月活3.45亿的豆包开启收费,AI行业付费困境何解?

印尼稻米收成与粮食安全数据集2026年 本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。 立即下载

AI行业的免费与商业化默契

过去两年,中国AI行业有个心照不宣的默契,先免费做大用户规模,再谈商业化。这并不奇怪,中国互联网二十年的成功大多遵循此公式,即免费获取流量,再通过广告、电商或增值服务盈利,搜索、短视频、移动支付等领域皆是如此。

豆包开启收费

但5月初,豆包在苹果App Store页面更新付费订阅服务声明,计划推出三档付费版本,标准版连续包月68元(包年688元)、加强版200元(包年2048元)、专业版500元(包年5088元),同时保留免费基础版。拥有3.45亿月活、国内AI应用第一的豆包,开始收费了。

1000倍增长的账单,无人“买单”

要理解豆包为何收费,先看一组数据。2026年3月,豆包大模型单日处理的Token量突破120万亿,距产品发布不到两年,该数字涨了1000倍,三个月前还只有现在的一半。Token是AI运转的燃料,用户每次交互背后都是服务器集群的高速运转、电力消耗和硬件折损。用量涨1000倍,意味着字节的成本也在非线性膨胀。

此前网传2025年字节全年资本开支超1500亿元,约900亿流向AI算力采购;2026年计划再投1600亿,其中850亿专用于AI芯片。同期有报道称净利润同比下滑超70%。虽抖音集团副总裁李亮澄清下滑数字包含优先股和期权成本变动,实际经营利润率仅“小幅下滑”,但也承认“抖音电商增速放缓和新兴业务相关投入增大”对下半年经营利润率造成了压力。

字节在AI投入越来越多,而AI投入成本不会因规模扩大而摊薄。传统互联网变现逻辑是平台出产品、用户出注意力、广告主出钱,用户浏览时注意力可被定价售出。但AI改变了用户与产品的关系,用户发起的是任务,过程中无注意力空隙,广告无处可插,这意味着互联网过去二十年的变现公式在AI身上失效。

而且,新用户使用复杂功能会产生独立算力支出,产品越好、用的人越多,高算力消耗场景频次越高,总成本就越高。视频生成是AI应用中最烧算力的场景之一,随着这类功能开放,算力需求增长斜率持续陡峭,短期内无天花板。3亿月活,在流量逻辑里是资产,在算力逻辑里是负债。

不过,把豆包收费单纯理解为撑不住了,可能低估了其另一层意图。豆包长期被视为字节系娱乐工具,适合闲聊,非严肃生产力平台,这与用户来源有关。此前提到,腾讯、阿里砸重金投流买量时,豆包靠抖音博主“自然流量”完成用户爆发,很多用户从抖音推送点进来,把它当免费消遣。68元的月费是一次强制性认知重置,毕竟愿意付68元月费的用户不是来闲聊的,但前提是用户愿意为此买单。

能有多少转化?

3亿月活是豆包常被提及的数字,也是外界对其收费乐观的理由。逻辑很简单,用户基数大,哪怕转化率只有1%,也是300万付费用户,乘以68元,一年超20亿收入。据摩根士丹利测算,假设豆包付费转化率区间为0.3%至3.0%,月活用户区间为3.45亿至5.25亿,年均付费用户收入(ARPPU)约为98美元,据此测算,豆包年化订阅收入区间为1.01亿至15亿美元。

但这个算法跳过关键问题,这3亿人是什么样的人?豆包用户增长路径与国内其他AI产品有根本差异。Kimi早期用户靠密集商业投放获取,用户看到广告会接受隐性价值教育,认为这是个有用且可能值钱的工具。而豆包用户靠抖音自然流量、手机厂商预装合作和口耳相传,用户接触豆包的第一反应是“免费的,试试看”。两种获客方式在付费心智上起点不同。

