文 | 吴怼怼

免费获客阶段结束，AI应用开始进入“成本分层+用户分层+商业化验证”阶段。

最近，豆包App Store页面出现了付费订阅信息：免费基础版之外，可能会有68元/月标准版、200元/月加强版、500元/月专业版，年费最高5088元。

豆包回应是免费服务会继续保留，增值服务方案仍在测试中，当前产品内还没有正式展示相关权益。

这件事可以从几个层面看。

01这和成本有关，尤其是“重度使用者成本”

豆包这种产品最麻烦的地方在于：用户越喜欢用，平台成本越高。

一个普通用户偶尔问几句话，成本可能可控。

但如果用户开始做这些事：

写长文、生成PPT、做数据分析、深度研究、图片生成、视频生成、语音实时对话、Agent多步执行任务。

那就完全不是一个成本等级了。

豆包Mac版主打的能力除了聊天，还有“搜索、P图、写作、翻译、PPT、数据分析”，并且强调图片与视频生成、深度研究、会议纪要、文档表格处理等一站式工作流。这些功能本质上都比普通聊天更吃token、更吃推理、更吃多模态算力。

所以豆包收费，很大概率不是因为“普通聊天亏得受不了了”，而是因为：

高价值能力和重度用户，不能再无限免费供应。

免费版可以继续存在，用来做入口、日活、品牌心智；但真正消耗大的能力，要通过会员、额度、优先级、专业版来分层。

02AI 的商业化难点，是“收入固定，但成本浮动”

订阅制有一个天然矛盾：

用户每月付的钱是固定的，但用户消耗的token不是固定的。

这和奈飞、腾讯视频、爱奇艺还不一样。视频平台一部剧拍完，用户多看几次，边际成本相对有限。AI不一样，用户每一次深度对话、每一次生成视频、每一次长上下文分析，都要重新占用推理资源。

传统软件模式以及奈飞模式更像：

研发一次→复制无限次→多卖一份的边际成本接近0

但大模型服务更像：

研发模型一次→每次调用都要算力→用户越多、用得越深，推理成本越高。

OpenAI、Azure OpenAI等API都是按token收费，本质上就说明了这一点：输入token、输出token、长上下文、缓存输入都有不同价格，输出token通常明显更贵。

OpenAI官方定价页里，GPT-5.5短上下文是输入每百万token 2.5美元、输出每百万token 15美元，缓存输入则低很多。

这和卖Office、卖Photoshop、卖操作系统不是一类经济模型。

字节自己的火山引擎也能看到类似逻辑：豆包模型面向开发者的价格同样按百万tokens计费，例如Doubao-Seed-2.0-pro显示为3.2元起/百万输入tokens、16元起/百万输出tokens。

这说明一个本质问题：

AI产品看起来是会员订阅，后台却是按量消耗。但它也不完全等同于餐厅。

更准确的说法应该是：

AI 是“软件公司 + 云计算公司 + 电力密集型实业公司”的混合体。

如果一个用户每月付68元，但疯狂生成PPT、视频、长报告，成本可能吃掉大部分收入。

如果一个用户每月付500元，但主要用来做高价值工作，消耗可控，那就是好生意。

所以AI订阅本质是在做一件事：

把不可控的算力成本，转化成可预测的收入结构。

03从“用户规模竞争”转向“ARPU 竞争”

之前国内AI应用竞争，很大程度上是免费抢用户。

豆包为什么能做得大？除了产品有优势，当然还因为字节有流量、产品能力强、免费门槛低。豆包是中国使用最多的AI聊天应用，QuestMobile数据显示其周活跃用户约1.55亿，DeepSeek约8160万；同时阿里也通过大额补贴拉动Qwen用户增长。

