8 月 27 日，OpenAI 在巴西正式启动商业化运营。巴西以周活跃用户计已跻身 ChatGPT 全球三大市场，过去一年用户量近乎翻倍，每天约 2.15 亿条消息涌向硅谷的服务器。其中 35% 与工作相关，这 35% 当中又有 53% 要求 ChatGPT 直接 “完成任务或生成成果”。开发者侧数据更细：自 2026 年初以来，巴西每周使用 Codex 的用户数增长 11 倍以上，每日互动量膨胀近 30 倍，远超 “用户数翻倍” 的总盘，意味着单位用户的智能体调用频次正以数十倍速率提升。
同期港交所的另一份财报读出了同样信号。MiniMax 上半年收入 1.17 亿美元，同比增长 283.1%，已逼近 2025 全年；8 月 ARR 达 8 亿美元，是六个月前 1.5 亿美元的 5.3 倍；企业客户与开发者数量突破 200 万。阿里 2027 财年第一季度资本开支冲到 676.8 亿元，同比增长 75%，并通过新股配售再筹集 800 亿港元，净募资 100% 投入 “全栈 AI 能力”；AI 相关产品收入 123.76 亿元，连续 12 个季度三位数同比增长，ARR 突破 495 亿元。腾讯 Q2 资本开支 527.8 亿元，同比增长 176%，上半年合计 847.2 亿元，已超 2025 全年。
但穆迪 9 月 3 日报告给出了冷色对照：中国头部科技企业资本支出将从 2025 年的约 650 亿美元，增至 2026 至 2027 年的 1400 亿至 1650 亿美元，一年翻番仍 “远低于美国同行”。报告同时指出，中美多家云厂商自由现金流都将由正转负。
中国厂商正在用更少的资本支出，跑出更陡峭的收入曲线。MiniMax 的 B 端收入占比半年内从不足三成跃升至八成，B 端同比增长 703%，C 端增长 101%。模型能力同质化已不是竞争焦点，“谁能率先把模型嵌入客户生产流程” 才是。这解释了阿里港股配售后立刻宣布募资 100% 用于 AI、字节整合团队推出 “豆包工作”、百度 “百度搭子” 一口气发布 15 个行业套件背后的同一种选择：把大模型从 “聊天框里的玩具” 搬进 “会议室和生产线”。
经济学逻辑：资本效率才是新护城河
经济学家罗伯特·索洛那句不满：“你们到处都能看到计算机时代，唯独在生产率统计里看不到。” 这就是反复被引用的 “索洛悖论”。从 PC、互联网到移动互联网，每一次通用技术的扩散都走过 “资本狂欢、估值质疑、价值兑现” 的周期。AI 这一次节奏被压到以季度为单位。
穆迪那两组数字容易引出 “中国 AI 烧钱不可持续” 的结论。但 MiniMax 与阿里同处一坐标系时，故事就反转：单位收入对应的 Token 消耗量，2026 年 7 月已是同年 1 月的 20 倍。这正是 19 世纪威廉·杰文斯所描述的 “杰文斯悖论”，效率提升反而带来总消耗量的增加。当推理成本下降 75%（Claude Fable 5.1 缓存读取成本压到每百万 Token 0.25 美元）、模型能跑 38 小时无人值守的任务（Ramp 的实测），原本 “用不起” 的智能体调用突然 “用得起”，总消耗曲线随之陡升。烧钱并不可怕，可怕的是烧完没留下嵌入业务流程的收入曲线。
自由现金流转负不分国别，是行业普遍现象，也是收获期的前奏。回看 2014 至 2018 年中国云市场，阿里云连续四年资本开支高速增长、自由现金流为负，恰恰是这四年奠定了今天 38.1% 的中国 AI 云份额（Omdia 数据）。所不同的是，那一轮修的是 “机房和带宽”，这一轮修的是 “GPU 和模型”。折旧周期相似，兑现路径也相似。
单位资本支出撬动的收入增量才是胜负手。MiniMax 公开的 ETTR 已达 97%；阿里云外部商业化收入本季度增速 45%，创 22 个季度新高，时隔近 6 年再次同时超过微软 Azure 的 43% 和亚马逊 AWS 的 37%，仅次于 82% 的谷歌云。这是中国头部厂商第一次在云业务增速上正面压制美国同行。
巴西启示：全球 AI 渗透的 “南向时刻”
