文 | 吳懟懟

免費獲客階段結(jié)束，AI 應(yīng)用開始進(jìn)入“成本分層 + 用戶分層 + 商業(yè)化驗證”階段。

最近，豆包 App Store 頁面出現(xiàn)了付費訂閱信息：免費基礎(chǔ)版之外，可能會有 68 元/月標(biāo)準(zhǔn)版、200 元/月加強版、500 元/月專業(yè)版，年費最高 5088 元。

豆包回應(yīng)是免費服務(wù)會繼續(xù)保留，增值服務(wù)方案仍在測試中，當(dāng)前產(chǎn)品內(nèi)還沒有正式展示相關(guān)權(quán)益。

這件事可以從幾個層面看。

01這和成本有關(guān)，尤其是“重度使用者成本”

豆包這種產(chǎn)品最麻煩的地方在于：用戶越喜歡用，平臺成本越高。

一個普通用戶偶爾問幾句話，成本可能可控。

但如果用戶開始做這些事：

寫長文、生成 PPT、做數(shù)據(jù)分析、深度研究、圖片生成、視頻生成、語音實時對話、Agent 多步執(zhí)行任務(wù)。

那就完全不是一個成本等級了。

豆包 Mac 版主打的能力除了聊天，還有“搜索、P 圖、寫作、翻譯、PPT、數(shù)據(jù)分析”，并且強調(diào)圖片與視頻生成、深度研究、會議紀(jì)要、文檔表格處理等一站式工作流。這些功能本質(zhì)上都比普通聊天更吃 token、更吃推理、更吃多模態(tài)算力。

所以豆包收費，很大概率不是因為“普通聊天虧得受不了了”，而是因為：

高價值能力和重度用戶，不能再無限免費供應(yīng)。

免費版可以繼續(xù)存在，用來做入口、日活、品牌心智；但真正消耗大的能力，要通過會員、額度、優(yōu)先級、專業(yè)版來分層。

02AI 的商業(yè)化難點，是“收入固定，但成本浮動”

訂閱制有一個天然矛盾：

用戶每月付的錢是固定的，但用戶消耗的 token 不是固定的。

這和奈飛、騰訊視頻、愛奇藝還不一樣。視頻平臺一部劇拍完，用戶多看幾次，邊際成本相對有限。AI 不一樣，用戶每一次深度對話、每一次生成視頻、每一次長上下文分析，都要重新占用推理資源。

傳統(tǒng)軟件模式以及奈飛模式更像：

研發(fā)一次→ 復(fù)制無限次 → 多賣一份的邊際成本接近 0

但大模型服務(wù)更像：

研發(fā)模型一次→ 每次調(diào)用都要算力 → 用戶越多、用得越深，推理成本越高。

OpenAI、Azure OpenAI 等 API 都是按 token 收費，本質(zhì)上就說明了這一點：輸入 token、輸出 token、長上下文、緩存輸入都有不同價格，輸出 token 通常明顯更貴。

OpenAI 官方定價頁里，GPT-5.5 短上下文是輸入每百萬 token 2.5 美元、輸出每百萬 token 15 美元，緩存輸入則低很多。

這和賣 Office、賣 Photoshop、賣操作系統(tǒng)不是一類經(jīng)濟模型。

字節(jié)自己的火山引擎也能看到類似邏輯：豆包模型面向開發(fā)者的價格同樣按百萬 tokens 計費，例如 Doubao-Seed-2.0-pro 顯示為 3.2 元起/百萬輸入 tokens、16 元起/百萬輸出 tokens。

