用户只在乎使命截止，而非 Token

文/ 林书

剪辑 / 刘宇翔

全免费路线被松手，系数 AI 利用都在转向 Anthropic 路线。

可能是 GPT 横空出世后，用户增速过于瞩目，在很长一段时候，不管国内如祖国外的 AI 产物都是师法它的路线，以免费眩惑海量用户，再磋商怎么营业化变现。

但是，GPT 我方走着走着就发现这条路行欠亨，或者说不合算。AI 不同于传统互联网，算力需求不是每新增一个用户边缘递减，而是用户量越大，调用频率越高，使用场景越复杂，算力花费的弧线呈指数级攀升。

这种"逆边缘成本"结构是通盘产业必须濒临的结构性敛迹，行业必须蜕变营业逻辑，不可再是"先圈地再收割"，而是从一启动就把算力当成中枢坐褥身分来订价，要从"价钱战"转入"价值战"。

因此国内 AI 用户数第一的豆包上线付费订阅，就再正常不外了，以致，我都认为它推出的时候有点晚了。

豆包坐拥 3.45 亿月活，比国内其他家 AI 利用的用户数加起来还多，算力需求过于恐怖，任何一个东谈主去负责豆包的 AI infra 都得头皮发麻。应知，谷歌用千亿好意思元级成本干预、自研 TPU 生态、万卡级集群复古的 ‌Gemini，全球月活跃用户也不外 7.5 亿 ‌。

3.45 亿月活是豆包的"甘好意思的苦恼"，其中太多基础需求的"浅度用户"，但即即是浅度需求，也不可单纯通过"降智"缩小单元恳求的算力供给，那会崩了口碑。

而广宽"浅度"用户在某种进度上株连了巨匠对豆包的专科度心智，以及跟付费意愿更强的专科用户"抢算力"，有限的算力被"浅度用户"花费，还不可变现；复杂任务和坐褥力场景，花费更多算力与推理时候，但用户却无需付费意愿。一根筋变两端堵，从营业逻辑上，是不合算的。

是以通过付费订阅杀青需求分层，平素用户常用到的查贵寓、写基础案牍、日常问答、学习疏浚等功能，算力需求较少，络续免费；复杂任务和坐褥力场景，算力需求高，按需付费。这样既能留下海量用户，又能彩选出付用度户，是各家 AI 利用的通行作念法了。

事实上，专注于坐褥力场景的 AI 早就建立了收费机制，比如 Anthropic 的 Claude，以及 Gemini、GPT 都是免费版 + 订阅模式。以致，订阅费都在上升，Anthropic 旗下企业级产物 Claude Enterprise 就在月费基础上，极端按履行花费的算力付费。

国内方面，自 2026 年 2 月以来，智谱已投合三次上调模子订价， GLM-5.1 发布时再度提价 10%，截止是 2026 年第一季度 API 调用订价提高 83%，但调用量仍然增长 400%，呈现"量价皆升"的态势。Kimi 亦然，会员体系最低档从 9.9 元起迭代为 49 元，最高级到 699 元 / 月，并引入 Agent 集群权限等各异化升值。

它们据此反而在专科用户群体建立了"专科心智"，建造了营业飞轮的雏形。

豆包的付费订阅，虽迟但到，还没设道路收费的国产 AI 利用，晨夕也会跟进。但是，订阅模式也仅仅起首，AI 的终端，应该是一门看"委用截止"的生意。

01

道理道理的是，就在豆包酝酿收费的几天前，DeepSeek 刚刚完成了一场令行业瞠目标降价，4 月 25 日，V4-Pro 秘书价钱暴降 75%，输入价钱（缓存未掷中）降至 3 元 / 百万 Tokens，输出价钱降至 6 元。

仅隔一天，V4-Pro 再次加码，缓存掷中价钱凯旋打到 0.025 元 / 百万 Tokens ——两分钱。与此同期，V4-Flash 的缓存掷中价钱更低，跌至 0.02 元 / 百万 Tokens。

