AI中转站创业首月公开账本：29万流水仅赚1.6万

引言：一场透明的创业实验

在AI浪潮下，"AI中转站"（即API聚合转发服务）成为不少技术创业者尝试的赛道。所谓AI中转站，本质上是一个API网关或代理服务，它在用户与大模型提供商（如OpenAI、Anthropic、Google等）之间充当中间层。用户无需分别注册各家模型服务商的账号、处理海外支付和网络访问问题，只需通过中转站的统一接口即可调用多种大模型。中转站通常以OpenAI兼容的API格式对外提供服务，内部则将请求路由到不同的上游模型提供商。

从技术架构上看，AI中转站的底层通常基于反向代理（Reverse Proxy）模式。用户发送的API请求首先到达中转站的网关层，网关负责身份认证、计费、限流等功能，然后将请求转发到上游模型提供商。主流的开源实现方案包括基于Nginx/OpenResty的网关、Go语言编写的自定义代理服务，以及基于One API等开源项目的二次开发。中转站还需要处理请求格式转换——例如将统一的OpenAI兼容格式转换为Anthropic或Google的原生API格式，这种协议适配层是中转站的核心技术组件之一。此外，为了保证服务稳定性，中转站通常会实现多上游负载均衡、故障自动切换（Failover）和请求重试机制。

这类服务在中国市场尤其有需求，因为许多海外AI服务存在地区访问限制和支付壁垒，中转站解决了"最后一公里"的可达性问题。具体而言，AI中转站在中国市场的繁荣有其特殊的结构性原因：首先，OpenAI、Anthropic、Google Gemini等主流海外AI服务均未在中国大陆正式运营，用户面临网络访问限制；其次，这些服务通常要求绑定海外信用卡（Visa/Mastercard）进行支付，而中国用户更习惯使用支付宝、微信支付等本地支付方式；第三，部分服务对中国IP地址有封禁策略，直接使用可能导致账号被封。中转站通过在海外部署代理节点、统一采购API额度、提供人民币支付通道，一站式解决了这三个痛点。这种模式类似于早期的海淘代购服务——本质上是跨境服务的本地化中间商。

一位B站UP主团队运营AI中转站满一个月后，选择公开所有收支明细，用真实数据展示这门生意的真实面貌。

结论先行：三人团队，首月总收入28.9万元，账面利润仅1.67万元，人均不到6000块——甚至不如送外卖。

但事情真的这么简单吗？让我们拆解这份账本背后的商业逻辑。

AI中转站收支全景：钱从哪来，花到哪去

收入端：首月流水近29万

首月总收入为 289,456元人民币。对于一个刚上线一个月的AI中转站来说，近29万的流水已经说明市场需求是真实存在的。用户通过中转站调用各类大模型API，中转站从中赚取差价。

大模型API通常按Token数量计费——Token是大语言模型处理文本的最小语义单元，由分词器（Tokenizer）将原始文本切分而成。大约每750个英文单词或400个中文字符对应1000个Token。值得注意的是，不同模型使用不同的分词算法——OpenAI使用tiktoken（基于BPE算法），Anthropic和Google各有自己的分词方案，这导致同一段文本在不同模型下的Token数量可能不同。更重要的是，大模型API通常对输入Token和输出Token分别计价，且输出Token的价格通常是输入Token的2-4倍，因为生成文本比理解文本消耗更多的计算资源。此外，部分模型还区分缓存命中（Cached）和非缓存的输入Token价格，缓存命中时价格可低至原价的十分之一。

不同模型的定价差异巨大：以OpenAI为例，GPT-4o的输入价格为每百万Token 2.5美元，而GPT-3.5 Turbo仅为0.5美元。中转站的商业模式就是以略高于成本的价格向用户收费，赚取中间差价。由于不同模型的利润空间不同，中转站需要在定价时考虑这些复杂的计费维度，精细管理各模型的定价策略和流量分配，才能在保持竞争力的同时维持利润。

支出端：API调用成本吃掉95%收入

总支出 272,729元，具体构成如下：

• API耗费（模型调用成本）：259,694元——占总支出的95%以上，这是绝对的大头
• IT基础设施：3,608.6元——包括域名、服务器、代理服务器等
• 代理记账费用：5,000元（年付）
• 营销推广：4,300元——测试了广告投放，效果接近于零

