商业模式

Anthropic 的招股书给了我们一组难得的、关于前沿模型公司成本结构的真实数字：2025 年营收 45.9 亿美元，营业亏损 80.6 亿美元，其中算力与基础设施支出 73.3 亿美元。多数人看这些数字只觉得「好烧钱」，但真正值得算的是另一道题：一家像 Anthropic 这样的前沿实验室，营收要做到多大，才能不亏？把这道题解出来，你就看清了为什么前沿模型这件事，最后只剩巨头和少数宠儿在玩。 先把这笔账摆开，盈亏线到底在哪？ Anthropic 每赚 1 美元营收，背后是约 1.6 美元的营业亏损，而光算力一项就吃掉了 1.6 美元左右。也就是说，如果它的营收要打平营业亏损，按今天的成本结构，营收至少要翻一倍多——从 45.9 亿冲到 120 亿美元量级，才勉强盖住现在的运营盘子。 但这还没算增长成本。问题在于，要让营收翻倍，它得继续在算力上加倍投入去训练更强的模型、抢占市场。成本和营收是一起涨的，而且成本涨得更快。这就是前沿模型公司的死循环：想盈利就得停投入，停投入就落后，落后就丢客户。 为什么说盈亏平衡几乎是个伪命题？ 更深一层看，前沿实验室的商业模式里，「打平」可能根本不是一个稳定状态。它的成本不是固定的，而是军备竞赛决定的：竞争对手训练下一代模型，你不跟就出局。这意味着它的成本下限，是由同行的投入决定的，不是由自己的营收决定的。 所以前沿模型公司的目标从来不是「盈亏平衡」，而是「在资本市场失去耐心之前，把营收做到足以支撑下一轮融资」。Anthropic 2 万亿估值、上千亿募资，本质就是在买这个时间。它不是一家要盈利的公司，而是一家要持续融资到某天规模效应出现的公司。 这解释了为什么牌桌只剩这几家？ 为什么前沿模型的牌桌上只剩 OpenAI、Anthropic、谷歌、Meta 这几家？因为按 Anthropic 的成本结构，一个新玩家想从零开始打平，需要的营收量级已经不是创业公司能凑出来的。应用层公司可以靠便宜模型赚钱，但模型层的游戏，门槛已经被算力账单抬高到了十亿美金起步。 这对创业者是个冷静的信号：别去和 Anthropic 抢模型，抢它账单上那个最赚钱的应用场景就好。模型层的账，普通人算不起；应用层的账，才轮得到我们。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：盈亏平衡点

Agent 产品和聊天机器人最大的区别，是它替用户把事办完了。既然办完了一整件事，按 token 收费就显得荒谬——用户不关心你烧了多少 token，只关心事有没有成。业界已经开始出现「按任务/按结果收费」的模式，Manus 这类通用 Agent 本质就在往这个方向走。但按结果收费听起来性感，落到合同里全是坑。本文把必须写死的三件事讲清楚。 第一件事：到底什么才算任务「完成」？ 按结果收费的死穴，是双方对「成了」的理解不一致。用户说「帮我订一张去上海的机票」，Agent 订了一张早班机——这算成了吗？用户想要下午的，Agent 说任务状态是成功。如果合同里不定义完成标准，这种纠纷每天都会发生。 正确做法是把完成标准写成可机器判定的条件：是否出票成功、航班时间窗、是否满足预算上限。满足全部条件才算计费，缺一条都退单重跑。VulcanBench 那类按任务统计成本的方法，本质就是在做这件事——把「成没成」量化。 第二件事：任务失败的成本算谁的？ Agent 跑失败是常态，不是意外。问题是：跑失败烧掉的 token 成本，算谁的？如果算用户的，用户跑十次失败九次，账单比成了还贵，立刻弃用；如果算你的，一个死循环任务能把你烧穿。 合同里必须写：失败任务不计费，但设一个重试上限（比如三次）。超过三次还没成，双方一起排查，不再单方面烧钱。这个上限就是你成本的保险丝。 第三件事：什么事不归 Agent 管，边界在哪？ 按结果收费最大的风险是「结果范围无限大」。用户说「帮我把这个季度的报表搞定」，Agent 到底是只拉数据，还是要写分析、要发邮件、要通知领导？范围不清，你就是在签一份开口合同。 合同里要列清楚：包含哪几步、不包含哪几步、需要用户人工确认的节点在哪。每多做一步，单独计价。Manus 这种通用 Agent 之所以贵，就是因为它边界模糊——你以为它会自己搞定，结果它卡在每个需要确认的地方等你。 按结果付费到底能不能走通？ 按结果收费是 Agent 商业化的终局方向，但它不是改个价格表那么简单，而是把你的产品重新变成一份可定义、可审计、可限定范围的服务。合同写不清楚的 Agent，定价模式再新潮也会被退款和纠纷拖垮。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：按结果付费