付费转化率低不是豆包独有的困境,是整个AI行业未解开的难题。OpenAI是目前C端商业化最好的AI公司,截至2026年初,其付费用户约5000万,周活跃用户超9亿,付费渗透率不足10%,这意味着全球最知名、产品力最强、付费心智建立最早的AI应用,超90%活跃用户选择不付钱。

还有个背景,国内消费者在数字内容上付费并非易事。国内真正付费的数字产品屈指可数,坚持下来的更少。长视频平台花近十年才把会员订阅做成规模化生意,很多用户仍习惯找拼车、等免费。音乐流媒体也是如此,版权保护收紧前,用户默认音乐免费,平台靠锁住免费权限驱动转化。这些先例表明,国内市场从免费到付费的跨越,不仅需要好产品,还需要时间、习惯重塑和让免费变得不够用的压力设计。

豆包目前保留免费版,用付费版提供更强能力,这是温和设计,不强迫付费,但转化动力有限,免费版够用时,付费版就没必要。

豆包收费后,谁最难受?

当用户体量最大的豆包开始收费,国内其他AI玩家怎么办?Kimi处境典型,作为国内C端AI商业化最靠前的独立产品,花近两年建立付费用户群,这是其重要资产。但它与豆包竞争条件不对等,Kimi是纯AI公司,算力开支靠订阅收入覆盖,而豆包背后是字节,广告、电商业务可为免费用户变现,补贴算力成本,同时用订阅制收割高价值用户。

元宝月活5735万,不到豆包规模的三分之一。2026年春节,腾讯豪掷10亿元搞AI红包大战,马化腾在年初年会上对豆包手机助手表示警惕。但元宝与豆包在C端赛道正面竞争,却无庞大月活支撑分层付费策略,过早收费可能阻碍规模增长,不过腾讯有广告和游戏现金流支撑,可以继续拖着。

千问与豆包最为相似,目前以1.66亿月活紧随豆包之后,QuestMobile数据显示其2026年Q1月活已接近豆包的半数。千问处于用户扩张期,与豆包有近一倍规模差距,此时贸然收费会放慢追赶脚步。

DeepSeek是开源模型,不做C端订阅,不参与付费市场直接竞争。从表面看,豆包收费与它无关,但它是付费逻辑的潜在威胁。开源模型质疑了用户为AI付费的前提,如果其能力逼近闭源产品,开发者可搭建同等体验应用,用户有免费替代品,那么豆包、Kimi、文心一言的订阅费凭什么值那个价?

豆包收费带来了整个行业逻辑的切换。过去两年,AI产品比拼谁更免费、增长更快;接下来,将比拼谁更能承担成本、建立稳定商业闭环。Kimi、元宝、千问各有压力,而DeepSeek代表的开源路径又在压低行业收费空间。当“足够好”的AI越来越免费,真正稀缺的可能不再是模型能力,而是支撑模型长期运转的现金流、生态和商业体系。

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar 立即下载

相关推荐

Delphi 13.2控件之msquic4d.rar

Delphi 13.2控件之msquic4d.rar

标杆案例解读:豆包收费开启AI付费时代!

字节跳动旗下AI助手豆包2026年5月推出付费订阅服务(68-500元/月),引发舆论风暴,#豆包付费#登顶微博热搜,43%用户表态"收费就卸载"。付费首月MAU环比下降1.81%至3.3亿,但仍保持行业领先。背后是AI服务与传统互联网完全不同的成本结构——日均120万亿Token消耗带来年超300亿算力支出,导致字节2025年净利润骤降70%。此次收费折射出中国AI行业共同困境:当边际成本不再趋零,"免费换规模"模式难以为继。尽管豆包通过分层定价(保留免费基础功能)

mltsbgyj0325的博客 784

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

豆包即将收费:从技术视角看AI商业化的必然与困境

2026年5月,拥有3.45亿月活的豆包宣布开启付费测试,三档套餐价格从68元/月到500元/月不等。这一事件标志着国内大模型行业从"免费圈地"走向"收费造血"的关键转折点。本文将从技术角度深度剖析AI成本结构的刚性特征、降本技术的可行路径、商业模式的演进逻辑,以及行业未来的发展趋势,为开发者和从业者提供理性的思考框架。

腾讯云创作之星、华为云云享专家,深耕电商全栈高并发系统实战,分享可商用商城项目源码。 1093

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

豆包专业版月费500元,凭什么?

