返回首页

Bottom line

蒸馏本身不是 2026 AI 收入的主引擎，除非假设出现百万亿级 teacher token 采购。

用 Claude 或 GPT 生成蒸馏数据，单个模型从几十美元到几百万美元都可能，取决于任务窄宽和 teacher 输出 token 规模。常见 task-specific 或行业 copilot 蒸馏只需要 1万到10万条高质量样本，API 成本通常是百到千美元；面向通用小模型或模型家族，成本可上到 10万到数百万美元；只有用闭源 teacher 生成 1万亿级输出 token，才会进入千万美元级。

即便把全世界模型厂商都纳入，合理中枢仍是 OpenAI/Anthropic 收入的低个位数以下。蒸馏可以是高毛利、敏感、战略性的 API 用途，但很难解释 Bloomberg/Exponential View 所称 2026 年全球 AI 年化收入约 1700 亿美元的大头。

$100-$2k10k-100k 条行业/任务蒸馏，Sonnet 或 GPT-5.4 标准价量级。
$0.1m-$3m10B-100B teacher 输出 token 的较大模型家族蒸馏。
$16m-$33m每 1T 输出 token，按 Sonnet 4.6 或 GPT-5.5，输入 token 约输出一半。
<1%现实/偏积极情景下，占全球 AI 年化收入或 OpenAI+Anthropic 收入的更可能区间。

Pricing inputs

官方 API 价格是成本模型的硬约束

输出 token 是蒸馏成本主项。Batch 通常可打 5 折，企业私价可能更低。

Teacher输入 $/1M token输出 $/1M tokenBatch备注来源
OpenAI GPT-5.5$5.00$30.00标准价 50% 折扣最贵主力假设，适合复杂代码/专业任务。OpenAI pricing
OpenAI GPT-5.4$2.50$15.00标准价 50% 折扣与 Claude Sonnet 输出价相同，输入更低。OpenAI pricing
Anthropic Claude Opus 4.8/4.7/4.6$5.00$25.00$2.50 / $12.50高质量 teacher；Opus 4.7+ tokenizer 对同文本可能多至 35% token。Anthropic pricing
Anthropic Claude Sonnet 4.6/4.5$3.00$15.00$1.50 / $7.50报告默认中枢 teacher。Anthropic pricing
Anthropic Claude Haiku 4.5$1.00$5.00$0.50 / $2.50适合初筛、改写、简单标签，不适合作为最强 reasoning teacher。Anthropic pricing
公式：成本 = 输入百万 token × 输入单价 + 输出百万 token × 输出单价。蒸馏通常输出更长，所以输出价格决定总成本。

Per-model economics

蒸馏一个模型大概需要多少数据、花多少钱

这里估的是 teacher API 生成数据成本，不含学生模型训练、评测、人类审阅、RL、数据清洗和部署。

默认换算：Claude Sonnet 4.6 = $3/M input + $15/M output；GPT-5.4 = $2.5/M input + $15/M output；GPT-5.5 = $5/M input + $30/M output。
目标典型数据量teacher token 假设Sonnet 4.6 成本GPT-5.4 成本GPT-5.5 成本判断
窄任务分类/抽取/路由5k-20k 条1.5M-6M input；0.5M-2M output$12-$48$11-$45$23-$90几乎不是成本问题，关键是样本覆盖和评测。
行业 QA / 内部 copilot / Text2SQL10k-100k 条5M-50M input；8M-80M output$135-$1,350$133-$1,325$265-$2,650多数企业项目落在这档；Batch 后可约减半。
Alpaca 级 instruction tuning约 52k 条约数千万 token数百美元数百美元低千美元Stanford Alpaca 官方披露 52k 样本生成成本低于 $500，训练 7B 低于 $100。
Orca 级 explanation tuning百万到 600万条1B-6B output；0.5B-3B input$16.5k-$99k$16.3k-$97.5k$32.5k-$195k数量大但仍远低于从零训练；历史 GPT-4 单价更高，当前价更低。
模型家族/多语种/代码 SLM10B-100B output token输入约输出 50%$165k-$1.65m$162.5k-$1.625m$325k-$3.25m开始有预算感，但对模型厂商仍是小票。
闭源 teacher 预训练级合成语料1T output token500B input；1T output$16.5m$16.25m$32.5m极端档。若用 Batch 或私价，账单可低很多；若用 Opus 约 $27.5m/T output。