巴西样本不是孤立事件。RegLab 独立研究估算，到 2030 年 AI 可为巴西经济增加近 1 万亿雷亚尔。OpenAI 没有只发新闻稿，而是做了三件实事：本地团队常驻圣保罗、与 Instituto Tecnológico de Aeronáutica 合作把 ChatGPT Edu 推向高校、与 São Paulo 市政府通过 Prodam 签署备忘录让公共部门用上 AI。这一连串动作的成本远低于在巴西自建数据中心，换来的却是日均 2.15 亿条消息、35% 的工作场景占比、企业版订阅同比五倍增长。
巴西样本最重要的启示不是 OpenAI 又多一个市场，而是揭示了一个被长期低估的事实：新兴市场是 AI 的 “第一批重用户”，不是 “最后目的地”。巴西用户使用 ChatGPT 图像功能的使用率全球第一，是语音和听写功能的全球五大市场之一，而这些 “非文字模态” 恰恰是高带宽、低延迟才能撑起的功能。新兴市场对 AI 的吸收能力可能强于发达市场，原因不复杂：发达市场有大量 “存量软件” 与 “存量流程” 需要兼容改造；新兴市场往往从零起步，AI 可以直接成为基础设施，而不是补丁。
这一逻辑同样适用于中国厂商。MiniMax 上半年海外贡献超过六成收入；智谱把 GLM-5.3-Flash 的推理算力全部交给国产芯片、定价压到 GLM-5.3 的十分之一，这是另一种 “南向策略”，用极致成本优势赢下那些 “什么都需要便宜” 的市场。OpenAI 用本地化拿下巴西，中国厂商用性价比拿下东南亚与拉美的开发者，两条路径本质相同：把 AI 从 “奢侈品” 变成 “水电煤”。
落点：从 “军备竞赛” 到 “兑现竞赛”
OpenAI 巴西样本给出了 “消费端兑现” 的模板：用户数翻倍不够，要看单位用户的工作场景调用频次；企业版订阅增长五倍不够，要看能否进入当地公共部门的采购清单。MiniMax 的数据给出了 “商业模式兑现” 的模板：B 端半年内从三成冲到八成，企业客户 10 倍增长，更重要的是 Token 消耗量 7 个月膨胀 20 倍，证明客户在生产而非试用。穆迪的报告则给出了 “基础设施兑现” 的提醒：单纯烧钱不能保证胜负，但阿里 AI 收入 12 季度三位数增长、ARR 突破 495 亿元，又证明基础设施投入正在被转化为收入现金流。
资本市场的反应印证了切换。当阿里宣布 800 亿港元配售时，股价当日跌超 8%，市场担心股权稀释；但同期的财务数据指向一个被低估的事实：阿里正在用更短的投资回收周期消化这笔投入。吴泳铭给出的指引是 “AI 相关资本投入的预计回收周期正从约 3 年缩短至 2.5 年，有望进一步压缩到 2 年”。这不是不计回报的豪赌，是有节奏的布局。
时间表上：2026 年是基础设施兑现期（资本支出达峰、自由现金流转负），2027 年是产品兑现期（Agent 大规模嵌入办公流程），2028 年是利润兑现期（云厂商重回自由现金流为正）。美国厂商同样会经历这一曲线，Meta Q2 净利润已跌 14%、现金流骤减，正是同一剧本的不同演员。
值得提醒的是，价值兑现并不消除问题。穆迪关于 “中美基础设施差距正在拉大” 的判断，对应的是实实在在的算力账：中国厂商资本支出绝对值仍只是美国头部云厂商的零头。这种差距会以两种方式表现：在最前沿的模型训练上，中国厂商需付出更高的单位成本，GPT-6 Astra 的 1M 上下文与 97.6% 的 FrontierMath 是算力堆出来的；在最敏感的应用场景（生命科学、网络安全的受信任访问），中国厂商可能仍受制于芯片与生态的外部约束。
但差距的存在，不等于悲观叙事的成立。通用技术的扩散从来不是 “中心到边缘” 的简单辐射，而是 “多中心并存” 的复杂生态。OpenAI 需要巴西，正如 MiniMax 需要东南亚；OpenAI 需要本地化，正如智谱需要性价比；OpenAI 需要 ChatGPT Edu 进高校，正如阿里需要 “千问” 进淘宝。本质上，全球 AI 产业正在形成 “中心技术、边缘应用、全球生态” 的多层结构。
我们经历的，更像是这场兑现竞赛的 “中场哨声”。上半场的关键词是 “谁先跑出来”，下半场的问题是 “谁先赚到钱、赚到哪种钱”。潮水的方向已经清楚，剩下的是看谁能在新的水流中站稳。