最触目惊心的数字是：赚了28万，光API调用就花掉了25万。这意味着AI中转站本质上是一个"薄利走量"的生意，模型调用成本几乎吃掉了所有收入。薄利走量（High Volume, Low Margin）是零售和平台型业务的经典模式，类似于云计算领域的CDN服务商或带宽转售商。在这种模式下，单笔交易的利润极低，但通过巨大的交易量来积累总利润。规模效应在此至关重要：当调用量达到一定规模后，中转站可以向上游模型提供商争取批量折扣或企业级定价，从而降低单位成本。同时，固定成本（服务器、域名、人力）被更大的交易量摊薄，边际利润率会逐步提升。

利润率深度分析：从5%到21%的真相

账面利润率：仅5.78%

按最直接的计算：16,726 ÷ 289,456 ≈ 5.78%。三个人分，每人月入约5,500元。UP主自嘲道："当前全国外卖员月均收入在7000到8500之间，我们可能还不如去送外卖。"

修正后利润率：约21%

但账面数字存在失真。在财务分析中，区分一次性成本（One-time Cost）和经常性成本（Recurring Cost）对于评估业务的真实盈利能力至关重要。一次性成本在首月被全额计入，但实际上应分摊到全年甚至更长的周期；经常性成本则是每月都会发生的支出。将一次性成本全部压在首月，会严重低估业务的实际利润率。

团队指出了几个关键修正因素：

1. 域名一买就是一年，服务器按两三个月付费，代理记账也是年付——这些成本被一次性计入了首月，正确的做法是按月分摊
2. API池子尚未耗尽，还有约4万元的预充值余额在持续为用户服务。在会计上，预充值余额属于预付资产（Prepaid Asset），而非已消耗的费用。将全部充值金额计入当月支出，相当于把未来数月的成本提前确认，导致当期利润被低估
3. 前期测试浪费了数万元的API调用费用，属于不可复现的一次性试错成本，不应作为常态运营成本来评估

修正后，实际利润约为 60,726元，利润率达到 20%-21%。这一修正使得业务的真实盈利能力得到了更准确的呈现。

商业模型反思：30%利润率才是健康线

团队预期的目标利润率是 30%，这个数字并非随意设定，而是基于行业经验的平衡点。在经济学中，这涉及到"竞争均衡利润率"的概念，背后有清晰的商业逻辑：

• 低于30%：利润太薄，难以覆盖持续的运维成本和客户服务投入，生意难以为继。30%的毛利率实际上还需要覆盖人力成本、客户服务、技术维护、合规风险等隐性支出，最终的净利率可能只有10%-15%
• 高于30%：超额利润会吸引大量竞争者涌入，价格战不可避免。AI中转站的技术门槛相对较低，一个有经验的开发者几天内就能搭建起基础服务，这意味着进入壁垒很低，超额利润难以长期维持

从产业经济学的角度来看，AI中转站赛道的竞争格局可以用"可竞争市场理论"（Contestable Market Theory）来理解。该理论指出，即使市场中现有参与者较少，只要进入壁垒足够低，潜在进入者的威胁就足以将利润率压低到接近竞争均衡水平。GitHub上有多个成熟的开源项目（如One API、New API等）可以直接部署，一个熟练的开发者在一两天内就能搭建起基本可用的服务。真正的壁垒不在技术层面，而在于运营层面：稳定的上游API供应渠道、良好的服务可用性记录（SLA）、完善的客户支持体系、以及长期积累的用户信任。这些软性壁垒需要时间和投入来构建，也是区分"能活下来"和"活不下去"的关键因素。

UP主坦言："不可能你一个人独自吃完这个行业。"这是对AI中转站赛道竞争格局的清醒认知。类似的逻辑在云服务转售、支付通道、流量分发等领域都有体现——30%的利润率是一个"既能好好服务客户，又不至于引来过度竞争"的平衡点。