工程结论：蒸馏的瓶颈通常不是 API 账单，而是数据设计、去重、覆盖、评测、学生模型训练和合规。对模型厂商来说，拿闭源 teacher 买 10B-100B token 是可承受的；拿 1T+ token 反复做，才会变成可见预算项。

Revenue attribution

如果全世界模型厂商都蒸馏 Claude/GPT，收入里有多少是蒸馏？

答案取决于“全世界模型厂商”到底买多少 teacher token。下表按年度 teacher 采购量反推收入占比。

情景年度 teacher 用量假设对应 teacher 收入占全球 AI 年化收入 $170B占 OpenAI+Anthropic ARR $72B解释
保守现实总计 0.1T output + 0.05T input$1.6m-$3.3m<0.01%<0.01%大量创业公司和企业只做窄任务蒸馏，账单很小。
模型厂商普遍采用100 家 × 2 次/年 × 10B output；总计 2T output + 1T input$33m-$65m0.02%-0.04%0.05%-0.09%这已经假设每家都做较大型模型家族蒸馏。
非常积极200 家 × 5 次/年 × 100B output；总计 100T output + 50T input$1.6B-$3.3B1.0%-1.9%2.3%-4.5%这是能在收入里被看见的档位，但要求极高 token 采购和频繁重做。
解释 10% 全球 AI 收入需要约 0.5Q-1.0Q output token/年约 $17B10%24%很难成立：要接近百万亿级输出 token，且多数需来自付费闭源 teacher。
解释 10% OpenAI+Anthropic 收入需要约 0.2Q-0.44Q output token/年约 $7.2B4.2%10%理论上比上一档低，但仍需巨量、持续、非折扣 teacher token。
区间低端按 Sonnet/GPT-5.4 约 $16.3m-$16.5m 每 1T output 估算，高端按 GPT-5.5 约 $32.5m 每 1T output 估算；输入 token 取输出的一半。Q = quadrillion tokens，百万亿 token。

归因判断

  • 对全球 AI 收入：蒸馏大概率是小项，合理中枢低于 1%。全球收入中更大的部分来自 ChatGPT/Claude 订阅、企业 seat、API 生产推理、coding agent、云上模型服务和行业工作流。
  • 对 OpenAI/Anthropic：如果只看 API/enterprise token 收入，蒸馏可能是一个有战略意义的隐藏类别，但在合理情景下仍更像低个位数，而不是 20%-50% 的主因。
  • 对 Anthropic：Claude Code、企业 agent、Bedrock/Vertex/Azure 分发才是披露和报道里反复出现的增长主线。竞品蒸馏可能存在，但不是公开证据能支撑的主叙事。
  • 对 OpenAI：官方称月收入约 $2B、企业超过 40%、API 每分钟处理超过 15B token。即使一部分 API 被用于蒸馏，消费、企业和生产推理仍是更可验证的大头。

