Hakikat langganan AI ialah menukar kos pengiraan yang tidak boleh dikawal menjadi struktur pendapatan yang boleh diramal, dan ini akan menjadi soalan utama yang terus ditanyakan kepada syarikat AI oleh pasaran seterusnya.

Penulis artikel, sumber: Wu Duidui

AI dalam negara akhirnya sampai ke tahap ini: tidak lagi cukup hanya membincangkan pengguna, perlu membincangkan keuntungan.

Fasa perolehan pelanggan percuma telah berakhir, dan aplikasi AI kini memasuki fasa "pengagihan kos + pengagihan pengguna + pengesahan komersial".

Baru-baru ini, halaman App Store DouBao menunjukkan maklumat langganan berbayar: selain versi asas percuma, mungkin terdapat versi standard RM68/bulan, versi diperkengkapi RM200/bulan, dan versi profesional RM500/bulan, dengan yuran tahunan tertinggi RM5088.

Tanggapan DouBao adalah perkhidmatan percuma akan terus disimpan, sementara pelan perkhidmatan tambahan masih dalam ujian, dan hak berkaitan belum ditunjukkan secara rasmi dalam produk semasa.

Perkara ini boleh dilihat dari beberapa sudut.

Ini berkaitan dengan kos, terutama "kos pengguna berat"

Perkara yang paling menyusahkan mengenai produk DouBao ialah: semakin pengguna menyukai penggunaannya, semakin tinggi kos platform.

Seorang pengguna biasa yang sesekali bertanya beberapa perkataan, kosnya mungkin boleh dikawal.

Tetapi jika pengguna mula melakukan perkara-perkara ini:

Menulis esei panjang, menghasilkan PPT, melakukan analisis data, penyelidikan mendalam, menghasilkan gambar, menghasilkan video, dialog suara secara masa nyata, tugas pelaksanaan berlangkah banyak oleh Agent.

Maka ia bukan lagi pada tahap kos yang sama.

Kemampuan utama versi Mac DouBao selain perbualan ialah "cari, sunting gambar, penulisan, terjemahan, PPT, analisis data", dan menekankan aliran kerja serba satu seperti penghasilan gambar dan video, penyelidikan mendalam, notis mesyuarat, serta pemprosesan dokumen dan jadual. Semua fungsi ini pada dasarnya memerlukan lebih banyak token, lebih banyak pengiraan inferens, dan lebih banyak kuasa komputasi multimodal berbanding perbualan biasa.

Jadi, keperluan bayaran untuk DouBao sangat mungkin bukan kerana “kehilangan wang kerana perbualan biasa”, tetapi kerana:

Kemampuan bernilai tinggi dan pengguna berat tidak lagi boleh disediakan secara percuma tanpa had.

Versi percuma boleh terus wujud sebagai pintu masuk, aktiviti harian, dan kesedaran jenama; tetapi kemampuan yang memerlukan sumber besar perlu dibahagikan melalui keahlian, kuota, keutamaan, dan versi profesional.

Tantangan komersial AI ialah "pendapatan tetap, tetapi kos berubah-ubah"

Terdapat kontradiksi semula jadi dalam sistem langganan:

Bayaran bulanan pengguna adalah tetap, tetapi token yang digunakan oleh pengguna tidak tetap.

Ini berbeza dengan Netflix, Tencent Video, dan iQIYI. Bagi platform video, apabila satu siri selesai dibuat, pengguna boleh menontonnya berulang kali, dengan kos marjinal yang相对 terhadap. AI berbeza; setiap perbualan mendalam, setiap penghasilan video, dan setiap analisis konteks panjang memerlukan sumber inferens yang baru.

Model perisian tradisional dan model Netflix lebih seperti:

Berkembang sekali → Salin tanpa had → Kos marjinal untuk menjual tambahan satu unit mendekati 0

Tetapi perkhidmatan model besar lebih seperti:

Model pengembangan sekali → setiap panggilan memerlukan daya komputasi → semakin ramai pengguna dan semakin dalam penggunaannya, semakin tinggi kos inferens.

API seperti OpenAI dan Azure OpenAI dikenakan caj berdasarkan token, yang pada dasarnya menunjukkan bahawa: token input, token output, konteks panjang, dan cache input mempunyai harga yang berbeza, dengan token output biasanya jauh lebih mahal.

