廉价AI时代正在终结，创业公司该算笔账了

「我们正目睹一个时代的结束。」当投资人开始讨论AI公司的补贴模式能撑多久时，这句话的分量已经不只是感慨。

过去两年，用Claude写文案、让GPT-4跑客服、靠AI代理替代人力——这套打法让无数创业公司省下真金白银。但一个被刻意忽略的事实正在浮出水面：你付的token费用，远低于AI公司实际烧掉的钱。

这不是技术故障，是商业模式的裂缝。而当补贴停止，裂缝就会变成深渊。

从"用AI省人头费"到"AI成本可能翻倍"

本周早些时候，我注意到一批创业公司的操作：把原本招人的预算，直接砸进Claude和OpenAI的API调用。策略简单粗暴——用AI算力替代人类员工，边际成本理论上趋近于零。

但隐患从一开始就埋在那里。AI公司一直在以低于成本的价格卖服务，靠风投输血维持运转。这种模式能走多远？现在答案开始显现。

信号来自四面八方：产品访问受限、部分服务直接关停、价格上调。这些不是孤立事件，是同一根链条上的连锁反应。

更深层的问题在于，廉价AI的不可持续性正在向整个经济蔓延。当OpenAI和Anthropic背后的VC被迫继续烧钱补贴，这场游戏的终局已经可以预见——要么找到盈利路径，要么断粮。

我在本周播客里把这个局面比作Uber。这个类比只在一点上成立：两者都靠投资人补贴用户，用亏损换市场，用低价碾碎竞争。

当年Uber每单都在亏钱，但成本结构简单——它只是个App，不拥有车辆、不雇司机。所以后来涨价、压司机分成，至少能让财务报表好看些。

AI公司没有这种奢侈。

为什么AI的"Uber化"更难走通

Ed Zitron点出了关键差异：Uber的基础设施成本极低，而AI公司正被基础设施拖入泥潭。

Anthropic可以把Claude涨价、限制服务，但这只是众多杠杆中的一根。与此同时，它们还在疯狂烧钱建数据中心、应对选址带来的政治反弹、应付版权和公共安全诉讼、投入巨资训练下一代大模型。

没有一项开支是可以砍掉的。数据中心是算力的物理载体，政治博弈关乎能否拿到电和地，诉讼结果决定训练数据的合法性，而新模型是维持竞争力的门票。

这意味着AI公司的成本结构远比Uber复杂。涨价能覆盖一部分，但远不足以填平所有窟窿。

对于那些把AI代理当成运营支柱的创业公司， timing 变得致命。它们在一个成本被人为压低的窗口期扩张，却可能某天醒来发现算力成本翻倍、甚至翻十倍。更糟的是，这种冲击可能毫无预警。

商业计划书里那个"AI降本"的假设，正在变成一颗定时炸弹。

补贴退潮后的真实成本

让我们拆解一下AI公司的成本构成。训练大模型需要GPU集群，推理服务需要持续运行的数据中心，而 Scaling Law（规模扩展定律）意味着性能提升依赖指数级增长的算力投入。

这些成本不会随着技术成熟而线性下降。相反，当模型变大、用户变多、竞争加剧，烧钱速度只会更快。

风投的耐心不是无限的。当LP开始追问退出路径，当IPO窗口收紧，当二级市场给不出高估值——补贴的阀门就会被拧紧。

这不是假设。我们已经看到AI公司收紧免费额度、取消低价套餐、对高频用户设置硬上限。这些动作的共同指向是：先止血，再谈未来。

但对依赖AI的创业公司来说，这构成了一个残酷的悖论。它们的商业模式建立在"AI比人便宜"的假设上，而这个假设的成立前提——低价——本身就是不可持续的。

当AI公司被迫提价，这些创业公司的单位经济模型就会瞬间崩塌。更麻烦的是，这种崩塌可能是突发性的，因为AI公司的定价策略并不透明，调整往往没有缓冲期。

创业公司的应对窗口正在收窄

面对这种局面，不同的创业公司正在做出不同选择。

一类选择加深绑定。它们认为AI公司的补贴还会持续很久，或者相信技术突破会带来成本骤降。这种策略的本质是押注——押注自己能撑到拐点，押注竞争对手先倒下。

另一类开始分散风险。它们不再单押一家模型提供商，而是在Claude、GPT-4、Gemini之间动态切换，甚至开始评估开源模型的自托管成本。这种策略增加了技术复杂度，但换来了定价谈判的筹码。

