用戶越多虧得越多 AI行業(yè)求解“規(guī)模不經(jīng)濟”難題

7月以來，全球資本市場經(jīng)歷了一場關(guān)于“人工智能（AI）信仰”的震蕩，AI算力板塊從普遍樂觀走到了一個關(guān)鍵的分歧點。從硅谷科技巨頭元公司（Meta）出租富余算力，到衡量AI實際使用熱度的詞元（Token）支出指數(shù)較5月高點下跌約20%，一系列行業(yè)信號，讓支撐AI算力上漲的邏輯出現(xiàn)松動，觸發(fā)全球AI算力股普遍回調(diào)。

從AI產(chǎn)業(yè)鏈來看，支撐上游算力端景氣度的，最終還得是下游應(yīng)用端。應(yīng)用端的商業(yè)模式是否成立、盈利是否可期、增長是否可持續(xù)——這些終極之問，決定著AI資本開支能否持續(xù)擴張。記者近日采訪產(chǎn)業(yè)界人士發(fā)現(xiàn)，當(dāng)前大部分AI應(yīng)用尚未跑通“收入覆蓋成本”的盈利模型。當(dāng)“免費換規(guī)模”的互聯(lián)網(wǎng)舊邏輯撞上“按量計費”的AI新成本結(jié)構(gòu)，一個“用戶越多虧得越多”的“規(guī)模陷阱”正在發(fā)生，并成為發(fā)展之路上的攔路虎。

AI算力板塊的震蕩調(diào)整，本質(zhì)上是資本市場對高昂資本開支的一場重新審視：如果應(yīng)用層尚未構(gòu)建可行的商業(yè)模式，利潤高度集中于上游硬件或不具備持續(xù)性。市場人士指出，只有AI下游，也就是軟件應(yīng)用和AI端側(cè)有了需求釋放和業(yè)績收入后，整個鏈條才能更良性地循環(huán)起來。

難以承受的AI成本

AI創(chuàng)業(yè)公司的老板們，最近都在認(rèn)真計算AI的成本。

“我們公司的算法工程師，一下午就要‘燒’掉300至500美元，比工資還要高。”一家具身智能獨角獸的創(chuàng)始人告訴證券時報記者。機器人本質(zhì)上是軟硬一體的AI終端，機器人公司除了要造出本體外，還需要研發(fā)部署在機器人上的具身大模型，而每一次模型訓(xùn)練，都需要消耗大量的Token，背后都是真金白銀的算力支出。

如果訓(xùn)練可以視為一次性的支出，那么推理則是伴隨著每一次用戶調(diào)用而發(fā)生的、持續(xù)的現(xiàn)金流消耗。

深圳一家AI教育硬件公司的負責(zé)人告訴證券時報記者，公司研發(fā)的AI拍學(xué)機通過接入大模型，實現(xiàn)了“萬物識別”的功能，孩子用拍學(xué)機拍一張照片，AI就能識別圖片中的物品，科普相關(guān)知識，累計用戶規(guī)模已超25萬，日均使用時長達45分鐘。然而，這款售價大約500元的產(chǎn)品卻沒有實現(xiàn)盈利，不僅因為硬件受存儲芯片、印刷電路板等漲價影響而成本增加，而且用戶每一次拍照識別都需要調(diào)用大模型，都要消耗Token——這意味著，用戶越多、使用時間越長，成本就越高、越不可控。

產(chǎn)品越成功，虧損越嚴(yán)重——在AI產(chǎn)業(yè)鏈的下游應(yīng)用端，這是一個普遍存在的“規(guī)模不經(jīng)濟”悖論。記者采訪了解到，上游算力端幾乎吃掉了模型廠商及應(yīng)用端的所有利潤，整個鏈條中，誰離用戶越近，誰越難賺錢。因為模型廠商及應(yīng)用端需要面對的，是擁有絕對議價權(quán)的上游算力供應(yīng)商，以及對價格敏感、低忠誠度的用戶，要在夾縫中實現(xiàn)盈利，并不容易。

最近的一則數(shù)據(jù)，讓AI高昂成本帶來的壓力初現(xiàn)端倪。獨立指數(shù)提供商Silicon Data編制的大模型Token支出指數(shù)在今年5月觸頂后，如今已回落約20%。這一指數(shù)被視為反映AI服務(wù)付費意愿及邊際需求變化的指標(biāo)，有市場分析人士認(rèn)為，其走弱表明用戶的AI支付意愿已接近階段性上限。

Token支出指數(shù)下滑，最直觀的一個體現(xiàn)是，科技公司最近開始對員工Token使用量進行限制。例如，微軟、Meta等公司均采取措施限制員工使用AI，以控制快速膨脹的AI成本。一名國內(nèi)頭部互聯(lián)網(wǎng)大廠程序員也告訴證券時報記者，現(xiàn)在公司內(nèi)的前沿模型接口經(jīng)常要排隊，“本質(zhì)上就是在限制使用，感覺限制用量遲早會來。”該程序員表示。

賺錢為什么這么難

傳統(tǒng)互聯(lián)網(wǎng)模式下，開發(fā)一款A(yù)PP的成本是固定的，新增一個用戶的邊際成本趨近于零，其增長邏輯是“燒錢換規(guī)模、規(guī)模換利潤”。但這套打法在AI時代已經(jīng)失效，因為推理成本會隨著用戶規(guī)模和日活一起“膨脹”，規(guī)模越大，賬單越貴。

面對高昂的成本，AI應(yīng)用端正在經(jīng)歷一場從免費圈地到付費探索的轉(zhuǎn)向。6月24日，豆包專業(yè)版正式上線，采用包月訂閱模式，有68元、200元、500元三檔付費方案，使用額度隨金額依次增長。但在專業(yè)版之外，豆包也對用戶保留免費的基礎(chǔ)版本，并強調(diào)免費版的功能與額度可以滿足大部分用戶的日常生活場景。