豆包专业版500元/月贵不贵?

彪悍大蓝猫的博客 694

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

豆包的第一张账单:AI和互联网的“免费午餐”还剩几顿?

AI这场大戏,狂欢的是用户,赚钱的到底是谁?

u014344410的博客 388

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

2026年AI行业最新动态,大模型激战升级,应用落地加速

2025年AI行业迎来关键转折点:OpenAI发布GPT-5.2系列,在专业任务中表现接近专家水平;谷歌Gemini 3.0登顶LMArena榜单,支持100万tokens上下文。迪士尼豪赌10亿美元投资OpenAI,AI编程工具Cursor年收入突破10亿美元。中国形成字节豆包、DeepSeek和腾讯元宝三强格局,AI应用垂直化趋势明显。算力军备竞赛持续升级,数据中心能耗达25.3吉瓦。AI硬件入口争夺战打响,AI眼镜出货量增长64.2%。展望2026年,具身智能商用、AI应用盈利拐点、模型轻量化与端侧部

m0_74942241的博客 1573

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

Seedance 2.0底层原理与豆包2.0 Pro多模态建模解析

AI视频生成已从‘能否实现’迈入‘如何精准可控’阶段,其核心依赖于多模态大模型对时空序列的深度理解。视频时序建模、跨模态对齐、物理规律约束等能力,正成为区分高阶AI视频工具的关键技术门槛。其中,动态动作识别、帧间运动矢量预测与刚体动力学仿真,直接决定生成内容的自然度与可信度;而这类能力并非通用图文模型的简单延伸,而是需海量原始视频数据与物理仿真训练协同演进的结果。当前主流应用如Seedance 2.0,正是依托此类底层多模态‘时空解码器’(如豆包2.0 Pro)实现动作连贯性、光影一致性与语义保真度的统一。

weixin_33672109的博客 394

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

【CEEMDAN-VMD-GRU】完备集合经验模态分解-变分模态分解-门控循环单元预测研究(Python代码实现)

内容概要:本文提出了一种融合完备集合经验模态分解(CEEMDAN)、变分模态分解(VMD)与门控循环单元(GRU)的复合预测模型,旨在提升对复杂非平稳时间序列的预测精度。首先利用CEEMDAN对原始信号进行自适应分解,有效缓解模态混叠问题,获得一组本征模态函数(IMFs);随后引入VMD对关键模态分量作进一步优化分解,增强特征分离能力,降低噪声干扰;最后将处理后的平滑分量分别输入GRU神经网络进行独立训练与预测,并通过加权集成策略融合各分量输出,得到最终高精度预测结果。该方法结合了多尺度信号分解与深度学习的优势,显著提升了模型在处理强噪声、非线性、非平稳序列(如电力负荷、风速、光伏发电功率等)时的泛化能力和预测稳定性,文中提供了完整的Python代码实现,便于复现与应用。; 适合人群:具备一定Python编程基础和机器学习理论知识,从事科研或工程应用的硕士、博士研究生及科研人员,尤其适用于能源系统预测、智能电网调度、可再生能源管理、信号处理与时间序列分析等相关领域的研究人员和技术开发者。; 使用场景及目标:①解决传统单一预测模型在面对复杂非平稳时间序列时存在的过拟合、收敛慢、精度低等问题;②通过多阶段信号分解降低原始序列的复杂度与不确定性,提升GRU模型的训练效率与预测鲁棒性;③为电力系统负荷预测、新能源出力预报、设备运行状态预警及市场交易策略制定等关键任务提供高精度数据支撑。; 阅读建议:建议读者结合提供的Python代码逐模块理解算法实现流程,重点关注CEEMDAN与VMD的参数配置对信号分解效果的影响,尝试在不同数据集上进行实验对比,并通过可视化手段分析各模态分量的物理意义,进一步掌握模型调优与性能评估的方法。

