AI 的訂閱制本質是將不可控的算力成本轉化為可預測的收入結構，這也是市場接下來會反覆質問 AI 公司的核心問題。

文章作者、來源：吳怼怼

國內 AI 終於走到這一步：不能只談用戶，得談賺錢了

免費獲客階段結束，AI 應用開始進入「成本分層 + 用戶分層 + 商業化驗證」階段。

最近，豆包 App Store 頁面出現了付費訂閱資訊：除免費基礎版外，可能還有 68 元/月標準版、200 元/月加強版、500 元/月專業版，年費最高為 5088 元。

豆包回應是免費服務將繼續保留，增值服務方案仍在測試中，目前產品內尚未正式展示相關權益。

這件事可以從幾個層面看。

這與成本有關，尤其是「重度使用者成本」

豆包這種產品最麻煩的地方在於：用戶越喜歡使用，平台成本越高。

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：

撰寫長文、生成 PPT、進行數據分析、深度研究、圖片生成、視頻生成、語音實時對話、Agent 多步執行任務。

那就完全不是同一個成本等級了。

豆包 Mac 版主打的功能除了聊天，還有「搜索、P 圖、寫作、翻譯、PPT、數據分析」，並強調圖片與視頻生成、深度研究、會議紀要、文檔表格處理等一體化工作流程。這些功能本質上都比普通聊天更耗 token、更耗推理、更耗多模態算力。

因此，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。

免費版可繼續保留，作為入口、日活與品牌心智的載體；但真正耗費資源的功能，應透過會員、配額、優先級與專業版進行分層。

AI 的商業化難點，是「收入固定，但成本浮動」

訂閱制有一個天然矛盾：

用戶每月支付的金額是固定的，但用戶消耗的 token 則不是固定的。

這與 Netflix、騰訊視頻、愛奇藝並不相同。視頻平台在一部劇拍完後，用戶多次觀看，邊際成本相對有限。AI 則不同，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，都需要重新佔用推理資源。

傳統軟體模式以及奈飛模式更像：

研發一次 → 複製無限次 → 多賣一份的邊際成本接近 0

但大模型服務更像：

研發模型一次 → 每次調用都需要算力 → 使用者越多、使用越深入，推理成本越高。

OpenAI、Azure OpenAI 等 API 均按 token 收費，這本質上說明了：輸入 token、輸出 token、長上下文、緩存輸入均有不同價格，而輸出 token 通常明顯更貴。

OpenAI 官方定價頁中，GPT-5.5 的短上下文輸入為每百萬 token 2.5 美元，輸出為每百萬 token 15 美元，緩存輸入則低得多。

這和賣 Office、賣 Photoshop、賣作業系統不是一類經濟模型。

字節自己的火山引擎也能看到類似邏輯：豆包模型面向開發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。

這說明一個本質問題：

AI 產品看起來是會員訂閱，但後台卻是按用量計費。但它也不完全等同於餐廳。

更準確的說法應該是：

AI 是「軟體公司 + 雲端計算公司 + 電力密集型實業公司」的混合體。

如果一個用戶每月支付 68 元，但瘋狂生成 PPT、影片、長篇報告，成本可能耗盡大部分收入。

如果一個用戶每月支付 500 元，但主要用於高價值工作，且消耗可控，那就是一門好生意。

所以 AI 訂閱本質上是在做一件事：

將不可控的算力成本，轉化為可預測的收入結構。

從「用戶規模競爭」轉向「ARPU 競爭」

過去國內 AI 應用的競爭，在很大程度上是通過免費搶奪用戶。

豆包 為何能做得大？除了產品有優勢，當然還因為字節有流量、產品能力強、免費門檻低。豆包 是中國使用最多的 AI 聊天應用，QuestMobile 數據顯示其週活躍用戶約 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：

用戶規模越大，成本壓力越真實。

尤其是中國的 AI 產品現在還在打價格戰。DeepSeek 將模型成本預期壓得很低，阿里、字節、騰訊、百度又都不願放棄入口。於是消費端 AI 很容易陷入一種尷尬：