除了豆包以外，記者梳理發(fā)現(xiàn)，國內(nèi)主流大模型中，智譜AI（智譜清言）和月之暗面（Kimi）也已上線付費會員體系，均采取包月訂閱模式。智譜清言分為VIP會員和SVIP會員兩種，連續(xù)包月價格分別為49元和149元；Kimi包月費用分為49元、99元、199元、699元四檔。二者均和豆包一樣保留免費的基礎(chǔ)版本。DeepSeek、阿里千問、騰訊元寶則對普通用戶維持免費，未設(shè)置付費版本。

然而，能收費卻并不代表能盈利，二者之間隔著一道難以跨越的鴻溝。

從To C端（面向消費者）來看，付費模式的推行阻力重重。和君咨詢合伙人沈佳慶接受證券時報記者采訪時表示，在作為生產(chǎn)力工具以外的其他場景，AI的收入乏善可陳，這源于國內(nèi)個人用戶的付費意愿普遍不高。前述AI教育硬件公司負責(zé)人告訴記者，由于國內(nèi)用戶還沒有形成AI付費習(xí)慣，公司的拍學(xué)機在國內(nèi)和國外采用“雙軌制”，即對國內(nèi)用戶免費，對海外用戶收取每月9.9美元至15美元的訂閱費，以此覆蓋部分的模型調(diào)用推理成本。

從To B端（面向企業(yè)）來看，盈利則面臨企業(yè)預(yù)算約束和落地效果鴻溝。“賺錢的難度并不低，因為客戶是極為理性的。對多數(shù)企業(yè)而言，AI應(yīng)用預(yù)算并非新增的資本開支，而是從本就已經(jīng)在縮減的數(shù)字化轉(zhuǎn)型預(yù)算中分離出來的，因此，總市場沒有變大。”沈佳慶說，隨著企業(yè)部署和應(yīng)用AI進入深水區(qū)，在取得一部分效果后，往往就會發(fā)現(xiàn)AI對核心商業(yè)模式、市場競爭力等的改進作用暫時還比較有限，一些無法產(chǎn)生明確效益的應(yīng)用場景就將被砍掉。

雖然現(xiàn)階段，B端的盈利比C端更具確定性，但B端的投入也更“重”，高度定制化，需長期維護和運營。更重要的是，在沈佳慶看來，AI的真正價值不在于降本，而在于創(chuàng)造原本不存在的商業(yè)模式，而AI應(yīng)用目前還未能真正創(chuàng)造價值。“會議紀(jì)要自動生成、周報一鍵擴寫、營銷文案批量改寫、PPT排版美化、簡單代碼補全，這些功能有更好，沒有也沒關(guān)系，它們不是企業(yè)愿意為之支付高額訂閱費或項目款的痛點。”沈佳慶說。

AI資本開支的再審視

近年來，資本市場熱烈追捧AI算力基建板塊，其核心邏輯是AI能力將隨著AI資本開支的擴大而提升，進而產(chǎn)生更大的回報。但是，在算力賬單持續(xù)攀升而實際業(yè)務(wù)回報有限的情況下，AI行業(yè)正面臨著一場深刻的商業(yè)模式重構(gòu)。

要走出“規(guī)模不經(jīng)濟”的陷阱，核心在于兩方面——降本和提質(zhì)。

降本，是要在模型架構(gòu)和推理效率上做文章，通過引入端云協(xié)同、大小模型動態(tài)路由、推理緩存與預(yù)計算等技術(shù)，降低推理成本。前述AI教育硬件公司負責(zé)人表示，公司的AI拍學(xué)機將高頻、簡單的識別任務(wù)（如識別常見動植物）交由低成本、本地化部署的端側(cè)小模型處理，僅在遇到復(fù)雜邏輯或長尾知識時才調(diào)用云端大模型，此外還利用推理緩存技術(shù)，對重復(fù)出現(xiàn)的用戶提問直接返回歷史結(jié)果，避免重復(fù)計算，降低Token消耗。

提質(zhì)，是要摒棄“為了AI而AI”的功能堆砌，從“賣Token”真正轉(zhuǎn)向“賣結(jié)果”，前者關(guān)心的是“用了多少”，后者關(guān)心的是“產(chǎn)出了什么”。一名業(yè)內(nèi)人士告訴記者，在傳統(tǒng)的IT服務(wù)中，甲骨文、賽富時等軟件公司并不是按照“數(shù)據(jù)庫查詢次數(shù)”來收費，而是采取項目制定價、按服務(wù)周期付費，約定服務(wù)范圍和效果指標(biāo)，基于實際產(chǎn)生的產(chǎn)業(yè)價值來定價。“AI花了幾年時間繞路，最后可能還是要回到這條路上來。”該業(yè)內(nèi)人士說。

回到最初的問題，在“規(guī)模不經(jīng)濟”的視角下，AI資本開支的可持續(xù)性，不取決于算力本身有多強大，而取決于下游應(yīng)用能否構(gòu)建出健康的商業(yè)增長和財務(wù)盈利模型。“就好比西部淘金熱，賣鏟子的人比淘金客更興奮，淘金客在河邊篩了幾年，卻沒見到金沙。”沈佳慶說，如果未來應(yīng)用層仍無法創(chuàng)造真正的價值——比如能直接創(chuàng)造新收入、自主完成核心業(yè)務(wù)閉環(huán)、具備不可替代性的產(chǎn)品，那么底層基建的繁榮或也將不可持續(xù)。

來源：證券時報