Di halaman penentuan harga rasmi OpenAI, GPT-5.5 untuk konteks singkat ialah $2.5 per juta token input, $15 per juta token output, dan input cache jauh lebih rendah.

Ini bukan model ekonomi yang sama seperti menjual Office, menjual Photoshop, atau menjual sistem operasi.

Mesin pelantik sendiri ByteDance juga menunjukkan logik yang serupa: Harga model Doubao untuk pembangun juga dikenakan berdasarkan jutaan token, contohnya Doubao-Seed-2.0-pro ditunjukkan sebagai mulai 3.2 yuan/juta token input, 16 yuan/juta token output.

Ini menunjukkan satu masalah asas:

Produk AI kelihatan seperti langganan ahli, tetapi latar belakangnya adalah penggunaan berdasarkan kuantiti. Namun, ia tidak sepenuhnya sama seperti restoran.

Perkataan yang lebih tepat ialah:

AI adalah gabungan antara syarikat perisian, syarikat komputan awan, dan syarikat industri yang intensif tenaga.

Jika seorang pengguna membayar RM68 sebulan tetapi menghasilkan PPT, video, dan laporan panjang secara berlebihan, kosnya mungkin menelan sebahagian besar pendapatan.

Jika seorang pengguna membayar 500 yuan setiap bulan, tetapi terutama digunakan untuk pekerjaan bernilai tinggi dengan penggunaan yang terkawal, itu adalah perniagaan yang baik.

Jadi, langganan AI pada dasarnya melakukan satu perkara:

Tukar kos pengiraan yang tidak terkawal kepada struktur pendapatan yang boleh diramalkan.

Beralih daripada "perniagaan skala pengguna" kepada "perniagaan ARPU"

Sebelum ini, persaingan aplikasi AI di dalam negara sebahagian besarnya adalah untuk merebut pengguna secara percuma.

Mengapa DouBao boleh tumbuh besar? Selain produknya mempunyai kelebihan, ia juga disebabkan oleh aliran pengguna ByteDance, kekuatan produk, dan ambang masuk percuma yang rendah. DouBao adalah aplikasi perbualan AI yang paling banyak digunakan di China, menurut data QuestMobile, pengguna aktif mingguannya kira-kira 155 juta, manakala DeepSeek kira-kira 81.6 juta; pada masa yang sama, Alibaba juga mendorong pertumbuhan pengguna Qwen melalui subsidi besar-besaran.

Tetapi modus percuma mempunyai satu masalah:

Semakin besar skala pengguna, semakin nyata tekanan kos.

Terutama produk AI China kini masih mengalami perang harga. DeepSeek telah menurunkan anggaran kos model ke tahap yang sangat rendah, sementara Alibaba, ByteDance, Tencent, dan Baidu semuanya tidak mahu kehilangan akses masuk. Akibatnya, AI pengguna akhir mudah terperangkap dalam situasi yang memalukan:

Pengguna merasa AI seharusnya percuma; platform mengetahui AI tidak mungkin percuma tanpa had; pelabur ingin melihat pertumbuhan; dalaman syarikat ingin melihat kitaran perniagaan.

DouBao melancarkan versi berbayar, bermakna ia ingin menguji satu soalan:

Pengguna China sebenarnya bersedia membayar untuk aliran kerja AI atau tidak?

Bukan membayar untuk “chats”, tetapi membayar untuk “menghemat masa saya, membuat PPT, menulis laporan, melakukan penyelidikan, memproses data, menghasilkan video”.

Perbezaan ini sangat penting.

Pengguna sukar membayar RM500 sebulan untuk “kamu teman saya berbual”.

Tetapi jika ia benar-benar dapat membantu seorang praktisi kandungan, penjual, guru, pelajar, pengendali, atau penasihat konsultasi menghemat 1–2 jam setiap hari, maka penerimaan terhadap harga RM68, RM200, atau RM500 akan sangat berbeza.

Ini juga menunjukkan: versi percuma AI akan kekal, tetapi versi percuma akan menjadi semakin "terhad"

Masa depan, aplikasi asli AI dalam negara kemungkinan besar tidak akan menggunakan model penagihan seragam, tetapi struktur empat lapisan:

Tahap Pertama: Versi Percuma

Digunakan untuk menarik pelanggan, membina kebiasaan penggunaan, dan mengekalkan pangsa pasaran. Perbualan biasa, soal jawab asas, dan carian ringan akan terus percuma.

