在工業(yè)革命的漫長敘事中，有一個被反復(fù)驗證的定律：每當(dāng)一種新的生產(chǎn)要素變得足夠便宜，它就會像水滲入干涸的河床一般，重塑整個經(jīng)濟(jì)的底層結(jié)構(gòu)。19世紀(jì)的鋼鐵如此，20世紀(jì)的石油如此，21世紀(jì)初的帶寬和存儲空間亦如此。每一次成本曲線的坍塌，都催生出一批前所未有的商業(yè)物種。

如今，同樣的故事正在算力領(lǐng)域上演。2026年的硅谷與北京中關(guān)村，一場靜悄悄的經(jīng)濟(jì)學(xué)革命正在動搖軟件行業(yè)數(shù)十年來的根基。在過去四十年間，這片土地上的人們篤信一條金科玉律：一旦代碼編寫完成，服務(wù)下一個新增用戶的邊際成本幾乎為零。正是這一被稱作「零邊際成本復(fù)制」的特性，締造了微軟、谷歌、Meta這些市值以萬億美元計的科技巨頭，也奠定了風(fēng)險資本對軟件初創(chuàng)企業(yè)慷慨解囊的底層邏輯。

然而，隨著生成式人工智能的爆發(fā)，這條定律正在以一種幾乎令人措手不及的速度走向失效。當(dāng)模型的每一次推理都需要消耗真實而昂貴的計算資源時，軟件的邊際成本結(jié)構(gòu)發(fā)生了根本性的逆轉(zhuǎn)。這不僅是一個技術(shù)問題，更是一個經(jīng)濟(jì)學(xué)問題，一個關(guān)于如何在這個新時代創(chuàng)造和捕獲價值的問題。

杰文斯的幽靈

Jevons's Ghost

要理解當(dāng)前正在發(fā)生的一切，需要回溯一個半世紀(jì)前的經(jīng)濟(jì)學(xué)思想。1865年，英國經(jīng)濟(jì)學(xué)家威廉·斯坦利·杰文斯提出了一個看似違背直覺的觀察：蒸汽機(jī)的效率在不斷提升，但英國工業(yè)對煤炭的消耗卻與日俱增。他的結(jié)論是，效率的提高降低了每單位產(chǎn)出所需的成本，而這反過來刺激了更多的消費需求，最終導(dǎo)致總資源消耗不降反升。

這一悖論在今天的AI領(lǐng)域找到了它新的體現(xiàn)。2022年至2026年間，GPT-3.5級別的模型推理成本下降了近280倍，每百萬Token的價格從30美元跌至0.2美元以下。然而，清華大學(xué)研究團(tuán)隊的最新數(shù)據(jù)顯示，同期OpenAI的推理總支出反而增長了2.4倍（清華大學(xué)《Token經(jīng)濟(jì)學(xué)全景報告2026》，2026年4月）。當(dāng)單位成本以兩個數(shù)量級的速度墜落時，總賬單卻在攀升，這正是杰文斯悖論在新時代的重演。

原因并不難理解。成本的下降打開了一系列此前在經(jīng)濟(jì)學(xué)上根本不可行的應(yīng)用場景。當(dāng)圖像生成從每張數(shù)美元降至不足一厘時，設(shè)計師們開始批量產(chǎn)出方案；當(dāng)文檔總結(jié)從按篇計費變?yōu)榘碩oken計費時，每個白領(lǐng)都開始在每個工作日大量使用AI輔助閱讀；當(dāng)代碼補(bǔ)全從昂貴的專業(yè)工具變?yōu)槌绦騿T的日常伴侶時，開發(fā)者們發(fā)現(xiàn)自己的產(chǎn)出邊界被大幅拓寬。這些新增需求匯聚在一起，構(gòu)成了一個吞噬算力的無底洞。

