大模型资本开支挤压利润：字节跳动 AI 投入换增长，海外与电商成为“现金流缓冲器”

在生成式 AI 进入“重资产阶段”的背景下，互联网公司的财务结构正在发生一轮深刻重塑。最新市场消息显示，字节跳动在 2025 年出现净利润同比大幅下滑（超过 70%），但这一“利润换增长”的策略并非孤例，而是 AI 基础设施竞赛中的典型现象。

更值得 AI 技术社区关注的是：利润收缩的另一面，是算力、模型与全球化分发能力的全面加码。

导语：从流量公司到算力公司，利润表开始“失真”

过去十年，互联网公司的核心资产是用户与内容分发效率；而在大模型时代，核心资产正快速转向算力、数据与模型能力。这种迁移直接反映在财务报表上——短期利润承压，长期技术壁垒抬升。

字节跳动 2025 年净利润与利润率显著下滑，核心原因在于其在去年下半年显著加大了 AI 相关投入。这类投入通常集中在几个方向：

• GPU/加速器集群扩建（训练与推理双侧）
• 大模型研发（基础模型 + 多模态）
• AI 原生应用（内容生成、推荐重构、Agent）
• 数据处理与标注体系升级

这些支出在会计上大多以费用形式体现，直接侵蚀利润，但在技术上则构建了下一阶段竞争的“护城河”。

AI 投入的本质：从 CapEx 到“算力订阅制”

如果拆解这轮 AI 投资，可以看到其结构已经不同于传统 IT 投入：

一方面，训练侧进入“超大规模集群”阶段。单次模型训练可能需要数万张 GPU 协同，这对网络拓扑（如高带宽互联）、存储系统（高吞吐 + 低延迟）以及调度系统（如分布式训练框架）提出了更高要求。

另一方面，推理侧成本正在成为新的压力源。随着 AI 功能嵌入到推荐、搜索、电商、广告等核心业务中，调用频次呈指数级增长，推理成本逐渐从“边缘成本”变为“主成本”。这也是为什么越来越多公司开始自研推理优化方案，例如量化（INT8/FP4）、KV Cache 复用、动态批处理等。

从工程视角看，这种模式更接近“算力订阅制”：持续付费换取模型能力与用户体验的提升，而不是一次性资本投入。

海外业务：为 AI 投资“输血”的现金流引擎

值得注意的是，在利润承压的同时，字节跳动的海外收入却在快速增长——2025 年同比接近 50%，显著高于国内约 20% 的增速，收入占比也从 25% 提升至 30% 以上。

这一结构变化，对 AI 战略至关重要：

• 海外市场（尤其是以 TikTok 为核心的生态）具备更高的商业化效率与用户增长潜力
• 更强的现金流能力，可以对冲 AI 投入带来的利润压力
• 多区域数据与用户行为，为模型训练提供更丰富的分布

其中，TikTok Shop 成为关键变量。其 GMV 在 2025 年实现接近 70% 的同比增长，直接拉动了海外收入占比的提升。从技术角度看，电商与 AI 的结合正在加深：

• 推荐系统从传统 CTR 优化，转向“生成式导购”（Generative Commerce）
• 内容生产由人工转向 AI 辅助甚至自动生成（AIGC 商品视频、文案）
• 客服与营销逐步引入 Agent，提高转化效率

这意味着，电商不仅是收入来源，也在反向驱动 AI 技术落地。

利润下滑背后：AI 公司的一致性路径

如果横向观察，可以发现字节跳动的路径与其他头部 AI 玩家高度一致：

• 持续加码基础模型（Foundation Model）研发
• 构建自有算力或深度绑定云资源
• 将 AI 深度嵌入现有产品线（而非独立产品）
• 接受短期利润波动，换取长期技术与生态优势

这种模式的关键在于规模效应：只有当模型调用量足够大，单位推理成本被摊薄后，AI 才能真正转化为利润引擎。

对 AI 工程与产业的启示

对于开发者与工程团队而言，这一趋势释放出几个明确信号：

• 推理优化优先级上升：相比“再训练一个更大的模型”，如何降低每次 inference 的成本正在变得更关键
• 系统工程能力成为壁垒：分布式训练、调度、缓存、数据管线等“非模型部分”决定了整体效率
• 应用层机会依然存在：尤其是在电商、内容、营销等场景，AI 的 ROI 已经开始闭环
• 全球化数据的重要性提升：多区域数据分布有助于提升模型泛化能力

结语：利润不是终点，算力与模型才是

从短期财务指标看，利润的大幅波动可能会引发市场分歧；但从技术演进路径看，这几乎是 AI 时代的“必经阶段”。

当公司从“流量分发平台”转型为“算力与模型平台”，其估值逻辑与竞争维度也随之改变。利润表的波动，某种程度上只是这场范式迁移的副产品。

真正决定未来格局的，将是：谁能以更低成本运行更强模型，并将其嵌入到更高频的真实场景中。