但免费模式有一个问题：

用户规模越大，成本压力越真实。

尤其是中国AI产品现在还有价格战。DeepSeek把模型成本预期打得很低，阿里、字节、腾讯、百度又都不愿意丢入口。于是消费端AI很容易陷入一种尴尬：

• 用户觉得AI应该免费；
• 平台知道AI不可能无限免费；
• 投资人想看增长；
• 公司内部想看商业闭环。

豆包推出付费版，意味着它想测试一个问题：

中国用户到底愿不愿意为AI工作流付钱？

不是为“聊天”付钱，而是为“帮我省时间、做PPT、写报告、做研究、处理数据、生成视频”付钱。

这个差别很关键。

用户很难为“你陪我聊天”每月付500元。

但如果它真能帮一个内容从业者、销售、老师、学生、运营、咨询顾问每天省1—2小时，那68元、200元、500元的接受度就完全不同。

04这也说明：AI 免费版会保留，但免费版会越来越“有限”

未来国内AI 原生应用大概率不是一刀切收费，而是四层结构：

第一层：免费版

用于获客、建立使用习惯、保持市场份额。普通聊天、基础问答、轻量搜索会继续免费。

第二层：低价会员

给普通高频用户，比如更高额度、更快速度、更少排队、更好的模型。

第三层：专业版

给内容创作者、职场用户、学生、程序员、研究人员，卖的是PPT、数据分析、深度研究、文档处理、代码、长上下文。

第四层：企业/API/Agent服务

按量计费，或者套餐+超额计费。这里才是真正能跑商业模型的部分。

豆包现在传出的68、200、500三档，本质就是在试探这个分层。

免费版解决“用户规模”；

标准版解决“轻度付费”；

加强版和专业版解决“重度用户成本回收”。

ChatGPT、Claude、Gemini、Kimi、通义、智谱、豆包，都已经或者即将走向类似结构。区别只在于：谁的免费版最强，谁的付费权益最有感，谁的成本控制最好。

05为什么AI 订阅比传统 SaaS 难？

AI多一个用户、多一次对话、多一次长文总结、多一次Agent执行任务，就要多消耗GPU推理、电力、显存、带宽、存储和工程运维。

所以AI应用公司最核心的问题不是：

有没有用户？

而是：

用户越多，是越赚钱，还是越烧钱？

这点和传统SaaS很不一样。传统SaaS一旦系统搭好，新增客户的毛利通常很高；但AI产品如果用户特别爱用，反而可能带来更高推理成本。现在市场担心Big Tech的AI投入回报，本质也是这个问题。Alphabet、Microsoft、Meta、Amazon等大厂今年AI相关投入规模巨大，投资者开始更关注这些AI支出什么时候能带来足够回报。

但是AI订阅当然也不能简单类比为餐厅，餐厅很难让“一碗面”的成本每年下降80%。

但AI可以。

因为模型推理成本会被几件事不断压低：

• 第一，芯片变强。
• 第二，模型变小、蒸馏、量化、MoE路由更精细。
• 第三，缓存、批处理、上下文复用会降低重复计算成本。
• 第四，很多任务不需要最强模型，可以用小模型完成。
• 第五，企业会从“盲目堆token”转向“每个业务结果消耗更少token”。

