在過去的一年里，大模型賽道掀起了一場“血拼式”的價格戰(zhàn)，而硝煙并未隨著新年的到來而消散。這場戰(zhàn)爭的邏輯并不復雜：降價是一種市場教育工具，也是一種生存策略，但最終誰能笑到最后，還得看技術(shù)、生態(tài)和用戶的選擇。

就在2024年的最后一天，阿里云宣布了年度第三輪大模型降價，旗下通義千問視覺理解模型的價格降幅超過80%。這并不是孤例。幾周前，火山引擎在Force大會上宣布豆包視覺理解模型輸入價格降至0.003元/千tokens，相當于1塊錢處理284張720P圖片,這種“白菜價”幾乎讓人懷疑利潤空間的存在。而百度智能云更是激進，直接宣布其兩款文心大模型核心產(chǎn)品全面免費開放。

降價并非沒有代價。在這場價格內(nèi)卷中，小玩家的生存空間將進一步被壓縮。對于巨頭而言，降價是為了構(gòu)建生態(tài)壁壘，但對中小型大模型廠商來說，利潤被壓榨、研發(fā)資金不足可能導致技術(shù)迭代乏力，最終只能被迫退出賽道。隨著競爭加劇，價格戰(zhàn)的背后實際上是行業(yè)對生存權(quán)的爭奪。

1

大模型降價：“套路”之下的商業(yè)博弈

如果想看清大模型行業(yè)的降價策略，首先需要拆解其商業(yè)模式。歸根結(jié)底，這是一場圍繞基礎(chǔ)服務(wù)、精細化需求和算力獨占的復雜博弈，而降價只是表象，真正的“套路”藏在細節(jié)中。

根據(jù)目前的市場調(diào)研，大模型廠商的商業(yè)模式可以分為三種：

1. 基礎(chǔ)服務(wù)：這是用戶最直接接觸到的部分，即根據(jù)輸入的內(nèi)容生成輸出，也就是模型推理過程。這個環(huán)節(jié)定價門檻最低，各家廠商的價格戰(zhàn)主要集中于此。

2. 模型微調(diào)：廠商根據(jù)客戶需求對模型進行定制化訓練，通常按訓練文本的token數(shù)量和訓練迭代次數(shù)收費。這部分費用相對高昂，且通常按量后付費。

3. 模型部署：針對大型客戶，廠商提供專屬算力資源，按實際消耗的算力或token數(shù)量計費。這一服務(wù)更接近“個性化定制”，收費邏輯復雜且溢價顯著。

從淺到深，這三種模式反映了大模型從入門到高階的服務(wù)路徑。而廠商瘋狂降價的焦點，主要集中在第一種服務(wù)——基礎(chǔ)模型推理的價格上。

廠商的降價并非毫無章法，甚至可以說是“降價有術(shù)”。以豆包的通用模型Pro-32k為例，其輸入價格為0.8元/百萬tokens，比行業(yè)均價低99.3%。然而，輸出部分價格卻高達2元/百萬tokens，與同行相比并不算特別低。這種“輸入便宜、輸出略貴”的模式，正是為了吸引開發(fā)者試用，同時確保利潤空間。

再看視覺理解模型Doubao-Vision-Pro-32k，其輸入定價為3元/百萬tokens，輸出高達9元/百萬tokens。雖然聲稱整體降價幅度達85%，但與阿里Qwen-VL或Gemini 1.5 Flash等直接競爭者相比，價格并不占明顯優(yōu)勢。

更有意思的是，國內(nèi)其他廠商也有類似的“套路”。百度推出的ERNIE-Speed-8K雖然對外宣傳“免費”，但一旦實際部署，便按5元/百萬tokens收費。阿里的Qwen-Max和豆包Pro-32k也采用類似策略，只在基礎(chǔ)服務(wù)上“卷”得厲害，而高端服務(wù)價格卻始終居高不下。

表面上看，降價是為了搶占用戶，但實質(zhì)上這是廠商爭奪市場話語權(quán)的戰(zhàn)略手段。通過“白菜價”降低中小開發(fā)者的試用門檻，廠商能快速積累用戶數(shù)據(jù)，優(yōu)化模型性能，同時為后續(xù)的高端服務(wù)埋下伏筆。

然而，真正的利潤增長點并不在這些輕量級的“基礎(chǔ)服務(wù)”中，而是集中在定制化訓練和專屬算力部署上。以豆包Pro系列為例，其精調(diào)服務(wù)價格高達50元/百萬tokens，比基礎(chǔ)服務(wù)高出數(shù)十倍，遠超行業(yè)降價幅度。