這說明一個本質(zhì)問題：

AI 產(chǎn)品看起來是會員訂閱，后臺卻是按量消耗。但它也不完全等同于餐廳。

更準(zhǔn)確的說法應(yīng)該是：

AI 是“軟件公司 + 云計算公司 + 電力密集型實業(yè)公司”的混合體。

如果一個用戶每月付 68 元，但瘋狂生成 PPT、視頻、長報告，成本可能吃掉大部分收入。

如果一個用戶每月付 500 元，但主要用來做高價值工作，消耗可控，那就是好生意。

所以 AI 訂閱本質(zhì)是在做一件事：

把不可控的算力成本，轉(zhuǎn)化成可預(yù)測的收入結(jié)構(gòu)。

03從“用戶規(guī)模競爭”轉(zhuǎn)向“ARPU 競爭”

之前國內(nèi) AI 應(yīng)用競爭，很大程度上是免費搶用戶。

豆包為什么能做得大？除了產(chǎn)品有優(yōu)勢，當(dāng)然還因為字節(jié)有流量、產(chǎn)品能力強、免費門檻低。豆包是中國使用最多的 AI 聊天應(yīng)用，QuestMobile 數(shù)據(jù)顯示其周活躍用戶約 1.55 億，DeepSeek 約 8160 萬；同時阿里也通過大額補貼拉動 Qwen 用戶增長。

但免費模式有一個問題：

用戶規(guī)模越大，成本壓力越真實。

尤其是中國 AI 產(chǎn)品現(xiàn)在還有價格戰(zhàn)。DeepSeek 把模型成本預(yù)期打得很低，阿里、字節(jié)、騰訊、百度又都不愿意丟入口。于是消費端 AI 很容易陷入一種尷尬：

• 用戶覺得 AI 應(yīng)該免費；
• 平臺知道 AI 不可能無限免費；
• 投資人想看增長；
• 公司內(nèi)部想看商業(yè)閉環(huán)。

豆包推出付費版，意味著它想測試一個問題：

中國用戶到底愿不愿意為 AI 工作流付錢？

不是為“聊天”付錢，而是為“幫我省時間、做 PPT、寫報告、做研究、處理數(shù)據(jù)、生成視頻”付錢。

這個差別很關(guān)鍵。

用戶很難為“你陪我聊天”每月付 500 元。

但如果它真能幫一個內(nèi)容從業(yè)者、銷售、老師、學(xué)生、運營、咨詢顧問每天省 1—2 小時，那 68 元、200 元、500 元的接受度就完全不同。

04這也說明：AI 免費版會保留，但免費版會越來越“有限”

未來 國內(nèi)AI 原生應(yīng)用大概率不是一刀切收費，而是四層結(jié)構(gòu)：

第一層：免費版

用于獲客、建立使用習(xí)慣、保持市場份額。普通聊天、基礎(chǔ)問答、輕量搜索會繼續(xù)免費。

第二層：低價會員

給普通高頻用戶，比如更高額度、更快速度、更少排隊、更好的模型。

第三層：專業(yè)版

給內(nèi)容創(chuàng)作者、職場用戶、學(xué)生、程序員、研究人員，賣的是 PPT、數(shù)據(jù)分析、深度研究、文檔處理、代碼、長上下文。

第四層：企業(yè)/API/Agent 服務(wù)

按量計費，或者套餐 + 超額計費。這里才是真正能跑商業(yè)模型的部分。

豆包現(xiàn)在傳出的 68、200、500 三檔，本質(zhì)就是在試探這個分層。

免費版解決“用戶規(guī)�！�；

標(biāo)準(zhǔn)版解決“輕度付費”；

加強版和專業(yè)版解決“重度用戶成本回收”。

ChatGPT、Claude、Gemini、Kimi、通義、智譜、豆包，都已經(jīng)或者即將走向類似結(jié)構(gòu)。區(qū)別只在于：誰的免費版最強，誰的付費權(quán)益最有感，誰的成本控制最好。

05 為什么AI 訂閱比傳統(tǒng) SaaS 難？

AI 多一個用戶、多一次對話、多一次長文總結(jié)、多一次 Agent 執(zhí)行任務(wù)，就要多消耗 GPU 推理、電力、顯存、帶寬、存儲和工程運維。

