7月以来，全球资本市场对人工智能（AI）信仰方面经历了一场震荡，其中AI算力板块从普遍乐观的状态走到了一个关键的分歧点。借助硅谷科技巨头Meta公司出租富余算力的行动，以及衡量AI实际使用热度的Token支出指数较5月高点下跌约20%的情况，一系列行业信号让支撑AI算力上涨的逻辑出现了松动，从而触发全球AI算力股普遍回调。

从AI产业链角度来看，能够支撑上游算力端维持景气度的，最终还是要依赖于下游应用端的实际表现。下游应用端的商业模式是否真正成立、盈利前景是否可以期待、增长态势是否可以持续，这些终极问题，将决定AI资本开支能否实现持续扩张。记者近日对产业界人士开展采访后发现，目前大部分AI应用尚未成功跑通以收入覆盖成本的盈利模型。当互联网时代“免费换规模”的旧有逻辑，撞上AI时代“按量计费”的全新成本结构时，一个“用户越多反而亏损越多”的规模陷阱正在逐步形成，并成为发展道路上的主要障碍。

AI算力板块所出现的震荡调整，从本质上来讲，是资本市场对那些高昂资本开支开展的一场重新审视：如果应用层目前尚未成功构建起可行的商业模式，那么利润就会高度集中于上游硬件领域或者难以具备持续性。市场人士所指出的是，只有AI下游也就是软件应用以及AI端侧方面真正有了需求释放和业绩收入之后，整个链条才能够实现更为良性的循环运转。

AI创业公司的老板们，最近都在认真地对AI的成本方面进行计算工作。

在我们公司里，算法工程师在一下午的时间内就要消耗掉300至500美元的算力成本，这一支出甚至比他们的工资水平还要高。一家具身智能独角兽企业的创始人这样告诉证券时报记者。机器人从本质上来讲属于软硬件紧密结合的AI终端设备，机器人公司在制造出机器人本体之外，还需要对部署在机器人之上的具身大模型开展研发工作，而每进行一次模型训练，都会消耗大量的Token，这背后所对应的都是真实的金钱形式的算力支出。

如果能够将训练过程视为一项一次性的支出，那么推理过程则会随着每一次用户调用行为的发生，而持续不断地产生现金流方面的消耗。

深圳一家AI教育硬件公司的负责人向证券时报记者介绍道，该公司所研发的AI拍学机借助接入大模型的方式，成功实现了“万物识别”的功能。孩子运用拍学机拍摄一张照片之后，AI就能够对图片中的物品开展识别工作，并科普相关的知识内容。目前这款产品的累计用户规模已经超过25万，日均使用时长达到了45分钟。然而，这款售价大约500元的产品却尚未实现盈利，这不仅是因为硬件部分受到存储芯片以及印刷电路板等部件涨价的影响而导致成本有所增加，而且用户每一次进行拍照识别的操作都需要调用大模型，从而都要消耗一定的Token——这也就意味着，用户数量越多、使用时间越长，所产生的成本就会越高，也就越难以控制。

产品取得越大的成功，其所面临的亏损状况反而会变得越发严重——这在AI产业链下游的应用端方面，构成了一个普遍存在的“规模不经济”悖论。记者通过采访工作了解到，上游算力端几乎完全消耗掉了模型厂商以及应用端所产生的所有利润，在整个产业链条之中，谁距离用户越近，谁就越难以实现赚钱。因为模型厂商以及应用端所需要面对的，是具备绝对议价权的上游算力供应商，以及那些对价格较为敏感且忠诚度较低的用户，要想在这样的夹缝之中成功实现盈利，其实并不容易。

最近的一则数据，让AI高昂成本所带来的压力初步显现端倪。独立指数提供商Silicon Data所编制的大模型Token支出指数在今年5月触顶后，如今已回落约20%。这一指数被视为反映AI服务付费意愿以及边际需求变化的指标，有市场分析人士认为，其走弱表明用户的AI支付意愿已接近阶段性上限。

Token支出指数出现下滑，其中一个最为直观的体现在于，科技公司最近开始对员工Token使用量方面实施限制措施。例如，微软以及Meta等公司均采取相应措施来限制员工运用AI，从而达到控制快速膨胀的AI成本的目的。一名国内头部互联网大厂的程序员也向证券时报记者介绍道，现在公司内部的前沿模型接口经常需要排队，“本质上就是在对使用进行限制，感觉对用量的限制迟早会到来。”该程序员这样表示。

赚钱为什么这么难

在传统的互联网模式之下，开发一款APP所需要的成本是固定不变的，而每新增一个用户所产生的边际成本则趋近于零，其所依赖的增长逻辑就是烧钱换规模、规模换利润。但这套打法在AI时代已经完全失效，因为模型推理成本会随着用户规模以及日活一同膨胀，规模越大，所对应的账单也就越贵。

面对高昂的成本压力，AI应用端方面正在经历一场从免费圈地转向付费探索的转变过程。6月24日，豆包专业版得以正式上线，其选用包月订阅模式，设有68元、200元以及500元三档付费方案，使用额度会随金额的增加而依次增长。但在专业版之外，豆包也为用户保留了免费的基础版本，并强调免费版所具备的功能与额度可以满足大部分用户日常生活方面的场景。

