
1. AI商业化问题凸显
晚点一篇关于豆包、Seedance和AI商业化的报道,将一个行业里难以回避的问题摆到台前:AI到底怎么赚钱?截至上半年,日使用量达2亿多人的豆包,日收入不足百万元,主要来自电商佣金;而到今年5月,豆包应用每天消耗的算力成本可能已达数千万元。文字聊天成本不算高,但进入推理、图片识别、语音聊天、视频聊天等多模态功能时,成本会陡然上升,且还未计算训练模型所需的智算中心投入。一座大型智算中心往往需数万张AI芯片,还要配套供电、网络、散热、运维和数据中心基础设施,这表明AI更像软件、云计算、电力、半导体和重资产制造业的混合体。
2. 大厂的AI战略调整
类似变化也出现在其他大厂。腾讯将WorkBuddy企业版、政务版等智能体开发平台推到更重要位置,元宝的战略能级反而下降。这些产品更接近企业生产力工具、开发者工具和MaaS平台,面向有预算、有组织流程、有明确效率诉求的B端客户。微软也在重新计算AI账本,过去Copilot更像标准化订阅产品,但企业Agent持续调用模型、执行任务、消耗推理资源时,“每人每月固定价格”模式变得吃力,微软已在部分Copilot和Agent服务中推进按量计费,让企业基于实际使用量付费,并通过预算和成本管理控制账单。Anthropic则更直接,Claude Enterprise的usage - based企业计划已从单纯订阅转向“席位费 + 用量费”的混合模式,企业先为用户席位付费,模型使用量按token单独计费。
3. AI与移动互联网的差异
这轮AI浪潮和移动互联网有很大不同。过去做App,可先免费、先追求DAU、时长、占入口,再靠广告、电商、会员、游戏、金融和生活服务变现,今日头条、抖音、小红书、快手都是此逻辑的产物,内容分发边际成本相对较低。但AI不同,每次交互都要消耗算力,用户越活跃,成本越真实;上下文越长,显存越紧张;输出越复杂,GPU占用时间越长;进入图片、语音、视频和Agent时,成本结构更像工业生产,而非互联网流量分发。这意味着AI的第一性原理是“算力”,而非“流量”。
4. 豆包与Seedance的对比
豆包的问题不是没有用户,而是用户太多但商业化未跟上。两亿日活说明需求真实存在,但需求不等于收入,收入不等于利润。若大量用户免费聊天、生成、调用多模态能力,而平台无法将使用转化为足够高的收入,规模就会变成成本负担。这就是“移动互联网式AI叙事”的幻觉,过去认为先有用户后有商业化,但AI时代用户增长和成本增长高度绑定,AI产品不能只讲DAU、时长和下载量,还需回答每次调用花多少钱、成本由谁买单的问题。豆包是面向大众的通用AI助手,用户规模大但付费理由不强,尤其在中国市场,用户习惯免费内容,让大众为“更聪明一点的数字服务”持续付费很难。Seedance面对的是生产者,如短剧公司、漫剧公司、广告公司、内容制作团队,它帮助有预算的行业降低成本、提高效率,若AI生成的视频可用且比人便宜、比旧流程快,客户就愿意付费。
5. AI商业化的关键
AI商业化的关键不是C端还是B端,而是有无明确的付费理由。AI编程易收费,因为它面向程序员、研发团队和软件公司,可缩短开发时间、提高代码产出、替代重复劳动,企业为更快交付软件付费。AI视频有机会,因为它嵌入内容生产预算,只要能降低成本,就能拿走部分预算。AI客服、AI法务、AI投研、AI设计、AI销售线索、AI数据分析也是同样逻辑。
6. “卖铲子”的公司
现在看起来最赚钱的是“卖铲子”的公司,芯片、云、数据中心、电力、散热、网络是AI时代最先确定受益的环节。不管最后是OpenAI、Anthropic、Google、字节、阿里,还是新的应用公司获胜,都需训练模型、部署推理、购买或租用算力,卖铲子的人站在最上游,只要大家继续挖,就有人买铲子,这是英伟达和云厂商的优势。但判断“AI最终只有卖铲子的赚钱”可能过于悲观,更准确的说法是卖铲子的先赚钱,基础模型层高度集中,下游应用会死掉一大批,但真正嵌入工作流、掌握付费场景的应用仍有机会。