对比 GPT-5.5 的 $2.5/ 百万 Tokens，和 Claude Opus 4.7 的 $15/ 百万 Tokens，这样的价钱，简直就是白送。

但廉价，的确意味着营业上的得手吗？

仍以豆包为例，在营业模式上，当下字节作念出的遴荐，是 SaaS 订阅。这条路最保守，也最安全。

问题是，将 SaaS 订阅套在 AI 产物身上，履行上仍然是在为用户花费的 Token 买单——不管包装成"圭臬版"如故"专科版"，底层的成本核算逻辑并莫得变：用户多用一次模子，平台就多烧一份算力。

回念念 2024 年的那场大模子价钱战，阿里云通义千问主力模子直降 97%，百度凯旋秘书免费，通盘行业堕入一场 " 谁比谁更低廉 " 的竞赛。其时有东谈主首肯"大模子进入厘期间"。

其时就有东谈主从容指出：当系数玩家都挤在吞并个计量单元上彼此压价，负毛利就不是未必，而是结构性的至极。

两年已往了，V4 把地板又凿穿了一层，但游戏章程莫得任何变化。

腾讯科技前段时候出了一篇名为《Token 经济学》的深度分析，提供了一个值得心疼的不雅察框架：现时的 AI 营业化，早已不再是沿路" Token 单价"的算术题。不同的任务类型里检索、推理、万古运行、多轮交互，对应着统统不同的成本结构。

一个轻量检索任务，搜索和 grounding 的用度可能是 Token 本人的四十倍；一个重度编程 session，模子推理成本才是大头。根柢不存在一张通用的" AI 单元成本表"。

换句话说，"谁的 Token 更低廉"这个问题本人，依然是一个落伍的提法。它默许了行业存在一个长入的计量单元，而现实是，计费对象正在裂变，价钱维度正在扩散，Token 仅仅其中最底层的那一派。

《Token 经济学》给出了一个五层结算栈的框架来贯通这种变化：最底层是公用行状层，算力、Token、缓存、搜索，可计量、可路由，履行上和水电煤莫得永别；往上是合同与才智层，包括 MCP、A2A 等跨平台互操作接口；再往上是学问封装层，涵盖 Prompt、Eval、Memory 这些行业 know-how 的序列化；第四层是履行委用层，Agent 当作被托管、被监控"数字劳能源"来运作；最顶层是截止与职守层，按 outcome 收费，"截止"本人变成合同化的结算对象。

V4 降价，履行上是把第一层的公用行状价钱打到了接近免费。但国内厂商的营业模式，简直统统压在这一层上。

从这个角度看，豆包的此次收费如故只在第一层鼓动，是"唯有价钱不错打"的主动回绝型计谋。

02

当国内还在围绕 Token 单价缠斗的时候，大洋此岸的 AI 营业，依然走到了一个统统不同的阶段，具体来说，这是三条轨谈并行演进的路线，各有各的前提条目，也各有各的滋长逻辑。

第一条轨谈最激进，也最引东谈主驻守，即按截止付费。

以 Intercom 的 AI 客服产物 Fin 为例，其订价 $0.99/ 单次处事，只在 AI 信得过处分了客户问题时才收费。什么算"处分"？要么客户主动阐述问题已处理，要么客户在 Fin 复兴后莫得络续追问。这个界说被写进了系统章程，不依赖东谈主的主不雅判断，不存在归因争议。

Fin 目下每周处理跳动 100 万次客服对话，Intercom 也借此把 AI 有关营收从简直为零拉到了过亿好意思元的量级。Zendesk 走的是吞并条路，但更适应，按自动处单干单收费，承诺量 $1.50/ 单次处事，2026世界杯赛事竞猜中国官网按需使用 $2.00/ 单次处事。

Sierra AI 则更为高调，由 OpenAI 董事长 Bret Taylor 蚁合创办，从第一天起就统统基于 outcome 订价，企业合同价钱区间在 $50K 到 $200K/ 年不等，21 个月作念到跳动 $150M 的 ARR，目下处事于跳动 40% 的钞票 50 强企业，最近刚以 $15B 估值融了 $9.5 亿好意思元。