更值得關(guān)注的是推理成本在AI企業(yè)財務(wù)結(jié)構(gòu)中所占的比例正在持續(xù)攀升。OpenAI于2026年2月披露的財務(wù)數(shù)據(jù)顯示，2025年其推理成本達(dá)到84億美元，占營收比例約47%，導(dǎo)致毛利率從2024年的40%壓縮至33%，遠(yuǎn)未達(dá)到年初設(shè)定的46%的目標(biāo)。同期Anthropic的毛利率也僅錄得40%，同樣低于預(yù)期10個百分點（Anthropic融資披露文件，2026年4月）。當(dāng)算力成本成為企業(yè)利潤最關(guān)鍵的變量時，軟件行業(yè)傳統(tǒng)的「規(guī)模化后實現(xiàn)盈利」的敘事框架正在遭受前所未有的挑戰(zhàn)。

思考的代價

The Cost of Thinking

在當(dāng)前的AI敘事中，模型的參數(shù)量和基準(zhǔn)測試分?jǐn)?shù)占據(jù)了過多的篇幅，而推理成本這一決定商業(yè)模型能否成立的底層變量，卻始終沒有得到與其重要性相稱的關(guān)注。這種認(rèn)知偏差正在讓無數(shù)投資人和創(chuàng)業(yè)者付出昂貴的學(xué)費。

真正將問題推向極致的是Reasoning模型——也就是那些以「深度思考」為賣點的大語言模型的興起。2026年3月的研究數(shù)據(jù)揭示了一個此前被廣泛忽視的事實：與普通對話場景相比，Reasoning模型的內(nèi)部推理過程會額外消耗50至600倍的Token。這意味著，當(dāng)用戶要求模型「仔細(xì)思考」某個問題時，他們實際上是在請求一次成本可能高達(dá)普通對話數(shù)百倍的算力消耗。一個極端的案例顯示，某次Reasoning模型的調(diào)用消耗了600個Token，卻僅輸出了兩個英文單詞。對于企業(yè)財務(wù)而言，這恐怕是商業(yè)史上最昂貴的一次數(shù)字「沉思」。

這種成本結(jié)構(gòu)對于依賴訂閱制的SaaS企業(yè)而言是致命的。以一款提供財報分析的AI助手為例，其前端定價通常沿用SaaS時代的慣性，采用固定月費模式，例如每月收取20美元。然而其后端的成本結(jié)構(gòu)卻是高度波動的——當(dāng)它吸引到真正的高凈值用戶，即那些每天需要處理數(shù)百頁財報的華爾街分析師時，每月的后端API調(diào)用成本可能輕易突破50美元甚至更高。這意味著，企業(yè)每服務(wù)一位重度使用用戶，就要承受長期的現(xiàn)金流凈流出，而這在傳統(tǒng)軟件時代是不可想象的局面。

TikTok視頻分析Agent的案例進(jìn)一步印證了這一困境。單條視頻的分析成本約為5美元，如果一個專業(yè)用戶每天需要分析50條視頻，那么其每日的AI支出就達(dá)到250美元，相當(dāng)于每月7500美元——這是一個足以讓絕大多數(shù)企業(yè)用戶望而卻步的數(shù)字。然而，當(dāng)用戶愿意為真正創(chuàng)造價值的AI工具支付溢價時，定價權(quán)的問題就變得尖銳起來：是按照傳統(tǒng)的座位數(shù)收費，還是按照實際消耗的Token計費，抑或是探索其他的商業(yè)模式？

分配的殘酷

Cruel Distribution

在一塊蛋糕的切分中，位于最底層的往往掌握著最大的話語權(quán)。這條在工業(yè)史上被反復(fù)驗證的定律，正在AI產(chǎn)業(yè)中以新的面貌重演。NVIDIA創(chuàng)始人黃仁勛將AI產(chǎn)業(yè)比作一塊五層蛋糕：能源、芯片、基礎(chǔ)設(shè)施、模型、應(yīng)用。每一層都在吞噬上一層的利潤，直到最底層——那些驅(qū)動整個系統(tǒng)的發(fā)電廠和變電站——成為真正的價值錨點。

能源：沉默的定價者

每一行代碼的執(zhí)行，每一次Token的生成，都是電子在導(dǎo)體中流動、熱量在散熱器中消散的結(jié)果。這意味著，能源不僅是AI的燃料，更是其最根本的成本約束。當(dāng)一座數(shù)據(jù)中心每天消耗數(shù)十兆瓦電力時，能源供應(yīng)商便擁有了隱形的定價權(quán)——無論上游的模型多先進(jìn)、應(yīng)用多精巧，最終都要向電網(wǎng)支付賬單。這種約束并不顯眼，卻決定著整個系統(tǒng)能夠承載的智能規(guī)模上限。