雖然大廠為了搶占市場不惜大幅降價，但這樣的策略并非沒有代價。輕量級模型的低價競爭可能降低行業(yè)整體利潤率，同時也可能讓中小廠商無力參與競爭。然而，用戶真正關(guān)心的是模型性能和實際應用效果。

更值得關(guān)注的是，降價帶來的用戶增長是否能持續(xù)轉(zhuǎn)化為收入？如果用戶僅停留在基礎(chǔ)服務(wù)層面，而未能深入使用微調(diào)或部署服務(wù)，那么廠商的降價投入可能無法收回成本。

大模型的價格戰(zhàn)，就像一款免費網(wǎng)游：入門容易，但想要更強大的裝備、技能，就必須不斷“氪金”。廠商通過低價吸引用戶，實際上是在為高端服務(wù)蓄水。然而，這種模式能否長期奏效，取決于用戶是否愿意為性能提升買單，以及廠商能否在降價中保持技術(shù)競爭力。

2

字節(jié)跳動的“中間態(tài)”焦慮

縱觀大模型賽道，字節(jié)跳動絕非起跑最快的那一批選手。CEO梁汝波曾在內(nèi)部坦言，字節(jié)對大模型的敏感度“遲鈍”，尤其與2018年至2021年間成立的創(chuàng)業(yè)公司相比，字節(jié)直到2023年才開始討論GPT。然而，后來者往往最需要通過內(nèi)卷彌補差距，而字節(jié)的打法則是“砸錢制造熱度”。

在C端市場，豆包以一種“無孔不入”的姿態(tài)席卷線上線下。數(shù)據(jù)顯示，2024年上半年，字節(jié)通過豆包在廣告投放上持續(xù)加碼。僅4月至5月的投流金額就達到1500萬至1750萬元，而到6月上旬，這一數(shù)字飆升至1.24億元。此外，字節(jié)充分利用旗下抖音的強勢流量池，幾乎屏蔽了其他AI應用的投放，豆包成為獨占資源的明星產(chǎn)品。

據(jù)AppGrowing統(tǒng)計，2024年11月，豆包和另一AI原生應用Kimi成為國內(nèi)廣告投放最激進的兩款產(chǎn)品，分別投入5.4億元和4億元。這種不計成本的投流策略讓豆包一躍成為國內(nèi)用戶量斷層式第一的AI軟件，然而，這背后的隱憂同樣顯而易見。

高昂的廣告投入并未帶來預期中的用戶粘性。數(shù)據(jù)顯示，豆包的用戶活躍度平平，每周僅活躍2至3天，用戶每天發(fā)送消息輪次僅為5到6次，人均使用時長僅為10分鐘。這些數(shù)據(jù)在過去一年中增長并不顯著，反映出用戶對產(chǎn)品的實際依賴度較低。

字節(jié)管理層的內(nèi)部判斷也顯得克制：“豆包這樣的AI對話類產(chǎn)品，可能只是AI產(chǎn)品的‘中間態(tài)’。”用戶付費訂閱模式在中國難以走通，而用戶時長和交互輪次的低迷，又限制了廣告空間的開發(fā)潛力。這種雙重困境為豆包的商業(yè)化路徑設(shè)下了隱形天花板。

C端市場的瓶頸迫使字節(jié)將更多精力轉(zhuǎn)向B端業(yè)務(wù)。從大規(guī)模降價到大力推廣豆包的多模態(tài)模型，字節(jié)試圖通過企業(yè)級服務(wù)建立穩(wěn)固的現(xiàn)金流。然而，中國市場與美國大相徑庭，AI產(chǎn)品很難通過單純的訂閱或平臺銷售實現(xiàn)盈利。更多時候，商業(yè)化的成敗依賴于具體項目和工程，而這些項目通常與廠商的熱度和品牌信任度密切相關(guān)。

正因如此，無論是初創(chuàng)公司還是巨頭，都必須善于維持行業(yè)熱度。初創(chuàng)公司制造熱點是為了融資，而豆包這樣的巨頭則希望通過熱度鎖定更多客戶。但這種策略同樣有代價：熱度本身無法直接轉(zhuǎn)化為長期收益，尤其是當產(chǎn)品的用戶價值尚未充分體現(xiàn)時。

從字節(jié)的戰(zhàn)略轉(zhuǎn)向看，“更低門檻、更多模態(tài)”的方向或許是未來的突破口。以剪映和即夢為代表的視頻模型，可能成為大模型落地的關(guān)鍵場景。豆包在最新的Force大會上將部分重點放在視頻領(lǐng)域，顯然是看中了這一領(lǐng)域的潛力。