Claim audit

对“百亿美元蒸馏税”长文的重新验证

长文方向上抓住了蒸馏和合成数据的重要性，但把若干弱证据、错误算术和不可合规假设串成了过强结论。

长文断言核验结果修正判断
2026 Q1 全球 AI 收入 $25B，超过 $21B 折旧。基本成立，但 Bloomberg/Exponential View 口径是 excluding China，不是“非中美区”；检索结果还显示这是连续第二个季度超过折旧，并非严格意义的“首次”。可作为宏观背景，但不能直接推出蒸馏收入占比。
DeepSeek-R1 蒸馏用了约 80 万样本，60 万 reasoning + 20 万 non-reasoning。成立。DeepSeek-R1 论文 B.3.3/B.4.3 写明约 600k reasoning、约 200k non-reasoning，distillation fine-tune 使用 800k 数据。这是优秀蒸馏案例，但 teacher 是 DeepSeek 自家 R1/RL pipeline，不是公开证据显示向 Claude/GPT 付费。
80 万样本、1500 input/4000 output，生成 88 亿 token，API 成本 $25,800。算术混乱。80万 × (1500+4000) = 44亿 total token，不是 88亿；若按 Sonnet batch $1.5/M input、$7.5/M output，则 12亿 input + 32亿 output 成本约 $25,800，这个成本数字能对上，但 token 总量写错。成本可用，但必须明确是“若用 Claude/GPT batch 复刻”的反事实估算，不是 DeepSeek 实际付费。
蒸馏 70B SOTA 端到端只要 3-4 万美元。对特定 SFT 蒸馏可能近似，对“打造 SOTA 基础模型”过度简化。这不含数据设计、拒绝采样、多轮 RL、评测、人类审阅、失败实验和基础模型预训练成本。更稳妥说法：在已有开源 base model 上做一次 80万样本级 SFT 蒸馏，API+单次训练可到数万美元；完整模型研发不是这个数。
Anthropic/OpenAI API 收入中 20%-30% 来自合成数据/蒸馏。未被验证。未找到公开披露或可信第三方直接给出这一用途占比；Menlo/Gartner 类材料即便证明合成数据增长，也不是 OpenAI/Anthropic API 账单用途分布。只能作为高压情景假设。基准仍应低于 1%，激进情景可讨论 1%-5%；20%-30% 需要专门证据。
Anthropic 公开指控 MiniMax/Moonshot/DeepSeek 通过 Hydra Cluster、2.4 万欺诈账户、1600 万次 API 交互蒸馏 Claude。未验证。多轮精确搜索没有找到 Anthropic 官方公告或主流报道；该断言细节极强，不能在缺来源时引用。应删除或标注为未经证实传闻。用它推导收入归因不可靠。
全球模型厂商都合规购买 Claude/GPT 来蒸馏竞品模型。合规假设不成立。OpenAI Services Agreement 限制“except for a Permitted Exception, use Output to develop AI models that compete with OpenAI”；Anthropic 商业条款限制 access Services to build competing product/service, including to train competing AI models。企业可用输出做自身应用、分类器、OpenAI fine-tuning 等许可用途；训练竞争性基础模型通常不是默认合规用途。

因此，谁更准：长文在“蒸馏拉低应用成本”的技术经济方向上更激进、更故事化；本报告在“收入归因”上更准。百亿美元蒸馏税不是不可能的上限情景，但目前证据不足，不能作为基准结论。

AI economy context

Bloomberg/Exponential View 的 2026 收入口径怎么用

用户给出的数字基本可对上 2026-06-25 Bloomberg 对 Exponential View 研究的报道。

搜索核验显示，Bloomberg 报道的核心口径是：2026 年 Q1 全球 AI sales/revenue（不含中国）约 $25B，超过约 $21B 的季度数据中心和 AI 芯片折旧，且已是连续第二个季度超过折旧。相关报道还提到过去 12 个月 AI 收入约 $110B，当前年化 run-rate 约 $170B-$175B。

这个拐点说明 AI 商业化已经开始覆盖硬件折旧，但不能直接推出“蒸馏贡献很大”。折旧比较的是整个 AI 经济的收入与基础设施资本成本；蒸馏只是 teacher API 的一种用途，而且通常是一次性或批处理式数据生成，不是每天按终端用户持续消耗的生产推理。

我的基准结论：把“全世界模型厂商都在蒸馏 Claude/GPT”作为假设，可以把 OpenAI/Anthropic 增量 API 收入抬高到千万到几十亿美元级；但要解释全球 AI 年化收入的 10%，需要约 $17B teacher API 收入，对应数百到上千万亿输出 token，证据和经济动机都不足。

Evidence

关键来源与可信度

优先使用官方价格页、公司公告和一手研究；私营公司收入用 run-rate 表示，需等 S-1 或审计口径验证。

可信度折扣

OpenAI 和 Anthropic 的 run-rate 是高速增长私营公司口径，不等于 GAAP 全年收入。Bloomberg/Exponential View 的全球 AI 收入是估算，不是统一会计口径。蒸馏占比没有公司披露，本文只能用 token 单价和使用量情景反推。