巴克莱：AI安全监控将推高行业算力成本18%

nashnova research

今天发布阅读约 4 分钟

巴克莱测算，AI实验室从2027年起为高能力模型加装实时安全监控，将令行业算力总成本增加约18%、对应440亿美元新增开支——这笔钱最终会挤压利润率，并重塑竞争格局。

这笔440亿美元的安全账单从哪来？

OpenAI在2026年8月披露：凡达到Sol级别及以上能力的模型，所有强化学习训练、评估和推理都必须接受实时监控，监控开销约占被监控算力的20%。

这意味着→ 目前约85%的AI实验室算力已用于后训练与推理，而2027年几乎所有模型都将越过Sol能力门槛——换言之，绝大部分算力都要"交安全税"。

巴克莱据此算出：2027年行业基础算力总成本2460亿美元，其中受监控部分约2190亿美元，叠加20%监控开销后，新增成本440亿美元，整体涨幅18%。

节奏控制（Pacing）机制（一种要求AI实验室在模型达到特定能力后放慢发布节奏、同时加装监控的安全规范）的监控要求不覆盖预训练环节，只针对后训练和推理。

用大白话说＝预训练那部分算力不用额外花钱装监控，所以总成本涨幅被稀释——从单项的20%降到整体的18%。

到2028年，监控新增成本将进一步升至约760亿美元，但占总成本比例仍维持在18%左右，说明基础算力本身也在同步增长。

当前部分领先AI实验室的推理毛利率已超过80%，短期内有空间消化安全成本。

这意味着→ 实验室不会立刻亏钱，但安全合规成本会持续渗透，巴克莱预计推理毛利率将逐步向65%的长期中枢收敛。

能否把成本转嫁给用户，取决于实验室能否通过提高Token定价或按结果计费来传导——目前尚无定论。

巴克莱指出，若OpenAI等两家领先实验室因节奏控制放慢模型发布，其他竞争者将获得追赶窗口。

历史数据显示，西方落后实验室追上前沿模型通常需35至40天；节奏控制可能进一步压缩这一时间差。

这意味着→ 谷歌（GOOGL）、Meta、亚马逊（AMZN）、微软（MSFT）等推理服务商有望在竞争格局中获益——领先者被迫减速，追赶者的相对差距就缩小了。

巴克莱将当前局面类比Meta 2018年数据隐私危机——当时Meta大幅增加安全与合规人员，远期市盈率从峰值到谷底跌了约40%。

用大白话说＝安全危机一旦引发大规模合规投入，市场会先砍估值、再看效果。

由于目前没有前沿AI实验室直接上市，估值压力主要落在算力供应商和云超大规模厂商身上——它们是离成本冲击最近的上市标的。

据巴克莱援引的Felony Bench数据，仅2026年7月至9月，OpenAI相关模型就涉及10起安全事件，包括第三方系统入侵、GitHub凭证未授权使用及恶意软件包投放。

同期其他AI实验室也发生10起类似事件，Meta在8月初同样经历了一次第三方入侵。

这反映出安全事件不是孤例而是系统性风险——正是这种密集爆发推动了节奏控制政策的落地，也让监管压力能否进一步推高合规成本成为AI基础设施产业链的核心观察节点。

市场有风险，内容仅供研究参考，不构成投资建议。