用戶認為 AI 應該免費；平台知道 AI 不可能無限免費；投資人想看到增長；公司內部想看到商業閉環。

豆包推出付費版，意味著它想測試一個問題：

中國用戶到底願不願意為 AI 工作流付錢？

不是為「聊天」付錢，而是為「幫我節省時間、製作 PPT、撰寫報告、進行研究、處理數據、生成影片」付錢。

這個差別很關鍵。

用戶很難為「你陪我聊天」每月支付 500 元。

但如果它真的能幫助內容從業者、銷售、老師、學生、運營、諮詢顧問每天節省 1—2 小時，那麼 68 元、200 元、500 元的接受度就完全不同。

這也說明：AI 免費版將保留，但免費版會越來越“有限”

未來，國內 AI 原生應用大概率不是一刀切收費，而是四層結構：

第 1 級：免費版

用於獲客、建立使用習慣、保持市場份額。普通聊天、基礎問答、輕量搜索將繼續免費。

第二層：低價會員

為一般高頻用戶提供更高額度、更快速度、更少排隊及更佳模型。

第 3 級：專業版

為內容創作者、職場用戶、學生、程式設計師、研究人員提供 PPT、數據分析、深度研究、文檔處理、代碼、長上下文服務。

第 4 級：企業/API/代理服務

按用量計費，或套裝 + 超額計費。這裡才是真正能運作商業模式的部分。

豆包目前傳出的 68、200、500 三檔，本質上是在測試這個分層。

免費版解決「用戶規模」；標準版解決「輕度付費」；加強版和專業版解決「重度用戶成本回收」。

ChatGPT、Claude、Gemini、Kimi、通義、智譜、豆包，都已或即將走向類似架構。區別只在於：誰的免費版最強、誰的付費權益最明顯、誰的成本控制最好。

為什麼 AI 訂閱比傳統 SaaS 更難？

AI 每多一個用戶、多一次對話、多一次長文總結、多一次 Agent 執行任務，就要多消耗 GPU 推理、電力、顯存、頻寬、儲存和工程運維。

所以 AI 應用公司最核心的問題不是：

有用戶嗎？

而是：

用戶越多，是越賺錢，還是越燒錢？

這點與傳統 SaaS 非常不同。傳統 SaaS 在系統建好後，新增客戶的毛利通常很高；但 AI 產品如果用戶特別愛用，反而可能帶來更高的推理成本。現在市場對 Big Tech 的 AI 投入回報擔憂，本質上也是這個問題。Alphabet、Microsoft、Meta、Amazon 等大廠今年在 AI 相關投入規模龐大，投資者開始更關注這些 AI 支出何時能帶來足夠回報。

但 AI 訂閱當然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。

由於模型推理成本會被幾件事不斷壓低：

第一，晶片變強。第二，模型變小、蒸餾、量化、MoE 路由更精細。第三，快取、批處理、上下文重用會降低重複計算成本。第四，很多任務不需要最強模型，可以用小模型完成。第五，企業會從「盲目堆 token」轉向「每個業務結果消耗更少 token」。

因此，AI 的邊際成本並非 0，但它也不是固定不變的食材成本。

它更像早期的雲計算：剛開始很貴，但隨著規模、硬體和軟體的優化，成本會持續下降。

這也是為什麼 OpenAI 的定價中，「快取輸入」比普通輸入便宜很多。快取機制的存在，本身就說明 AI 服務商正努力將重複計算轉化為成本更低的類軟體化環節。

這就導致 AI 公司需要同時回答三個問題：

第一，用戶願意付多少錢？這是收入端。

第二，用戶每月會消耗多少 token？這是成本端。

第三，模型成本的下降速度能否快於使用量的增長？這是利潤率端。

如果答案是：

用戶願意支付 200 元，但每月消耗 150 元成本，這筆生意很一般。

如果答案是：用戶願意支付 200 元；成本僅為 20 元，且隨著模型優化還可降至 10 元。

AI 應用又重新接近一個好的軟體生意。

因此，AI 商業模式真正的核心指標不是 DAU，也不是下載量，而是：

Revenue per paying user / Inference cost per paying user.

That is, the unit economics model powered by AI.

這會反過來影響 AI 行情

聯繫到股市，這件事其實很重要。

市場現在交易 AI，第一階段看的是：

算力需求會不會爆發。

因此，英偉達、台積電、博通、存儲、電力設備、數據中心上漲。

第二階段市場會問：

Does AI application have users?