2025国产大模型实战指南:职场人如何选对AI工具

大型语言模型(LLM)作为人工智能的核心技术,已从实验室走向真实办公场景。其本质是基于海量文本学习语言规律与知识关联的深度神经网络,技术价值在于将模糊需求转化为可执行结果。当前国产大模型在通用能力上趋于均质化,真正差异体现在对中文语境、业务逻辑和多模态输入的理解深度——即‘场景穿透力’。典型应用场景包括政务文档解析、方言语音转写、销售数据分析、小红书文案生成等高频职场任务。本文聚焦GPT类交互范式下的实测经验,不比参数,只看能否三分钟提炼招标文件风险点、能否听懂带口音的客户投诉、能否把Excel数据自动变成

chuanao8829的博客 403

±10V ADC 输入电路的高共模差分输入电压

这篇文章分析了±10V ADC输入电路的设计需求与挑战,重点讨论了高共模差分输入电压的处理方案。文章首先明确了设计目标,即安全转换±10V差分信号并保持信号完整性,同时克服高共模电压、阻抗匹配和噪声优化等难点。随后详细比较了仪表放大器和差分放大器的性能特点,并提出了器件选型理论。在信号链架构部分,文章通过公式推导阐述了增益设置、共模抑制设计和输入阻抗匹配等关键技术。此外,还建立了噪声源模型,提出了噪声优化措施。最后,文章总结了设计验证方法,并扩展了在工业保护和生物电信号采集等场景的应用。该设计强调根据具体应

泛红尘的博客 1963

《置身钉内》原文-可播放阅读

阿里员工的《置身钉内》相信你一定有听说、或看过这样的标题,最近出差、又加上各种其他的事还有,今天拿起来看,网上流传大多是 DPF 截图版,对于工作一天再盯着长篇着实累,所以搜索到一篇文字版,可以选择语音播放。文末会放一个网盘离线版本。以下是正文:发心第一 钉钉的动物园形象钉三多,是一只尖尾雨燕,世界上平飞最快的鸟类之一。它最特殊的地方在于,可以吃喝、睡眠、交配通通在空中完成;每年从非洲飞经印度和东南亚,回中国北方繁殖,最多可以连续飞行三百多天不落地。尖尾雨燕的拉丁文是apus apus,"pus"是"脚"的

JavaPub 6940

非目标代谢组学(untargeted metabolomics)中常用的方法学考察的方法(四)

最早使用的一种方法,从QC样本的总离子流图中选择具有代表性的离子峰(覆盖不同的保留时间,不同的强度),在对QC样本进行重复检测之后,计算这些离子的保留时间以及峰面积的相对标准偏差(RSD),用以考察分析方法的稳定性以及重复性。所有样品检测完之后,收集所有的QC样本的原始数据进行数据预处理,包括(峰提取,排列,归一化等),经过数据过滤(80%规则)之后,计算剩下的峰的峰面积的RSD值。由于QC样本是 等量混合了所有的被检测样本,理论上QC样本包含了所有样本中的代谢物,因此QC样本理论上会。

hlllllllhhhhh的博客 1490

FPGA图像处理之直方图均衡实现

直方图均衡的基本原理,就是对在图像中像素个数多的灰度值(即对画面起主要作用的灰度值)进行拉伸,而对像素个数较少的灰度值(即对画面不起主要作用的灰度值)进行合并,从而提高对比度,使图像清晰,达到增强的目的。综合以上两个条件,累积分布函数是个好的选择,因为累积分布函数是单调增函数(控制大小关系),并且值域是0到1(控制越界问题),所以直方图均衡化中使用的是累积分布函数。

FZWzsl的博客 1429
上一篇: 3个月打造独角兽的“AI教母”李飞飞,携AI游戏生成公司Astrocade获5600万美元融资!
下一篇: 月活3.45亿的豆包开启C端收费冒险,AI商业化能否破局?
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值