所以 AI 應(yīng)用公司最核心的問題不是：

有沒有用戶？

而是：

用戶越多，是越賺錢，還是越燒錢？

這點和傳統(tǒng) SaaS 很不一樣。傳統(tǒng) SaaS 一旦系統(tǒng)搭好，新增客戶的毛利通常很高；但 AI 產(chǎn)品如果用戶特別愛用，反而可能帶來更高推理成本�，F(xiàn)在市場擔(dān)心 Big Tech 的 AI 投入回報，本質(zhì)也是這個問題。Alphabet、Microsoft、Meta、Amazon 等大廠今年 AI 相關(guān)投入規(guī)模巨大，投資者開始更關(guān)注這些 AI 支出什么時候能帶來足夠回報。

但是AI訂閱當(dāng)然也不能簡單類比為餐廳，餐廳很難讓“一碗面”的成本每年下降 80%。

但 AI 可以。

因為模型推理成本會被幾件事不斷壓低：

• 第一，芯片變強。
• 第二，模型變小、蒸餾、量化、MoE 路由更精細(xì)。
• 第三，緩存、批處理、上下文復(fù)用會降低重復(fù)計算成本。
• 第四，很多任務(wù)不需要最強模型，可以用小模型完成。
• 第五，企業(yè)會從“盲目堆 token”轉(zhuǎn)向“每個業(yè)務(wù)結(jié)果消耗更少 token”。

所以 AI 的邊際成本不是 0，但它也不是固定不變的食材成本。

它更像早期云計算：剛開始很貴，但規(guī)模、硬件和軟件優(yōu)化會持續(xù)壓成本。

這也是為什么 OpenAI 定價里“緩存輸入”比普通輸入便宜很多。緩存機制存在，本身就說明 AI 服務(wù)商在努力把重復(fù)計算變成更低成本的類軟件化環(huán)節(jié)。

這就導(dǎo)致 AI 公司需要同時回答三個問題：

第一，用戶愿意付多少錢？
這是收入端。

第二，用戶每月會消耗多少 token？
這是成本端。

第三，模型成本下降速度能不能快過使用量增長？
這是利潤率端。

如果答案是：

用戶愿意付 200 元，但每月消耗 150 元成本，那這個生意很一般。

如果答案是：用戶愿意付 200 元；，成本只有 20 元，而且隨著模型優(yōu)化還能降到 10 元。

那 AI 應(yīng)用又重新接近一個好軟件生意。

所以 AI 商業(yè)模式真正的核心指標(biāo)不是 DAU，也不是下載量，而是：

每個付費用戶的收入 / 每個付費用戶的推理成本。

也就是 AI 版的單位經(jīng)濟模型。

06 這會反過來影響AI 行情

聯(lián)系到股市，這件事其實很重要。

市場現(xiàn)在交易 AI，第一階段看的是：

算力需求會不會爆發(fā)。

所以英偉達(dá)、臺積電、博通、存儲、電力設(shè)備、數(shù)據(jù)中心漲。

第二階段市場會問：

AI 應(yīng)用有沒有用戶。

所以 ChatGPT、豆包、Kimi、Qwen、Copilot、Gemini 的用戶規(guī)模會被關(guān)注。

第三階段，也就是接下來最關(guān)鍵的階段，市場會問：

這些用戶能不能付費？付費之后能不能賺錢？

豆包傳出收費，其實就是第三階段的開始。

如果未來看到這些信號，AI 行情會更健康：

• 付費轉(zhuǎn)化率不錯；
• 用戶沒有因為收費大規(guī)模流失；
• 高價專業(yè)版有人買單；
• 企業(yè)客戶開始規(guī)�；少�；
• 推理成本持續(xù)下降；
• AI 功能帶來真實提價能力。