第二条轨谈求实得多，即按动作花费。

Salesforce 的 Agentforce 莫得一刀切到"按截止"，而是推出了 Flex Credits 体系：每个 AI action 花费 20 credits，折合 $0.10/action。每个 action 笼罩最多 10，000 Tokens 的处理量，企业按 $500/100，000 credits 的单元批量采购。与此同期，客户面向的 Agent 仍然保留了 $2/conversation 的按对话计费选项，Copilot 类产物则看护传统的席位制。三种模式并存，企业不错字据我方的使命负载遴荐最合乎的计价形状。

第三条轨谈最保守，即夹杂订阅。

ServiceNow 的 Now Assist 把 AI 才智打包进企业级 License，基础报价在 $150K-$400K/ 年，AI 功能当作附加模块相通，造成"固定底座 + 用量逾额"的夹杂结构。这条路之是以能走通，是因为 ServiceNow 的客户依然深度绑定在它的 ITSM 生态里，替换成本极高，AI 仅仅在已有护城河上加了一层。

三条轨谈的各异，名义上是计费形状不同，深层是计费单元不同。第一条轨谈计的是"已完成的使命"，第二条计的是"已履行的动作"，第三条计的是"已占用的席位和平台"。

但它们有一个共同的前提是不管计什么，被计的阿谁东西都必须在系统里有见解的界说、可被自动纪录、且两边对其含义莫得争议。

把这个逻辑放回五层结算栈的框架里，会看到一个至极见解的旅途：国外最新的 AI 营业模式并不是单纯地只盘算推算 Token 花费量，而是先把计费单元从 Token 升级为 Action（第二、三层），再从 Action 升级为 Outcome（第五层）。这是一个分阶段的基础门径建立过程，每一级台阶都有对应的系统才智当作复古。

由此可见，与国内"按 Token 计费"的模式比拟，这样更多元、更精确的营业模式，无疑更切合当下广宽 B 端用户的痛点，因为归根结底，用户在乎的是使命的截止，而非花费的 Token。

03

看到上述对比，可能有东谈主会说：国外 AI 厂商在营业上的得胜，很猛进度上要归功于国外 B 端用户更弥散的预算，以及更强的付费意愿。

这样念念天然也没错，毕竟从数据来看，2025 年好意思国四大科技巨头（微软、谷歌、亚马逊、Meta）的 AI 成本开支加起来约 2.5 万亿东谈主民币，而中国七家头部互联网大厂统共才投了 6300 亿，连东谈主家的四分之一都不到。

但问题是：国外厂商的"按截止付费"等营业模式，之是以在中国难以践行，一个更关键的原因是：中国的营业行径，效力太难界说，场景太碎。

Intercom 敢按单次处事收费，是因为 Zendesk 们花了十几年时候，把"客户工单"这件事硬化成了一套完竣的系统经由，开单、流转、升级、关单，每一步都有日记，每一步都可回想。Salesforce 敢按 action 收费，是因为它我方就是 CRM 系统——它明晰地知谈"发一封邮件""更新一笔纪录""创建一个契机"是什么，系统有原子级的操作日记。这些计费模式不是"营业模式创新"拍脑袋念念出来的，它们是在老练的业务基础门径之上，天然滋长出来的。

而在中国，就算是客服这样看似高度"圭臬化"的场景，其实也荫藏着一连串"碎屑化"的信息孤岛。

2025 年，中国智能客服的商场浸透率依然毒害 85%， 但问题是，这 85% 的浸透率背后，是十几条互不买通的渠谈在各利己战。淘宝、京东、抖音、微信、小红书、小姿色、电话、钉钉、企微 …… 每个平台都有我方的后台，客服东谈主员得同期监控一堆窗口，信息统统无法互通。

一个客户可能在抖音上问了"这衣着有莫得 L 码"，客服回了"有"；然后这客户又跑去微信私域问"刚才那件衣着能低廉点吗"，另一个客服接了；终末客户可能还在小红书私信里吐槽 " 发货太慢 "。