芯片：王者的護(hù)城河

在能源之上，NVIDIA筑起了當(dāng)前AI產(chǎn)業(yè)中最堅固的壁壘。其最新季度財報顯示毛利率已達(dá)75%，這一數(shù)字遠(yuǎn)超軟件行業(yè)的平均水平，也遠(yuǎn)超下游的任何競爭對手。原因在于，芯片層是能源轉(zhuǎn)化為計算的唯一橋梁，而當(dāng)前能夠大規(guī)模生產(chǎn)高端AI芯片的企業(yè)屈指可數(shù)。當(dāng)OpenAI和Anthropic在為33%和40%的毛利率苦苦掙扎時，NVIDIA卻能以接近奢侈品的利潤率定價——這不是偶然，而是產(chǎn)業(yè)鏈結(jié)構(gòu)的必然結(jié)果。

基礎(chǔ)設(shè)施：資本密集的鐵幕

芯片之上是基礎(chǔ)設(shè)施層——土地、供電系統(tǒng)、冷卻網(wǎng)絡(luò)以及將成千上萬處理器編織成一臺超級計算機(jī)的工程奇跡。這些就是黃仁勛所定義的「AI工廠」：它們不存儲信息，只生產(chǎn)智能。建設(shè)一座萬卡集群的成本已達(dá)數(shù)十億美元，而折舊與維護(hù)進(jìn)一步侵蝕著利潤空間。這一層的玩家往往是國家資本或超級互聯(lián)網(wǎng)企業(yè)，它們以規(guī)模換取微薄的回報率，卻為整個產(chǎn)業(yè)提供了不可或缺的物理底座。

模型：光鮮背后的毛利率之痛

位于基礎(chǔ)設(shè)施之上的模型層，是這場AI浪潮中最引人注目的明星。OpenAI和Anthropic的名字頻繁出現(xiàn)在新聞頭條，它們的模型參數(shù)動輒千億，估值高達(dá)數(shù)百億美元。然而，當(dāng)視線穿透光鮮的估值數(shù)字，露出的卻是一幅毛利率承壓的現(xiàn)實圖景。OpenAI 2025年推理成本達(dá)84億美元，占營收比例約47%，導(dǎo)致毛利率從2024年的40%壓縮至33%；Anthropic的毛利率也僅錄得40%，低于預(yù)期10個百分點（Anthropic融資披露文件，2026年4月）。這種壓力源于上下游：模型公司既需要向上游購買算力，又需要向下游爭奪用戶，夾在中間的它們不得不承受來自兩端的定價擠壓。

更值得關(guān)注的是，這種擠壓正在加劇。Anthropic于2026年4月公布的最新數(shù)據(jù)顯示，其年度經(jīng)常性收入已從2025年8月的50億美元飆升至300億美元，首次超越OpenAI成為行業(yè)收入領(lǐng)頭羊。然而，即便收入增長如此迅猛，毛利率仍持續(xù)承壓，這表明整個行業(yè)正處于一個尷尬的中間地帶——既沒有享受到純粹基礎(chǔ)設(shè)施提供商的定價權(quán)，也沒有建立起真正的應(yīng)用層壁壘。

應(yīng)用：被上下游夾擊的戰(zhàn)場

最上層的應(yīng)用本應(yīng)是價值兌現(xiàn)的舞臺，如今卻成為利潤最稀薄的戰(zhàn)場。NVIDIA最新發(fā)布的Blackwell平臺數(shù)據(jù)揭示了一個場景：在醫(yī)療、游戲、客服等垂直場景中，推理成本的優(yōu)化幅度動輒達(dá)到4至6倍（NVIDIA Blackwell平臺發(fā)布，2026年2月）。這些數(shù)字既展示了技術(shù)進(jìn)步帶來的成本下降空間，也暗示了一個不可逆轉(zhuǎn)的趨勢——應(yīng)用層的競爭正在將節(jié)約下來的成本轉(zhuǎn)移給上下游，而自身難以留存超額利潤。