7. AI的三种商业模式
AI的终极商业模式可能是三种模式的混合。第一种是C端的“健身房模式”,健身房会员制中多数人交钱不常去,少数高频用户被低频用户补贴,AI订阅也类似。轻度用户每月问几次、生成几张图,平台赚钱;重度用户高频使用,平台亏钱。AI订阅理想用户是“愿意为能力付费,但不会把额度用穿”的用户,但AI最有价值的用户往往是高频、高成本用户,所以平台不能仅靠“健身房式会员”,需转向用量计费或结果计费。未来C端AI更可能变成“会员 + 额度 + 超额包”,普通聊天接近无限,高级模型有次数限制,图片和视频生成用点数,深度研究按次数,代码Agent按任务量。用户看到的是会员、点数、创作额度、深度研究次数,平台内部计算的是token、GPU秒、推理成本和单位毛利。第二种是B端的“云服务模式”,云服务是云厂商先重资产建设数据中心等,再把资源切成标准化能力按需租给企业,企业按计算、存储、数据库、带宽和API调用付费。B端AI类似云服务,模型API、MaaS平台等把“智能能力”变成可计量资源,企业用多少token、上下文、图片识别、语音转写、视频秒数、Agent执行时间,就对应多少成本。但AI比传统云更复杂,云服务卖资源,AI最好卖结果,企业客户关心客服成本、代码交付、广告素材、视频生产、投研报告、法务审查等方面的效果,所以最好的B端AI商业模式是后台按资源结算,前台按价值收费,企业为结果付费。第三种是“结果收费模式”,AI最终卖的是可验证的业务结果,若AI应用只是转发用户请求给上游模型,很难留下利润,真正能赚钱的下游需把token封装成工作流,把算力变成结果,把结果变成账单。Codex、Claude code、Cursor等AI编程工具重构开发者写代码界面,微软把Copilot嵌入Office,字节把AI嵌入广告投放等,都是在卖生产工具,这是AI应用层的机会,要成为行业工作流的一部分。
8. token与GPU的作用
token是模型处理信息的基本计量单位,输入token是模型读入内容,输出token是模型生成内容,token越多,模型计算量、显存占用、推理时间等成本越高,token像AI时代的电表。GPU像发电厂和工厂设备,长期高负载运行会带来电力消耗、热损耗等问题,且AI GPU的寿命是经济寿命,新一代芯片性能更强、能耗更低时,旧卡单位token成本过高会被迫退到低端任务甚至经济报废,这是AI基建周期里的最大变量。
9. AI行业的不同阶段
短期看,卖铲子的最确定,芯片、云等会继续受益,基础模型公司会继续烧钱争夺门票,下游应用会经历残酷筛选。中期看,市场会关注ROI,如大厂资本开支能否转化为真实收入、企业AI收入增速能否追上算力投入、GPU云价格是否下跌、数据中心利用率高低、折旧年限计算方式等。长期看,基础模型层会高度集中,但应用层不会消失,真正的赢家会出现在掌握算力入口的基础设施公司、掌握企业工作流的软件公司、能把AI直接转化成业务结果的垂直应用公司。
10. AI的终极商业模式与买单问题
AI的终极商业模式可能是C端像健身房,用订阅、额度和沉没成本管理用户;B端像云服务,用token、调用量、年框合同和企业锁定收费;高阶应用像SaaS和外包服务的结合,用AI完成具体任务,再按结果收钱。订阅可作入口,但不能是终局。AI行业进入“谁能把算力变成现金流”阶段,过去关注参数、榜单等,接下来更重要的是单位推理成本、token毛利、企业续费率、任务成功率、客户预算来源、工作流嵌入深度和可验证ROI。AI会提高社会效率,但提高效率的人未必能赚到钱;AI会重塑很多行业,但不是每个AI应用都能成为公司;AI会成为基础设施,但基础设施生意最终要回答这一轮烧掉的算力由谁买单的问题。
340



被折叠的 条评论
为什么被折叠?