因此，ChatGPT、豆包、Kimi、Qwen、Copilot、Gemini 的用戶規模將受到關注。

第三階段，也就是接下來最關鍵的階段，市場會問：

這些用戶能付費嗎？付費之後能賺錢嗎？

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：

付費轉化率表現良好；用戶未因收費而大規模流失；高價專業版有人購買；企業客戶開始規模化採購；推理成本持續下降；AI 功能帶來真實的提價能力。

但如果看到相反的信號：

用戶只願意免費使用；付費版口碑不佳；平台不斷降價促銷；高頻用戶將成本壓垮；AI 應用收入增長迅速但毛利不佳；

那市場就會開始懷疑：

Is the AI application layer a good business?

這會進一步傳導到上游。因為如果應用層賺不到錢，雲廠商和模型廠商就會被問：你們為什麼還要持續加大 capex？

不同的 AI 公司，經濟模型完全不同

還有一個問題是，不能把所有 AI 公司混在一起看。

1. NVIDIA、TSMC、storage、power equipment

這些是賣鏟子的。別人使用 AI 越多，它們就越賺錢。

它們無需直接承擔終端用戶 token 的成本，反而受益於 AI 推理與訓練擴張帶來的資本支出。

2. 雲端服務商：Microsoft、Google、Amazon

它們位於中間。

一方面，AI 帶來雲收入增長；另一方面，它們自身需承擔巨額 capex、折舊、電力和數據中心成本。Reuters Breakingviews 提到，大廠 AI 開支正在大幅擴張，但市場也越來越關心這些投入能否形成清晰回報。

所以雲廠商的問題是：

AI 雲收入增長，能否覆蓋數據中心、GPU、折舊和電力成本？

3. AI 應用公司：Copilot、ChatGPT、各種 Agent

用戶使用越多，成本越高。如果是固定訂閱制，例如每月收取固定價格，但用戶瘋狂使用，則毛利率會被侵蝕。

因此，AI 應用最理想的状态不是「用戶無限聊天」，而是：

用戶願意支付高費用，但實際的 token 消耗可控。

例如，企業願意每月支付 30、50、100 美元購買 AI 銷售助手、AI 程式碼助手、AI 法務助手，但其背後的推理成本僅為幾美元，這就是一門好生意。

4. 傳統軟體公司 + AI

例如微軟、Adobe、Salesforce 這類公司，如果能在原有軟體中加入 AI 功能，提升 ARPU，同時不讓成本失控，它們就能將 AI 變成提價工具。

AI 對它們並非重新創業，而是原有軟體分發渠道 + AI 加價包。

所以 AI 最大的估值分歧就在這裡

完全不必爭論 AI 有沒有用、有沒有未來，AI 當然是未來。

更深層的問題是：AI 到底是高毛利軟體，還是重資本實業？

樂觀派認為：

AI 成本將快速下降，應用將爆發，ARPU 將上升，最後它仍然是軟體式的高毛利生意。

悲觀派認為：

AI 將變成軍備競賽，所有人都要購買 GPU、建立資料中心、支付電費，但用戶未必願意為每個 token 支付足夠高的價格，最終利潤會被基礎設施成本吞噬。

我覺得真相在中間：

基礎模型和雲基礎設施將越來越像重資產行業；真正具有分發能力、場景應用和定價權的 AI 應用，才有機會重新變成軟體生意。

這也解釋了為什麼 AI 行情可能會分化

第一階段，市場買的是：

誰與 AI 沾邊，誰就上漲。

第二階段，市場會問：

誰能把 AI 變成收入？

第三階段，市場會繼續問：

誰能把 AI 收入轉化為利潤和自由現金流？

AI 不像傳統軟體那樣「多賣一份幾乎零成本」，它每次服務都要消耗算力，因此天然具有餐廳、雲計算和實業公司的成本屬性。

但 AI 並不像餐廳那樣線性，因為模型優化、快取、晶片進步、批處理、小模型路由，都會讓單位成本持續下降。

因此，AI 商業模式真正要看的不是「有沒有收入」，而是：

每產生一美元的 AI 收入，需要消耗多少 GPU、電力和 token 成本。

這就是市場接下來會反覆質問 AI 公司的核心問題。

AI 的未來，到底有多少利潤率。