當(dāng)然，并非所有應(yīng)用都處于相同的困境。Anysphere旗下的Cursor編程助手目前年度經(jīng)常性收入已達(dá)5億美元，估值99億美元；Cognition旗下的Devin估值40億美元。這些公司的共同特點是高度聚焦于一個具體場景——代碼生成與編程輔助，并且已經(jīng)積累了相當(dāng)規(guī)模的付費用戶群體。Anthropic披露的數(shù)據(jù)顯示，其Claude Code產(chǎn)品60%以上的收入來自API調(diào)用，編程成為目前AI垂直應(yīng)用中最成熟的商業(yè)模式。當(dāng)AI能夠替代昂貴的專業(yè)人力時，其創(chuàng)造的價值便足以支撐健康的利潤率。

夾縫中的生存法則

黃仁勛的蛋糕比喻描述了一個產(chǎn)業(yè)的價值鏈的特點：在AI的價值鏈中，越靠近底層，定價權(quán)越穩(wěn)固；越靠近上層，競爭越激烈，利潤越稀薄。能源決定著系統(tǒng)的物理上限，芯片把控著轉(zhuǎn)化的咽喉，基礎(chǔ)設(shè)施消耗著驚人的資本，應(yīng)用則被上下游雙重擠壓。

在這個結(jié)構(gòu)中，唯一可能的例外是那些真正解決了「最后一公里」問題的垂直應(yīng)用——它們之所以能夠存活，不是因為上游的施舍，而是因為它們直接替代了昂貴的專業(yè)人力，從而截留了價值轉(zhuǎn)移的通道。

對于整個產(chǎn)業(yè)而言，這意味著未來十年的競爭將不再僅僅是模型的軍備競賽，更是對價值鏈位置的戰(zhàn)略抉擇。選擇芯片層意味著與NVIDIA正面競爭；選擇模型層意味著接受夾心餅干的命運；選擇應(yīng)用層則需要在垂直場景中建立足夠深的護(hù)城河。

而那些無法在這個鏈條中找到自己位置的企業(yè)，將不可避免地成為他人蛋糕上的糖霜——看似甜美，實則隨時可能被抹去。

中國式的例外

The China's Exception

將目光轉(zhuǎn)向中國市場，會看到一幅更加復(fù)雜、也更加令人困惑的畫面。

國家數(shù)據(jù)局于2026年4月發(fā)布的統(tǒng)計數(shù)據(jù)顯示，2024年全年中國的Token調(diào)用量為114萬億，而僅僅半年后的2025年上半年，這一數(shù)字就激增至537萬億。更令人震驚的是2026年3月的數(shù)據(jù)：日均調(diào)用量已達(dá)140萬億，以此推算單月調(diào)用量約為4200萬億，是2024年全年的37倍。這一增速在全球范圍內(nèi)幾乎找不到可比的先例。

QuestMobile的數(shù)據(jù)進(jìn)一步揭示了用戶端的爆發(fā)：截至2026年第一季度末，AI原生應(yīng)用的月活用戶數(shù)已達(dá)4.4億，僅Q1就新增1.3億用戶。其中，字節(jié)跳動的豆包以3.45億月活領(lǐng)跑市場，阿里千問月活1.66億，DeepSeek月活1.27億。更值得關(guān)注的是用戶行為深度的變化：月人均使用次數(shù)同比增長55.3%，人均使用時長增長41.4%，用戶結(jié)構(gòu)也在悄然下沉——70后和60后用戶占比增加2.8%，三線及以下城市用戶占比增加2.4%（QuestMobile，2026年3月）。

然而，在中國市場光鮮的用戶數(shù)據(jù)背后，隱藏著一個難以回避的成本困境。由于美國對華芯片出口管制，中國企業(yè)被迫使用性能受限的H20芯片或?qū)ふ姨娲桨�，這些替代方案的計算成本普遍高于國際同行的主流選擇。