还有一类在重新设计成本结构。它们把AI代理从"全自动化"降级为"人机协作"，保留关键节点的人工审核，既控制质量，也为可能的算力涨价预留缓冲。

没有哪种选择是完美的。加深绑定是赌徒逻辑，分散风险需要额外的工程投入，人机协作则削弱了AI带来的效率叙事。但不做选择的风险更大——当补贴退潮，没有预案的公司会直接出局。

行业层面的连锁反应

AI算力紧缩的影响不会局限于创业公司。它正在重塑多个行业的成本预期和投资逻辑。

在客服行业，原本计划用AI替代80%人力的公司，现在重新评估混合模式的可行性。在内容生产领域，依赖AI批量生成素材的M CN机构，开始测算提价后的盈亏平衡点。在软件开发市场，AI编程助手的定价策略，直接影响外包服务商的报价体系。

更宏观地看，这关系到整个"AI原生"经济体的健康度。过去两年，大量商业计划书的核心假设是"算力成本持续下降"或"至少维持低位"。现在这个假设需要被重写，而重写的成本将由所有参与者分担。

风投也在调整策略。早期项目如果过度依赖单一AI供应商，估值会被打折；成长期公司如果没能建立算力成本的动态对冲机制，续投意愿会下降。这种筛选机制反过来加速了行业的分化。

技术乐观主义的现实检验

这场紧缩也是对技术乐观主义的一次压力测试。

过去几年的叙事是：模型能力指数级提升，应用成本指数级下降，创新门槛持续降低。这个叙事忽略了一个变量——商业可持续性。AI公司不是慈善机构，它们也需要找到盈利模式。

当补贴成为历史，真正的成本结构才会暴露。而这个结构可能比很多人预期的更沉重。数据中心的能耗、芯片的供应链风险、监管合规的开支，这些都不是算法优化能轻易消解的。

对于习惯了廉价token的开发者来说，这是一个痛苦的适应期。但它也可能带来更健康的市场结构——定价反映真实成本，竞争基于效率而非烧钱速度，创新聚焦于创造实际价值而非套利补贴。

问题在于，多少公司能撑到这个健康结构的形成？又有多少会在过渡期被淘汰？

给你的行动清单

如果你是正在用AI代理扩张业务的创业者，现在需要做的不是预测补贴何时结束，而是为多种情景做准备。

第一，重新审计你的成本结构。把AI调用成本从"固定支出"重新归类为"可变且可能剧烈波动的支出"，在财务模型里测试涨价50%、100%、300%的情景。

第二，建立供应商多元化。不要让你的业务生死系于单一模型的定价策略。开源模型的部署成本在下降，混合架构的技术方案在成熟，这些选项值得投入工程资源。

第三，设计人机协作的 fallback 机制。完全自动化的流程在成本冲击面前毫无弹性，保留关键节点的人工介入，既是质量控制，也是风险对冲。

第四，重新谈判合同条款。如果你有规模，争取更长的价格锁定周期；如果你还在早期，至少争取更透明的调价通知机制。

第五，调整融资叙事。投资人已经开始质疑"AI降本"故事的可持续性，你需要展示的是：即使在算力涨价的情景下，你的单位经济模型依然成立。

廉价AI的时代确实在落幕。但这不意味着AI的价值在消失，只是意味着套利窗口在关闭。对于那些有真实需求、有成本意识、有技术韧性的团队，这可能反而是更好的竞争环境。

关键是在潮水退去之前，确认自己不是在裸泳。