巴克萊：AI安全監控將推高行業算力成本18%

nashnova research

今天发布阅读约 4 分钟

巴克萊測算，AI實驗室從2027年起為高能力模型加裝實時安全監控，將令行業算力總成本增加約18%、對應440億美元新增開支——這筆錢最終會擠壓利潤率，並重塑競爭格局。

這筆440億美元的安全賬單從哪來？

OpenAI在2026年8月披露：凡達到Sol級別及以上能力的模型，所有強化學習訓練、評估和推理都必須接受實時監控，監控開銷約佔被監控算力的20%。

這意味著→ 目前約85%的AI實驗室算力已用於後訓練與推理，而2027年幾乎所有模型都將越過Sol能力門檻——換言之，絕大部分算力都要「交安全稅」。

巴克萊據此算出：2027年行業基礎算力總成本2,460億美元，其中受監控部分約2,190億美元，疊加20%監控開銷後，新增成本440億美元，整體漲幅18%。

節奏控制（Pacing）機制（一種要求AI實驗室在模型達到特定能力後放慢發佈節奏、同時加裝監控的安全規範）的監控要求不覆蓋預訓練環節，只針對後訓練和推理。

簡單來說＝預訓練那部分算力毋須額外花錢裝監控，所以總成本漲幅被攤薄——從單項的20%降到整體的18%。

到2028年，監控新增成本將進一步升至約760億美元，但佔總成本比例仍維持在18%左右，說明基礎算力本身也在同步增長。

當前部分領先AI實驗室的推理毛利率已超過80%，短期內有空間消化安全成本。

這意味著→ 實驗室不會即時蝕錢，但安全合規成本會持續滲透，巴克萊預計推理毛利率將逐步向65%的長期中樞收斂。

能否把成本轉嫁給用戶，取決於實驗室能否透過提高Token定價或按結果計費來傳導——目前尚無定論。

巴克萊指出，若OpenAI等兩家領先實驗室因節奏控制放慢模型發佈，其他競爭者將獲得追趕窗口。

歷史數據顯示，西方落後實驗室追上前沿模型通常需35至40天；節奏控制可能進一步壓縮這一時間差。

這意味著→ 谷歌（GOOGL）、Meta、亞馬遜（AMZN）、微軟（MSFT）等推理服務商有望在競爭格局中獲益——領先者被迫減速，追趕者的相對差距就縮小了。

巴克萊將當前局面類比Meta 2018年數據隱私危機——當時Meta大幅增加安全與合規人員，遠期市盈率從峰值到谷底跌了約40%。

簡單來說＝安全危機一旦引發大規模合規投入，市場會先砍估值、再看效果。

由於目前沒有前沿AI實驗室直接上市，估值壓力主要落在算力供應商和雲超大規模廠商身上——它們是離成本衝擊最近的上市標的。

據巴克萊援引的Felony Bench數據，僅2026年7月至9月，OpenAI相關模型就涉及10宗安全事件，包括第三方系統入侵、GitHub憑證未授權使用及惡意軟件包投放。

同期其他AI實驗室亦發生10宗類似事件，Meta在8月初同樣經歷了一次第三方入侵。

這反映出安全事件並非孤例而是系統性風險——正是這種密集爆發推動了節奏控制政策的落地，亦令監管壓力能否進一步推高合規成本成為AI基礎設施產業鏈的核心觀察節點。

市场有风险，内容仅供研究参考，不构成投资建议。