这三个对话，在企业的系统里可能是三条统统清静的纪录，以致可能根柢莫得纪录，尤其是微信私域里的聊天，许多就躺在销售个东谈主手机上。

如若说国外的 AI 营业化正在沿着五层结算栈逐级上移，那么国内的现象是：第一层的地板依然被打穿，但第二到第五层之间，却连台阶都还莫得修好。

尽管国内如实有东谈主在搞按截止付费，但跟国外那套"处分一个工单收若干钱"的玩法比拟，中国的版块更像是"效力营销"的变种，而不是信得过的 AI 处事计费翻新。

目下国内这类效仿"按截止付费"的模式中，最成征象的是 GEO（生成式引擎优化）这个赛谈。说白了就是帮企业优化在豆包、DeepSeek、Kimi 这些 AI 搜索里的品牌曝光，然后按效力收钱，即品牌被 AI 保举到第几位、名次提高了若干，对应不同收费档位。

而在金融和营销畛域，也有部分企业启动了访佛的尝试。

举例国内的蚂蚁数科，就激进地建议了银行只消提供业务目标、预算和客群，智能体自动均衡全链路，终末按往还范畴增长净值的万分位到千分位收费。

一样地，在数字东谈主直播畛域，中科深智从 2024 年底就启动跟电商客户试水分润模式，到 2025 年正经推出 AI RaaS 业务，跟客户商定：素材投不出去不收钱，ROI 没达标按比例退费。

但如若细究下来，国内的 AI 按截止付费，目下更像是营销外包的效力对赌，而不是 AI 处事的圭臬化计费翻新。

04

现阶段，国内的 " 按效力付费 "，更多是把营业风险转机给客户—— GEO 优化按名次收费，但名次能不可带来的确滚动，没东谈主打保票；蚂蚁数科按往还增长收费，但增长里有若干是 AI 的功劳、若干是商场环境的功劳，归因扯不清；而直播带货的 GMV，则更像是一种销售对赌，而非技巧处事。

没罕有字化的工单，就莫得 AI 处事的计费单元。这不是 AI 技巧本人能处分的问题，而是企业数字化转型深度的映射。

这样的具体差距，在计费颗粒度上，体现得尤为昭彰。国内企业濒临的现实是：里面系统琳琅满目，一个"动作"的颗粒度根柢没法长入。你怎么评释" AI 作念了一个动作"而不是"职工手动点了一下"？

目下，国内除了蚂蚁数科，在金融行业作念出了相对明确的"万分位到千分位"抽成公式外，大部分企业还停留在"一事一议"的定制化谈判阶段，莫得造成可复制的圭臬化计费单元。

当归因颗粒度不够细的时候，这样的营业模式就难以成立。

是以，信得过的正谈，扎塌实实地将业务圭臬化、企业数字化的这些课补上去。

这并不是一个大约的工程，它们并非技巧上的辛勤，更多是组织层面、经由层面、生态层面的脏活累活。但正因为脏、正因为累，才组成了信得过的壁垒。

DeepSeek V4 是开源的，任何东谈主都不错下载部署，连 API 用度都不错省却，这天然是浩瀚的解放度。但反过来看，也意味着厂商和客户之间简直莫得绑定联系——莫得生态锁定，莫得效具链粘性，

作念个比方的话：国内的 AI，目下卖的是裸电。客户拿到手，还得我方拉电线、装变压器、修配电房。

V4 把电价打到了两分钱一度，如实很低廉。但营业客户信得过需要的不是更低廉的电，而是一个插上插头就能用的完竣供电系统。

若按照先前《Token 经济学》的分法，现阶段，国内 AI 在第一层的利润空间依然趋近于零，不往上走，就只可等着被出清。而往上走的第一步，不是发明一个新的计费模式，不是喊一句"按截止付费"的标语，而是回到最基本的建立可计量的数字基础门径。

当下，Token 的成本不才千里，AI 的价值却在上移。这两条线的交叉点，就是基础门径。谁先到达何处2026实时最新比赛数据与热门对阵分析，谁就能在 Token 成本归零的那一天，依然站着收钱。