但如果看到相反信號：

• 用戶只愿意免費用；付費版口碑差；
• 平臺不斷降價促銷；
• 高頻用戶把成本打爆；
• AI 應(yīng)用收入增長快但毛利率不好；

那市場就會開始懷疑：

AI 應(yīng)用層是不是一個好生意？

這會進(jìn)一步傳導(dǎo)到上游。因為如果應(yīng)用層賺不到錢，云廠商和模型廠商就會被問：你們?yōu)槭裁催�要持續(xù)加大 capex？

07 不同AI 公司，經(jīng)濟模型完全不一樣

還有一個問題是，不能把所有 AI 公司混在一起看。

這些是賣鏟子的。

別人用 AI 越多，它們越賺錢。

它們不用直接承擔(dān)終端用戶 token 成本，反而吃的是 AI 推理和訓(xùn)練擴張帶來的資本開支。

它們介于中間。

一方面，AI 帶來云收入增長；另一方面，它們自己要承擔(dān)巨額 capex、折舊、電力和數(shù)據(jù)中心成本。Reuters Breakingviews 提到，大廠 AI 開支正在大幅擴張，但市場也越來越關(guān)心這些投入能否形成清晰回報。

所以云廠商的問題是：

AI 云收入增長，能不能覆蓋數(shù)據(jù)中心、GPU、折舊和電力成本？

用戶用得越多，成本越高。

如果是固定訂閱制，比如每月收一個固定價格，但用戶瘋狂使用，那毛利率會被吃掉。

所以 AI 應(yīng)用最理想的狀態(tài)不是“用戶無限聊天”，而是：

用戶愿意高付費，但實際 token 消耗可控。

比如企業(yè)愿意為一個 AI 銷售助手、AI 代碼助手、AI 法務(wù)助手每月付 30、50、100 美元，但它背后的推理成本只有幾美元，那就是好生意。

比如微軟、Adobe、Salesforce 這類公司，如果能在原有軟件上加 AI 功能，提高 ARPU，但不讓成本失控，它們就能把 AI 變成提價工具。

AI 對它們不是重新創(chuàng)業(yè)，是原有軟件分發(fā)渠道 + AI 加價包。

08 所以AI 最大的估值分歧就在這里

完全不必爭論AI 有沒有用，有沒有未來，AI當(dāng)然是未來。

更深層的問題是：AI 到底是高毛利軟件，還是重資本實業(yè)？

樂觀派認(rèn)為：

AI 成本會快速下降，應(yīng)用會爆發(fā)，ARPU 會上升，最后它還是軟件式高毛利生意。

悲觀派認(rèn)為：

AI 會變成軍備競賽，大家都要買 GPU、建數(shù)據(jù)中心、付電費，但用戶未必愿意為每個 token 付足夠高的價格，最后利潤被基礎(chǔ)設(shè)施成本吃掉。

我覺得真相在中間：

基礎(chǔ)模型和云基礎(chǔ)設(shè)施會越來越像重資產(chǎn)行業(yè)；真正有分發(fā)、有場景、有定價權(quán)的 AI 應(yīng)用，才有機會重新變成軟件生意。

09 這也解釋了為什么AI 行情可能會分化

第一階段，市場買的是：

誰和 AI 沾邊，誰漲。

第二階段，市場會問：

誰能把 AI 變成收入？

第三階段，市場會繼續(xù)問：

誰能把 AI 收入變成利潤和自由現(xiàn)金流？

AI 不像傳統(tǒng)軟件那樣“多賣一份幾乎零成本”，它每次服務(wù)都要消耗算力，所以天然帶有餐廳、云計算和實業(yè)公司的成本屬性。

但 AI 也不像餐廳那么線性，因為模型優(yōu)化、緩存、芯片進(jìn)步、批處理、小模型路由，會讓單位成本持續(xù)下降。

所以 AI 商業(yè)模式真正要看的不是“有沒有收入”，而是：

每一美元AI 收入背后，需要燒掉多少 GPU、電力和 token 成本。

這就是接下來市場會反復(fù)拷問 AI 公司的核心問題。

AI 的未來，到底有多少利潤率。