GPT-6 Luna 把输入价打到 0.10 美元每百万 token 之后，做 Agent 产品的人终于敢放开免费额度了。过去不敢放，是因为一个免费用户跑复杂任务一次就能烧掉几毛钱，一千个白嫖用户一天的账单比收的订阅费还多。现在脏活累活可以走便宜模型，免费试用的单位成本被压到一分钱量级，漏斗的第一道闸门终于能开了。问题是，开了之后怎么把白嫖的人筛成付费的。本文给一套埋点设计。 免费额度放多少，成本账怎么算？ 放免费额度之前，先定一个数：你能承受单个免费用户每月花你多少钱。按 Luna 价算，一个用户每天跑 10 次、每次几千 token，月成本大概一两毛钱。这意味着你可以放心地给每个新用户一个「够玩一周」的免费额度，而不担心被薅破产。 这个成本账要先算清楚，再去设计漏斗。成本可控，才敢放水。 转化漏斗该埋哪三层点？ 第一层，注册到首次完成任务。大多数用户注册后第一次任务没跑通就流失了。埋点看「注册后 24 小时内是否成功完成第一个任务」，这个转化率是你产品的生死线。低于 30%，说明 Onboarding 有问题，别忙着拉新。 第二层，免费额度消耗速度。埋点看用户每周用掉多少免费额度。用得快的，是真需求；用得慢的，是好奇心。对用得快的那群人，在额度用到 80% 时弹付费引导，转化最高。 第三层，付费后留存。别只看付费转化，要看付费后第二个月还在不在。很多产品首月转化好看，次月全退，说明免费到付费的引导是靠冲动，不是靠真实价值。 付费墙该放在漏斗的哪个位置？ 免费额度不是越多越好。放太少，用户没体验到核心价值就走；放太多，用户在免费档就把事干完了，没有付费动机。正确做法是：免费档让用户把一个完整小任务跑通，感受到爽点；但把「批量处理」「长任务」「优先速度」这些进阶能力锁在付费墙后。 这正好接上前面说的速度分舱——免费档走慢的标准算力，付费档解锁 Fast。用户为了不等，自然掏钱。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：免费额度漏斗

GPT-6.1 Sol 按速度卖三档这件事，对做产品的人启发远大于对用户的情绪。OpenAI 等于公开演示了一套「延迟分舱」定价法：同一模型，按算力优先级分成标准、Fast、Ultrafast 三档，价格差最高 6 倍。如果你正在做任何带 AI 生成的 SaaS，这套打法今晚就能照搬。本文给一套可落地的设计。 你的产品该不该做「三档」？又该对应什么？ 不是所有产品都该分三档，但只要你的产品里有「等结果」这个环节，就有分舱空间。先把用户的等待场景拆开： 标准档：后台批处理、邮件摘要、夜间跑的报表——用户能等，走最便宜的算力池。 Fast 档：实时对话、客服机器人、文档起草——用户在屏幕前等，需要秒级响应。 极速档：游戏内 NPC、交易信号、直播实时字幕——晚一秒就穿帮。 你会发现，同一套底层模型，在这三个场景下的付费意愿差一个数量级。按一个价格卖，等于把极速场景的高价值白白让给了免费用户。 这套延迟分舱具体该怎么落地？ 第一步，在产品里把「生成」这个动作做成可配置的延迟档位，默认给标准档，付费开关解锁 Fast 和极速。第二步，后端对接模型时做路由：标准档走 Luna 这档便宜模型加队列，Fast 档走 Sol 标准价，极速档走 Ultrafast 并预留算力。第三步，定价上参考 OpenAI 的梯度：标准档含在订阅里，Fast 档加 30% 溢价，极速档按次或按专属配额单独卖。 关键是给极速档设硬配额。如果不设上限，一个高频用户就能把你最贵的算力烧穿。OpenAI 敢卖 6 倍价，就是因为知道极速档的容量是稀缺的。 做分舱定价最容易踩什么坑？ 别把「智能」和「速度」混在一个档位里卖。用户为快付钱，不是为更聪明付钱。如果你的极速档只是排队优先、模型没变，就老实说「加速」；如果极速档偷偷换成了更强模型，那要单独标出来。价格信号一旦和用户预期错位，就是 GPT-6.1 Sol 现在面对的口碑翻车。 分舱定价的本质，是把你过去混在一起卖的「体验」拆成可计量的层。拆得越清楚，愿意为快付钱的人越容易掏钱。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：速度分舱定价