Lapisan Kedua: Ahli Harga Rendah

Untuk pengguna frekuensi tinggi biasa, seperti limit yang lebih tinggi, kelajuan yang lebih pantas, tunggu yang lebih sedikit, dan model yang lebih baik.

Tahap Ketiga: Versi Profesional

Dijual kepada pencipta kandungan, pengguna profesional, pelajar, pengatur cara, dan penyelidik: PPT, analisis data, penyelidikan mendalam, pengurusan dokumen, kod, konteks panjang.

Tingkat keempat: Perkhidmatan Perusahaan/API/Agen

Dikenakan bayaran berdasarkan penggunaan, atau pakej + bayaran tambahan. Ini adalah bahagian sebenar di mana model perniagaan boleh berjalan.

Tiga tahap 68, 200, dan 500 yang kini dikeluarkan oleh DouBao pada dasarnya adalah untuk menguji lapisan ini.

Versi percuma menyelesaikan "skala pengguna"; versi standard menyelesaikan "pembayaran ringan"; versi diperkuat dan versi profesional menyelesaikan "pemulihan kos pengguna berat".

ChatGPT, Claude, Gemini, Kimi, Tongyi, Zhipu, DouBao, semuanya telah atau akan bergerak ke arah struktur yang serupa. Perbezaannya hanya terletak pada: versi percuma siapa yang paling kuat, manfaat berbayar siapa yang paling dirasai, dan siapa yang mengawal kos paling baik.

Mengapa langganan AI lebih sukar daripada SaaS tradisional?

Setiap pengguna tambahan, setiap percakapan tambahan, setiap ringkasan teks panjang tambahan, dan setiap tugas Agent yang dilaksanakan, akan menghabiskan lebih banyak GPU inference, tenaga listrik, memori video, bandwidth, penyimpanan, dan operasi kejuruteraan.

Jadi, masalah paling penting bagi syarikat aplikasi AI bukanlah:

Adakah pengguna?

sebaliknya:

Semakin ramai pengguna, semakin banyak keuntungan, atau semakin banyak perbelanjaan?

Ini sangat berbeza dengan SaaS tradisional. Dalam SaaS tradisional, selepas sistem dibina, keuntungan kotor daripada pelanggan baru biasanya tinggi; tetapi jika pengguna sangat gemar menggunakan produk AI, ia justru boleh membawa kos inferens yang lebih tinggi. Kekhawatiran pasaran terhadap pulangan pelaburan AI oleh Big Tech pada dasarnya adalah masalah ini. Raksasa-raksasa seperti Alphabet, Microsoft, Meta, dan Amazon telah membuat perbelanjaan AI yang sangat besar pada tahun ini, dan pelabur mulai lebih memperhatikan bilakah perbelanjaan AI ini akan memberikan pulangan yang mencukupi.

Namun, langganan AI tentu tidak boleh disamakan secara sederhana dengan restoran, kerana restoran sukar untuk mengurangkan kos "sepinggan mi" sebanyak 80% setiap tahun.

Tetapi AI boleh.

Kerana kos inferens model akan terus ditekan oleh beberapa perkara:

Pertama, cip menjadi lebih kuat. Kedua, model menjadi lebih kecil, distilasi, kuantisasi, dan penerusan MoE menjadi lebih halus. Ketiga, cache, pemprosesan berkelompok, dan penggunaan semula konteks akan mengurangkan kos pengiraan berulang. Keempat, banyak tugas tidak memerlukan model terkuat dan boleh diselesaikan dengan model kecil. Kelima, syarikat akan berpindah dari "mengumpul token secara buta" kepada "menggunakan lebih sedikit token untuk setiap hasil perniagaan".

Oleh itu, kos marjinal AI bukan 0, tetapi ia juga bukan kos bahan tetap.

Ia lebih seperti awal komputan awan: pada permulaannya mahal, tetapi skala, pengoptimuman peranti keras dan perisian akan terus menurunkan kos.

Inilah sebabnya "input cache" dalam penentuan harga OpenAI jauh lebih murah berbanding input biasa. Kewujudan mekanisme cache sendiri menunjukkan bahawa penyedia AI berusaha mengubah pengiraan berulang menjadi peringkat yang lebih berkos rendah, serupa dengan perisian.

