由豆包付费想到，AI到底会长成一门什么生意

来源：市场资讯

（来源：钛媒体APP）

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：

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：

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：

但如果看到相反信号：

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。