目前21%的实际利润率与目标仍有差距，主要原因在于首月的试错成本。随着运营经验积累、测试浪费减少，利润率有望向30%靠拢。

几个值得关注的信号

营销投放几乎无效

4,300元的广告投放"效果几乎为零"，这在技术工具类产品中并不罕见。AI中转站的目标用户是开发者和技术爱好者，这个群体对传统广告天然免疫，但对技术社区中的口碑推荐高度敏感。有效的获客渠道通常包括：GitHub开源项目的README推荐、技术论坛（如V2EX、掘金）的用户分享、Telegram/Discord技术群组的口碑传播，以及B站/YouTube等平台的技术内容营销。

UP主选择在B站公开账本本身就是一种高效的内容营销策略——通过透明度建立信任，吸引潜在用户和合作者。这种"内容即获客"的模式远比付费广告更适合技术社区，对后来者是一个重要的经验教训。

API成本结构极度集中

API调用成本占比超过95%，这意味着：

• 与上游模型提供商的议价能力至关重要——大模型厂商通常为大客户提供阶梯定价，调用量越大，单价越低。部分厂商还提供承诺用量折扣（Committed Use Discounts），类似于云计算的预留实例定价
• 用量越大，越有可能拿到更低的调用价格——这形成了一个正向飞轮：更低的成本→更有竞争力的定价→更多用户→更大的调用量→更强的议价能力
• 规模效应是这门生意的核心壁垒之一——小型中转站难以在成本上与大型玩家竞争，这也解释了为什么首月规模尚未达到成本优化的临界点时，利润率会偏低

规模效应在API转售业务中的体现非常具体。以OpenAI为例，其企业级定价（Enterprise Tier）相比标准定价可以有显著折扣，但需要达到一定的月消费门槛。此外，部分模型提供商提供批量处理API（Batch API），价格仅为实时API的50%，但需要接受更长的响应延迟。大型中转站可以将非实时性要求的请求路由到Batch API，从而大幅降低成本。同时，规模还带来技术层面的优化空间：通过智能路由算法，中转站可以根据请求特征（如模型类型、响应时间要求、Token数量）动态选择最优的上游通道，在多个供应商之间进行成本套利。这种精细化的流量调度能力，是小型中转站难以复制的竞争优势。

创业的真实温度

三个人忙活一个月，账面人均5000多元。即便按修正后的利润算，人均也就2万出头。考虑到创业的时间投入和风险，这个回报在初期并不算丰厚。但团队的态度是"第一个月，再接再厉"——创业本就是一个逐步优化的过程。

值得注意的是，AI中转站业务具有较强的边际成本递减特性：核心技术架构搭建完成后，服务更多用户的增量成本主要集中在API调用本身，而人力和基础设施成本不会线性增长。这意味着如果流水能从29万增长到100万甚至更高，利润率和人均收入都有显著提升空间。从长期发展路径来看，成功的中转站往往会向上下游延伸：向上，通过自建模型推理集群（使用开源模型如Llama、Qwen等）来降低对第三方API的依赖；向下，通过提供增值服务（如对话管理、Prompt优化、使用分析仪表盘）来提升客单价和用户粘性，逐步从单纯的"管道"角色转型为"平台"角色。这种SaaS化的扩展路径，是中转站从"薄利走量"走向"高附加值服务"的关键演进方向。

总结：高流水、低毛利、重运营

这份公开账本的价值不在于数字本身，而在于它揭示了AI中转站这门生意的本质特征：高流水、低毛利、重运营。它不是一个"躺赚"的生意，而是需要持续优化成本结构、提升运营效率才能跑通的模式。这种业态与电商代运营、云服务转售、CDN分发等中间商模式有着高度相似的商业逻辑——核心竞争力不在于技术壁垒，而在于运营效率、成本控制和客户服务质量。

对于想入局AI中转站的创业者来说，这份数据提供了一个真实的参考基准：首月29万流水、21%的修正利润率、95%以上的成本集中在API调用——这就是这个赛道的真实面貌。能否在这个基础上通过规模扩张降低单位成本、通过精细化运营提升利润率、通过差异化服务建立用户粘性，将决定一个AI中转站能否从"勉强活着"走向"活得不错"。