Ini menyebabkan syarikat AI perlu menjawab tiga soalan secara serentak:

Pertama, berapa banyak pengguna bersedia bayar? Ini adalah sisi pendapatan.

Kedua, berapa banyak token yang akan digunakan oleh pengguna setiap bulan? Ini adalah sisi kos.

Ketiga, adakah kecepatan penurunan kos model boleh melebihi pertumbuhan penggunaan? Ini adalah dari segi margin keuntungan.

Jika jawapannya adalah:

Pengguna bersedia membayar 200 yuan, tetapi menghabiskan kos 150 yuan sebulan, maka perniagaan ini biasa saja.

Jika jawapannya adalah: Pengguna bersedia membayar RM200; kosnya hanya RM20, dan boleh diturunkan lagi kepada RM10 seiring dengan pengoptimuman model.

Aplikasi AI kini kembali mendekati perniagaan perisian yang baik.

Oleh itu, indikator sebenar inti model perniagaan AI bukan DAU, bukan juga jumlah muat turun, tetapi:

Pendapatan setiap pengguna berbayar / Kos inferens setiap pengguna berbayar.

Iaitu model ekonomi unit versi AI.

Ini akan memberi kesan sebaliknya terhadap pasaran AI

Berhubung dengan pasaran saham, perkara ini sebenarnya sangat penting.

Pasar kini memperdagangkan AI, fasa pertama melihat:

Akankah permintaan kuasa pengiraan meledak?

Jadi, NVIDIA, TSMC, Broadcom, penyimpanan, peralatan kuasa, dan pusat data naik.

Fasa kedua pasaran akan bertanya:

Adakah pengguna untuk aplikasi AI?

Oleh itu, skala pengguna ChatGPT, DouBao, Kimi, Qwen, Copilot, dan Gemini akan diperhatikan.

Fasa ketiga, yang merupakan fasa paling penting seterusnya, pasaran akan bertanya:

Adakah pengguna-pengguna ini mampu membayar? Adakah mereka boleh mendapat keuntungan selepas membayar?

Kabar bahawa DouBao akan mengenakan caj sebenarnya bermula pada peringkat ketiga.

Jika isyarat-isyarat ini dilihat di masa depan, pasaran AI akan lebih sihat:

Kadar konversi berbayar baik; pengguna tidak hilang dalam jumlah besar akibat caj; versi profesional harga tinggi ada yang membeli; pelanggan korporat mula membeli dalam skala besar; kos inferens berterusan menurun; fungsi AI membawa keupayaan peningkatan harga yang sebenar.

Tetapi jika melihat isyarat sebaliknya:

Pengguna hanya bersedia menggunakan secara percuma; versi berbayar mempunyai reputasi yang buruk; platform terus mengurangkan harga dan menjalankan promosi; pengguna frekuensi tinggi menghancurkan kos; pendapatan aplikasi AI meningkat pesat tetapi margin kasar tidak baik;

Maka pasaran akan mula meragui:

Adakah lapisan aplikasi AI merupakan perniagaan yang baik?

Ini akan terus menyebar ke hulu. Kerana jika lapisan aplikasi tidak mendapat keuntungan, penyedia awan dan penyedia model akan ditanya: Mengapa anda terus meningkatkan belanja modal?

Perusahaan AI yang berbeza mempunyai model ekonomi yang sepenuhnya berbeza

Masih ada satu masalah, kita tidak boleh menggabungkan semua syarikat AI.

1. NVIDIA, TSMC, penyimpanan, peralatan kuasa

Ini adalah penjual cangkul. Semakin banyak orang menggunakan AI, semakin banyak mereka mendapat keuntungan.

Mereka tidak menanggung kos token pengguna akhir secara langsung, tetapi menikmati perbelanjaan modal yang dihasilkan daripada pengembangan inferens dan latihan AI.

2. Penyedia awan: Microsoft, Google, Amazon

They are in between.

Di satu sisi, AI membawa pertumbuhan pendapatan awan; di sisi lain, ia sendiri menanggung belanja modal, penyusutan, kos elektrik, dan kos pusat data yang besar. Reuters Breakingviews menyebutkan, perbelanjaan AI oleh syarikat besar sedang meluas dengan ketara, tetapi pasaran semakin prihatin sama ada input ini akan menghasilkan pulangan yang jelas.