換言之，當(dāng)中國用戶在以驚人的速度消耗AI服務(wù)時，其背后的單位算力成本卻高于海外競爭對手。這種「高消耗、高成本」的組合，對于任何試圖在這個市場建立可持續(xù)商業(yè)模式的玩家而言，都是一個嚴(yán)峻的考驗。

新煉金術(shù)士

The New Alchemists

當(dāng)資本的耐心逐漸消磨殆盡，2026年正在成為檢驗AI應(yīng)用商業(yè)模式的真正元年。

風(fēng)險投資的標(biāo)準(zhǔn)正在經(jīng)歷一次深刻的轉(zhuǎn)變：紅杉中國于近期調(diào)整了其投資評估框架，將量化指標(biāo)權(quán)重提升至60%，涵蓋投資回報率、成本節(jié)約額、付費轉(zhuǎn)化率、客戶留存率等硬指標(biāo)，而定性指標(biāo)僅占40%。a16z則更為直接地宣布，不再關(guān)注模型的參數(shù)規(guī)模，轉(zhuǎn)而評估「算力投入產(chǎn)出比」——即每1美元的算力投入能否創(chuàng)造3美元以上的營收。

這種投資邏輯的轉(zhuǎn)變，直接反映在成功與失敗的案例對比中。美的集團(tuán)的AI應(yīng)用已實現(xiàn)節(jié)約成本7億元人民幣，生產(chǎn)效率提升80%，排產(chǎn)響應(yīng)速度提升90%，成為制造業(yè)AI轉(zhuǎn)型的標(biāo)桿案例。它石智航在具身智能領(lǐng)域獲得4550萬美元Pre-A輪融資，并成功在歐洲倉儲場景落地。

相比之下，Builder.ai因虛報營收300%于2025年破產(chǎn)，負(fù)債1.15億美元；C3.ai在2025年虧損2.89億美元，仍未找到盈利路徑；十余家AI應(yīng)用初創(chuàng)公司因成本結(jié)構(gòu)無法閉環(huán)，在2026年第一季度停止運營。

這些案例揭示了一個殘酷的事實：在當(dāng)前的AI產(chǎn)業(yè)格局中，能夠真正跑通商業(yè)模式的，往往是那些對成本結(jié)構(gòu)有深刻理解、并能將其轉(zhuǎn)化為競爭優(yōu)勢的企業(yè)。

Gartner預(yù)測，到2026年底，企業(yè)應(yīng)用中集成AI Agent的比例將從不足5%躍升至40%，全球運營的AI智能體數(shù)量將超過10億個。OpenClaw開源智能體框架在發(fā)布后兩個月內(nèi)GitHub星標(biāo)數(shù)突破30萬，登頂全球榜首，引發(fā)騰訊、阿里、字節(jié)、百度、智譜AI等國內(nèi)廠商密集入局。這一切都在預(yù)示著，AI Agent正在成為下一個兵家必爭之地。

然而，Agent的商業(yè)化路徑遠(yuǎn)比聊天機(jī)器人復(fù)雜。當(dāng)AI從「會聊天」進(jìn)化到「能干活」時，其消耗的Token數(shù)量呈指數(shù)級增長。

一條TikTok視頻的分析可能需要數(shù)百個Token，多步驟的Agent工作流則可能輕松消耗數(shù)萬個Token。對于企業(yè)而言，這意味著AI的價值創(chuàng)造與成本消耗之間的博弈將更加激烈。

歷史的回響

Echoes of History

在所有關(guān)于AI未來的敘事中，有一個比喻被反復(fù)使用，卻很少被真正講透。那就是將AI比作19世紀(jì)末的電力。

歷史總是驚人地相似。1890年代的工廠主們發(fā)現(xiàn)，用電動機(jī)替換蒸汽機(jī)并沒有帶來預(yù)期的效率飛躍。他們只是在舊的生產(chǎn)線上簡單地裝上了電動機(jī)，卻仍然沿用著為蒸汽動力設(shè)計的工廠布局和組織方式。

