Dylan Patel 在播客中提供了一个框架：将 AI 模型公司视为买电、卖认知的生意。买一兆瓦电的成本是 10-15 百万美元，而 Anthropic 将其转化为最高 5000 万美元的收入。这意味着每花 10 美元推理成本，能产生 50 美元收入，然后可以将利润全部投入训练。

Anthropic 的财务数据验证了这一拐点。2024 年其毛利率为 -94%，即每赚 1 美元要花 1.94 美元算力。到 2025 年毛利率扭转为 40-50%。2026 年收入超过成本，每兆瓦 5000 万美元对 10-15 百万美元成本，Anthropic 实现了首个盈利季度：109 亿美元收入，5.59 亿美元营业利润。5% 的营业利润率远低于兆瓦数学隐含的 70-80% 毛利率，差值被训练和人员开销吃掉。

效率是核心变量。相同智能水平下，计算成本越低，每兆瓦利润越高。GLM-5.3-Flash 在 Artificial Analysis Intelligence Index 上得分 57，与 Claude Opus 4.8 持平，但仅用了 18B 活跃参数，成本降低了 90-97%。更少的活跃参数和注意力计算意味着每兆瓦能产出更多 token。前沿模型本身还在持续攀升——从 37 到 63 的 25 分提升中，一半来自三次 3 分以上的跳跃。高效模型在追赶每个季度都会重置的目标。

每兆瓦利润的最终用途是资助模型工厂。Nvidia 花费 60 亿美元收购 Poolside 并追加 10 亿美元投资，正是基于这一逻辑。模型构建正在工业化：对搜索空间进行数千次实验，而非手工调参。Poolside 的 Jason Warner 总结：模型是产出，持续更快、更高效地构建更好模型的能力才是真正的创新，模型工厂是复利资产。Laguna S 2.1 从启动到发布仅用 52 天。推理利润资助工厂，工厂制造更便宜、更高效的下一代模型。