除了豆包之外，记者开展了梳理工作后发现，在国内主流大模型当中，智谱AI（智谱清言）和月之暗面（Kimi）也已经上线付费会员体系，它们均选用包月订阅的模式。智谱清言划分成VIP会员以及SVIP会员两种类型，连续包月价格分别设定为49元和149元；Kimi包月费用分为49元、99元、199元、699元四档。二者均和豆包一样保留免费的基础版本。DeepSeek、阿里千问、腾讯元宝则对普通用户维持免费，未设置付费版本。

然而，即便能够成功实现收费，也并不代表可以达成盈利，因为二者之间所隔着一道难以跨越的鸿沟。

从To C端（面向消费者）来看，付费模式的推行面临着重重阻力。和君咨询合伙人沈佳庆在接受证券时报记者采访时表示，在作为生产力工具以外的其他场景当中，AI的收入情况乏善可陈，这主要源于国内个人用户的付费意愿普遍不高。前述AI教育硬件公司负责人向记者介绍道，由于国内用户还没有形成对于AI的付费习惯，公司的拍学机在国内和国外市场选用了“双轨制”，也就是对国内用户提供免费服务，对海外用户收取每月9.9美元至15美元的订阅费用，以此来覆盖部分模型调用以及推理所产生的成本。

从面向企业的To B端来看，在盈利方面则会面临企业预算约束以及落地效果方面的鸿沟。“赚钱的难度其实并不低，因为客户是极为理性的。对多数企业而言，AI应用预算并非新增的资本开支，而是从本就已经处于缩减状态的数字化转型预算之中分离出来的，因此总体市场规模并没有实现扩大。”沈佳庆表示，随着企业部署以及应用AI的工作进入深水区，在取得一部分效果之后，往往就会发现AI对核心商业模式以及市场竞争力等方面的改进作用暂时还比较有限，一些无法产生明确效益的应用场景就将会被直接砍掉。

虽然在现阶段，B端的盈利情况相比C端来说具备更强的确定性，但是B端的投入同样更为沉重，因为它需要开展高度定制化的开发工作，并且要求进行长期的维护以及运营活动。更重要的是，在沈佳庆看来，AI的真正价值并不在于实现成本降低，而在于创造出原本并不存在的商业模式，然而AI应用目前仍未能真正创造出这样的价值。“会议纪要自动生成、周报一键扩写、营销文案批量改写、PPT排版美化、简单代码补全，这些功能有更好，没有也没关系，它们不是企业愿意为之支付高额订阅费或项目款的痛点。”沈佳庆说。

AI资本开支的再审视

近年来，资本市场对AI算力基建板块展开了热烈的追捧，其所依赖的核心逻辑在于AI能力会随着AI资本开支的扩大而得以提升，进而产生出更大的回报。但是，在算力账单持续攀升而实际业务回报却较为有限的情况下，AI行业正面临着一场深刻的商业模式重构。

要想成功走出“规模不经济”的陷阱，其核心在于降本以及提质两个方面的工作。

在降本方面，需要重点在模型架构以及推理效率这两个维度上来开展工作，借助引入端云协同、大小模型动态路由、推理缓存与预计算等技术，从而有效降低推理所产生的成本。前述AI教育硬件公司负责人表示，公司的AI拍学机把高频且简单的识别任务（例如识别常见动植物）交给低成本且本地化部署的端侧小模型来进行处理，仅在遇到复杂逻辑或长尾知识的情况时才会调用云端大模型，此外还运用推理缓存技术，对重复出现的用户提问直接返回历史结果，以此避免重复计算并降低Token消耗。

在提质这一维度上，需要摒弃那种“为了AI而AI”的功能堆砌做法，从单纯“卖Token”真正转向“卖结果”，因为前者所关注的是“用了多少”，而后者所关心的则是“产出了什么”。一名业内人士向记者介绍道，在传统的IT服务领域当中，甲骨文以及赛富时等软件公司，并不是按照“数据库查询次数”来进行收费，而是选用项目制定价、按服务周期付费的方式，约定服务范围以及效果指标，以实际产生的产业价值为基础来进行定价。“AI花了几年时间绕路，最后可能还是要回到这条路上来。”该业内人士这样说道。

回到最初的核心问题，从“规模不经济”的视角下来审视，AI资本开支能否保持可持续性，并不取决于算力本身具备多么强大的性能，而是取决于下游应用方面能否成功构建出健康的商业增长模式以及财务盈利模型。“就好比西部淘金热时期，卖铲子的人会比淘金客更加兴奋，因为淘金客在河边筛洗了几年时间，却始终没有见到金沙。”沈佳庆说，如果未来应用层仍然无法创造出真正的价值——例如能够直接创造新的收入来源、自主完成核心业务的闭环、并且具备不可替代性的产品，那么底层基建的繁荣局面或许也将难以持续下去。

来源：用户越多亏得越多 AI行业求解“规模不经济”难题 | 证券时报网