直到幾十年后，當(dāng)亨利·福特根據(jù)電力的特性重新設(shè)計整條流水線時，第二次工業(yè)革命的生產(chǎn)力紅利才真正爆發(fā)。

今天的AI正如當(dāng)年的電力，而Token構(gòu)成了這個時代的數(shù)字電力。然而，僅僅在現(xiàn)有的工作流中「接入」一個對話框，正如在舊機(jī)器上接上一根昂貴的電線，除了徒增算力成本之外別無他用。

那些真正捕獲AI時代紅利的企業(yè)，不是那些擁有最強(qiáng)大模型的公司，而是那些最深刻理解如何將AI能力轉(zhuǎn)化為全新價值形態(tài)的組織。他們重新思考業(yè)務(wù)流程，重新設(shè)計用戶體驗，重新定義成本結(jié)構(gòu)，最終實現(xiàn)了從「用AI工作」到「為AI工作」的跨越。

這種跨越需要的不僅是技術(shù)能力，更是一種商業(yè)哲學(xué)的轉(zhuǎn)變�；ヂ�(lián)網(wǎng)和SaaS時代的成功經(jīng)驗告訴他們，規(guī)模就是一切，先占領(lǐng)市場再考慮盈利是顛撲不破的真理。

然而，當(dāng)每個新增用戶都在消耗真實而昂貴的算力成本時，這條鐵律正在失效。取而代之的，是一種更為精細(xì)化、更為成本敏感的經(jīng)營哲學(xué)——在追求增長的同時，必須時刻關(guān)注單位經(jīng)濟(jì)學(xué)是否健康，因為在這個時代，規(guī)模的擴(kuò)張可能恰恰是利潤的腐蝕劑。

未竟的變局

The Unfinished Revolution

2026年的AI產(chǎn)業(yè)正處于一個微妙的歷史節(jié)點。技術(shù)的能力邊界在快速拓展，用戶的接受程度在加速滲透，但商業(yè)模式的底層邏輯仍在迷霧中摸索。當(dāng)算力成本成為決定生死的關(guān)鍵變量，當(dāng)杰文斯悖論在每一張GPU賬單上重演，當(dāng)推理的代價逐漸被資本市場定價，那個屬于「先燒錢后盈利」的草莽時代正在走向終結(jié)。

對于觀察者而言，這場變局最引人入勝之處在于其不確定性。沒有人知道推理成本會繼續(xù)以何種速度下降，沒有人確切預(yù)測Reasoning模型何時會找到可持續(xù)的定價方案，也沒有人能夠斷言哪個垂直場景最終會孕育出真正具有壁壘的商業(yè)模式。

但有一點是確定的：在這個算力即石油的新時代，那些能夠?qū)ⅰ赣嬎愕拇鷥r」轉(zhuǎn)化為「計算的價值」的企業(yè)，將在未來的產(chǎn)業(yè)格局中占據(jù)不可替代的位置。

而對于更廣泛的商業(yè)世界而言，AI帶來的這場經(jīng)濟(jì)學(xué)革命才剛剛開始。它的影響將遠(yuǎn)遠(yuǎn)超出科技行業(yè)本身，重塑從制造業(yè)到金融業(yè)、從教育到醫(yī)療的每一個角落。

當(dāng)電力在19世紀(jì)末普及后，真正改變世界的不是電力公司本身，而是那些學(xué)會用電力重新設(shè)計一切的企業(yè)家。今天的AI或許正處于同樣的歷史關(guān)口。

Token經(jīng)濟(jì)學(xué)的悖論從來不是一個需要被消除的系統(tǒng)Bug，它是市場進(jìn)行殘酷篩選的機(jī)制。

作者：坦桑尼亞老云 | 編輯：栗加

每個視角都是拼湊世界真相的碎片，聽真誠的行業(yè)觀察者講述獨特的故事。我們有深耕行業(yè)的資深顧問，連續(xù)跨界探索的未來創(chuàng)業(yè)者，專注細(xì)節(jié)的產(chǎn)品匠人，和許多志同道合的你們，如果你有想要分享的故事或者感想，可以留言或者郵件聯(lián)系（AiysJY@outlook.com），也歡迎點分享給需要的朋友們，記得點一下在看和星標(biāo)，期待共同在這個行業(yè)的宏大敘事中，留下一句詩。：）