Jadi masalah penyedia awan ialah:

Pertumbuhan pendapatan awan AI, adakah ia mampu menutupi kos pusat data, GPU, penyusutan, dan tenaga listrik?

3. Syarikat aplikasi AI: Copilot, ChatGPT, pelbagai Agent

Semakin banyak pengguna menggunakannya, semakin tinggi kosnya. Jika ia adalah langgan tetap, misalnya menarik harga tetap setiap bulan, tetapi pengguna menggunakan secara berlebihan, margin kasar akan terjejas.

Jadi, keadaan paling ideal untuk aplikasi AI bukanlah "pengguna berchating tanpa henti", tetapi:

Pengguna bersedia membayar lebih tinggi, tetapi penggunaan token sebenar boleh dikawal.

Sebagai contoh, perusahaan bersedia membayar $30, $50, atau $100 sebulan untuk pembantu penjualan AI, pembantu kod AI, atau pembantu undang-undang AI, tetapi kos penghujahan di sebaliknya hanya beberapa dolar—itu adalah perniagaan yang baik.

4. Syarikat perisian tradisional ditambah AI

Sebagai contoh, syarikat seperti Microsoft, Adobe, dan Salesforce, jika mampu menambah fungsi AI ke perisian sedia ada mereka, meningkatkan ARPU tanpa menyebabkan kos menjadi tidak terkawal, mereka boleh menjadikan AI sebagai alat untuk menaikkan harga.

AI bukanlah usaha baru bagi mereka, tetapi saluran pengagihan perisian sedia ada + pakej tambahan AI.

Jadi, perbezaan penilaian terbesar AI berada di sini

Tidak perlu berdebat sama ada AI berguna atau mempunyai masa depan, AI pasti adalah masa depan.

Masalah yang lebih mendalam ialah: Adakah AI perisian bermargin tinggi atau industri bermodal berat?

Pihak yang optimis berpendapat:

Kos AI akan menurun dengan pantas, aplikasi akan meledak, ARPU akan meningkat, dan akhirnya ia tetap menjadi perniagaan perisian dengan margin tinggi.

Pihak pesimis berpendapat:

AI akan menjadi perlumbaan senjata, di mana semua orang perlu membeli GPU, membina pusat data, dan membayar bil elektrik, tetapi pengguna mungkin tidak bersedia membayar harga yang cukup tinggi untuk setiap token, sehingga keuntungan akan dimakan oleh kos infrastruktur.

Saya rasa kebenaran berada di tengah-tengah:

Model asas dan infrastruktur awan akan semakin menyerupai industri berat; aplikasi AI yang benar-benar mempunyai penyebaran, skenario, dan kuasa penetapan harga sahaja yang berpeluang kembali menjadi perniagaan perisian.

Ini juga menjelaskan mengapa pasaran AI mungkin berbeza.

Pada peringkat pertama, pasaran membeli:

Siapa sahaja yang berkaitan dengan AI, harganya naik.

Fasa kedua, pasaran akan bertanya:

Siapa yang boleh menjadikan AI sebagai pendapatan?

Fasa ketiga, pasaran akan terus bertanya:

Siapakah yang boleh menukar pendapatan AI menjadi keuntungan dan arus tunai bebas?

AI tidak seperti perisian tradisional yang "menjual tambahan satu unit hampir tanpa kos", kerana setiap perkhidmatan memerlukan penggunaan kuasa pengiraan, maka ia secara semula jadi membawa sifat kos seperti restoran, komputan awan, dan syarikat perindustrian.

Namun, AI tidak selinear restoran, kerana pengoptimuman model, cache, kemajuan cip, pemprosesan berkelompok, dan pengecaman model kecil akan terus menurunkan kos unit.

Jadi, yang benar-benar perlu dilihat dalam model perniagaan AI bukanlah "adakah pendapatan", melainkan:

Berapa banyak kos GPU, elektrik, dan token yang perlu dibakar di sebalik setiap dolar pendapatan AI.

Ini akan menjadi soalan utama yang akan ditanyakan berulang-ulang kepada syarikat AI oleh pasaran seterusnya.

Berapakah margin keuntungan masa depan AI.