所以AI的边际成本不是0，但它也不是固定不变的食材成本。

它更像早期云计算：刚开始很贵，但规模、硬件和软件优化会持续压成本。

这也是为什么OpenAI定价里“缓存输入”比普通输入便宜很多。缓存机制存在，本身就说明AI服务商在努力把重复计算变成更低成本的类软件化环节。

这就导致AI公司需要同时回答三个问题：

第一，用户愿意付多少钱？
这是收入端。

第二，用户每月会消耗多少token？
这是成本端。

第三，模型成本下降速度能不能快过使用量增长？
这是利润率端。

如果答案是：

用户愿意付200元，但每月消耗150元成本，那这个生意很一般。

如果答案是：用户愿意付200元；，成本只有20元，而且随着模型优化还能降到10元。

那AI 应用又重新接近一个好软件生意。

所以AI商业模式真正的核心指标不是DAU，也不是下载量，而是：

每个付费用户的收入/每个付费用户的推理成本。

也就是AI版的单位经济模型。

06这会反过来影响AI 行情

联系到股市，这件事其实很重要。

市场现在交易AI，第一阶段看的是：

算力需求会不会爆发。

所以英伟达、台积电、博通、存储、电力设备、数据中心涨。

第二阶段市场会问：

AI应用有没有用户。

所以ChatGPT、豆包、Kimi、Qwen、Copilot、Gemini的用户规模会被关注。

第三阶段，也就是接下来最关键的阶段，市场会问：

这些用户能不能付费？付费之后能不能赚钱？

豆包传出收费，其实就是第三阶段的开始。

如果未来看到这些信号，AI行情会更健康：

• 付费转化率不错；
• 用户没有因为收费大规模流失；
• 高价专业版有人买单；
• 企业客户开始规模化采购；
• 推理成本持续下降；
• AI功能带来真实提价能力。

但如果看到相反信号：

• 用户只愿意免费用；付费版口碑差；
  
• 平台不断降价促销；
• 高频用户把成本打爆；
• AI应用收入增长快但毛利率不好；

那市场就会开始怀疑：

AI应用层是不是一个好生意？

这会进一步传导到上游。因为如果应用层赚不到钱，云厂商和模型厂商就会被问：你们为什么还要持续加大capex？

07不同AI 公司，经济模型完全不一样

还有一个问题是，不能把所有AI公司混在一起看。

这些是卖铲子的。

别人用AI越多，它们越赚钱。

它们不用直接承担终端用户token成本，反而吃的是AI推理和训练扩张带来的资本开支。

它们介于中间。

一方面，AI带来云收入增长；另一方面，它们自己要承担巨额capex、折旧、电力和数据中心成本。Reuters Breakingviews提到，大厂AI开支正在大幅扩张，但市场也越来越关心这些投入能否形成清晰回报。

所以云厂商的问题是：

AI云收入增长，能不能覆盖数据中心、GPU、折旧和电力成本？

用户用得越多，成本越高。

如果是固定订阅制，比如每月收一个固定价格，但用户疯狂使用，那毛利率会被吃掉。

所以AI应用最理想的状态不是“用户无限聊天”，而是：

用户愿意高付费，但实际token消耗可控。

比如企业愿意为一个AI销售助手、AI代码助手、AI法务助手每月付30、50、100美元，但它背后的推理成本只有几美元，那就是好生意。

比如微软、Adobe、Salesforce这类公司，如果能在原有软件上加AI功能，提高ARPU，但不让成本失控，它们就能把AI变成提价工具。

AI对它们不是重新创业，是原有软件分发渠道+ AI加价包。

08所以AI 最大的估值分歧就在这里

完全不必争论AI有没有用，有没有未来，AI当然是未来。

更深层的问题是：AI到底是高毛利软件，还是重资本实业？

乐观派认为：

AI成本会快速下降，应用会爆发，ARPU会上升，最后它还是软件式高毛利生意。

悲观派认为：

AI会变成军备竞赛，大家都要买GPU、建数据中心、付电费，但用户未必愿意为每个token付足够高的价格，最后利润被基础设施成本吃掉。

我觉得真相在中间：

基础模型和云基础设施会越来越像重资产行业；真正有分发、有场景、有定价权的AI应用，才有机会重新变成软件生意。

09这也解释了为什么AI 行情可能会分化

第一阶段，市场买的是：

谁和AI沾边，谁涨。

第二阶段，市场会问：

谁能把AI变成收入？

第三阶段，市场会继续问：

谁能把AI收入变成利润和自由现金流？

AI不像传统软件那样“多卖一份几乎零成本”，它每次服务都要消耗算力，所以天然带有餐厅、云计算和实业公司的成本属性。

但AI也不像餐厅那么线性，因为模型优化、缓存、芯片进步、批处理、小模型路由，会让单位成本持续下降。

所以AI商业模式真正要看的不是“有没有收入”，而是：

每一美元AI 收入背后，需要烧掉多少 GPU、电力和 token 成本。

这就是接下来市场会反复拷问AI公司的核心问题。

AI的未来，到底有多少利润率。

(来源：钛媒体)