然而，市場的最終選擇權(quán)仍在用戶手中。

字節(jié)的路徑選擇無疑有其深思熟慮的一面，但也暴露出行業(yè)普遍的問題：過度依賴熱度，而忽略了用戶價值的真正沉淀。豆包的現(xiàn)狀說明了一個事實，僅靠“砸錢”吸引用戶，并不能填補產(chǎn)品體驗上的短板。而這種“中間態(tài)”的焦慮并非字節(jié)獨有，而是整個大模型行業(yè)在價格戰(zhàn)和用戶體驗之間難以找到平衡的縮影。

3

價格戰(zhàn)白熱化，技術(shù)競速開啟

大模型行業(yè)從來不是溫情的競技場。2024年，隨著市場洗牌的加速，這場被稱為“去九存一”的淘汰賽已將大部分二線廠商擠出局。然而，這并不意味著幸存者可以松一口氣。新一輪的競爭已經(jīng)開始，而這一次，價格不再是唯一的勝負手，技術(shù)才是決定生死的關(guān)鍵砝碼。

從2023年起，二線及以下大模型廠商紛紛通過“燒錢買流量”的方式試圖留住用戶。這種打法簡單粗暴：降價、免費、瘋狂投流，只為吸引C端用戶并搶占市場份額。然而，事實證明，這種模式難以持久。

國內(nèi)大模型應用的獲客成本正在快速上升。即便是“撒幣”最狠的廠商，也發(fā)現(xiàn)免費產(chǎn)品并不能直接轉(zhuǎn)化為收益。與此同時，C端的用戶粘性不高，用戶流失率居高不下。更重要的是，企業(yè)最終需要抓住那些愿意付費的B端客戶，例如金融、政務(wù)等高附加值行業(yè)，而B端客戶看中的從來不是價格，而是技術(shù)和服務(wù)能力。

隨著市場趨于冷靜，簡單的價格戰(zhàn)逐漸被技術(shù)競速取代。誰能以更低的成本提供更強的技術(shù)能力，誰就能在競爭中活得更久。

技術(shù)成本的降低，取決于硬件能力和算法優(yōu)化，而國內(nèi)主流廠商在這方面的差距并不明顯。此時，差異化的技術(shù)路線成為突圍的關(guān)鍵。例如，最近引發(fā)熱議的DeepSeek-V3，通過蒸餾技術(shù)實現(xiàn)了生成式AI性能的精簡與優(yōu)化，為行業(yè)提供了新的探索方向。然而，這種技術(shù)也引發(fā)了“優(yōu)化GPT”的爭論，業(yè)界對其真正價值仍存分歧。

技術(shù)競速的焦點，從“生成式AI”開始向“推理式AI”轉(zhuǎn)移。OpenAI推出的o1模型成為行業(yè)風向標。這款產(chǎn)品通過延時推理的方式模擬人類邏輯推演能力，邁出了AI從“生成”到“推理”的關(guān)鍵一步。更具爆發(fā)力的是，o1發(fā)布后僅三個月，迭代版o3便迅速面世。o3進一步優(yōu)化了推理時間與任務(wù)適配能力，并推出精簡版mini版，展現(xiàn)了OpenAI在技術(shù)革新中的壓倒性速度。

相比之下，國內(nèi)廠商雖然在快速追趕，但與OpenAI的差距依然明顯。國內(nèi)企業(yè)嘗試通過集成思維鏈、樹搜索以及反思策略優(yōu)化推理性能，但仍未完全超越o系列的領(lǐng)先水平。一位行業(yè)專家表示，國內(nèi)廠商如果能獲得支持o1架構(gòu)的開源模型，或許可以加速追趕，但在此之前，現(xiàn)有技術(shù)仍將面臨諸多瓶頸。

以往GPT系列的發(fā)展節(jié)奏表明，從領(lǐng)先廠商推出革命性技術(shù)到行業(yè)全面跟進，大約需要一年時間。2025年上半年，國內(nèi)廠商大概率會完成對o系列的初步追趕。但在此之后，現(xiàn)有的生成式AI技術(shù)可能逐漸被淘汰。

對于國內(nèi)大模型廠商而言，留給他們的時間并不多。在下一輪淘汰賽中，價格將不再是決定勝負的關(guān)鍵，技術(shù)能力將成為生存的唯一籌碼。與其坐等被淘汰，不如趁著“生成式AI”尚未完全退出歷史舞臺，盡可能提高產(chǎn)品性能、優(yōu)化服務(wù)體驗，為自身贏得更多的競爭籌碼。