》系统性研究报告，基于海外市场数据（不含中国），深入剖析 AI 真实需求、经济规模及价值衡量等核心议题，为理解 AI 对全球经济的影响提供客观依据。
需求：真实、巨大且增长迅猛
过去 12 个月，AI 实际收入达 1100 亿美元；若按上月收入年化推算，规模将达 1750 亿美元。两者 1.6 倍的差距，印证了全球 AI 经济的爆发式增长。
AI 收入的激增源于外部客户的真实需求。这驱动了算力超级循环：计算能力提升 10 倍，新能源发电扩容，数据中心规模化扩张，但任务堆积与供给不足的局面依然存在。
经济体量：规模巨大但仍处早期
即便对于 AI 支出最高的企业，AI 业务在损益表中占比依然较小。当前 AI 技术尚处早期阶段，行业正致力于提升效率与降低成本。
此外，单纯以收入数据衡量可能低估 AI 创造的社会收益，消费者感知的价值尚未完全体现在统计数据中。
资本支出：史上最大规模科技基建迎回报
超大规模及新型云服务商承诺，至 2026 年累计资本支出将达 2 万亿美元。积压订单给收入增长带来偿付压力，这也奠定了数据中心与 Token 生产的融资基调。
Token：AI 经济价值单位的再思考
受智能体（Agent）协同工作强度与密度需求的驱动，Token 使用量年均增长 14 倍。基于 Token 的定价机制凸显了其重要性，便于行业评估消耗产生的收益。
技术链：价值实现的关键路径
技术链正将资本与能源转化为认知能力。AI 收入虽趋于集中，但结构正在演变，模型层与应用层正占据更大份额。
AI 带来的收益显著超越以往任何产业转型。投资决策的核心在于：价格下跌能否带动足够的 Token 使用量，从而实现超过资本支出与运营成本的回报。