10 月 9 日，OpenAI 商业定价页显示 Business 档位按月 25 美元、按年 20 美元每月，更高一档 100 美元每月。与此同时，OpenAI Help Center 挂出了一份「ChatGPT 费率表」，明确 Business、Enterprise、教育版改用点数制计价——比如 GPT-6 Pro 一条消息约消耗 50 个点数。这个改动看似是计费细节，实际上标志着 AI 订阅从「按人头包月」正式转向「按用量分舱」。 企业版改点数制，到底是什么意思？ 过去 SaaS 订阅很简单：一个席位每月多少钱，用多用不另算。但 AI 产品没法这么干——有人一天只问三句话，有人拿它跑自动化 Agent 一晚上烧掉几十万 token。按席位包月，重度用户把轻度用户的份额全吃了，厂商亏本；按纯 token 计费，企业又怕月底账单失控。 点数制是中间路线：企业先买一个点数包，不同模型、不同操作消耗不同点数。ChatGPT 里点一下、API 里调一次、Agent 跑一步，都折算成点数扣减。企业财务能做预算，OpenAI 也能在后台按模型稀缺度灵活调点数单价。 点数制会怎样改变企业采购？ 第一，AI 支出预算从「人头费」变成了「能源费」。IT 部门不能再按「买了多少账号」来申请预算，得按部门预估消耗量来批点数。第二，点数消耗会成为新的内部审计对象——哪个团队一晚上烧掉半个点数包，需要有工具去看。第三，对做分销和转售的公司是机会：点数包批发、按需转售，会冒出一批 AI 用量批发商，类似当年的短信代理。 OpenAI 之所以现在改，是因为 GPT-6.1 Sol 按速度分三档后，纯订阅根本装不下这么复杂的价格体系。点数制等于给所有档位、所有模型开了一个统一的计价接口。 企业现在该怎么应对点数制？ 一是先买最小档点数包跑一个月，拿到真实人均点数消耗，再决定续购量，别一上来包年。二是给高消耗部门单独设点数上限，防止某个自动化脚本把全公司点数一夜清空。三是把点数消耗和业务产出挂钩做报表，否则年底无法向 CFO 解释这笔 AI 账单值不值。 从卖席位到卖点数，说明 AI 正在从「软件」变回「公用事业」。未来企业 IT 桌上，AI 预算会和电费、带宽摆在一起审批。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：企业版点数制

一个看似矛盾的生意 把模型权重免费公开，任何人都能下载、本地部署、二次微调——这怎么赚钱？这是开源大模型最让人困惑的地方。训练一个顶级模型要烧掉数千万元甚至上亿元的算力，结果免费送人，图什么？答案是：开源本身不是产品，它是获客和生态布局的手段。真正的收入，藏在开源「免费开放」这个动作背后的几层生意里。 几条真实的变现路径 云服务托管 最直接的一条：模型你可以免费下载，但真要在生产环境高并发跑起来，自己养 GPU 太贵、太麻烦。于是厂商把开源模型托管在自己的云上，按调用量收费。用户既享受了开源的自由，又省去了运维的苦，厂商则从云资源里赚钱。开源成了把用户引到自己云平台的钩子。 企业版与增值服务 开源版是「社区版」，功能阉割在关键处——高性能推理优化、企业级安全合规、专属支持、SLA 保障，这些都放进收费的企业版。想要在正式业务里用得稳、用得安全，就得付费。这和数据库、操作系统的开源商业模式一脉相承。 生态与数据反哺 把模型开放出去，会吸引全世界的开发者基于它做应用、提反馈、贡献改进。这个生态本身就是壁垒：当大量应用都跑在你的开源模型上，你就成了事实标准，后续的商业机会（咨询、定制、行业方案）自然找上门。DeepSeek 等国产开源模型之所以影响力巨大，正是因为开放权重让无数开发者零成本接入，反过来扩大了它的话语权。 这套模式的软肋 开源商业模式最大的风险是「搭便车」：你免费训练、免费开源，别人拿过去包装成商业产品，直接和你竞争。所以成熟玩家必须持续跑在前面——用更快的迭代、更强的工程化、更全的云服务，让「自己下场做」永远不如「直接用官方的」划算。开源不是慈善，是一场用开放换速度、再用速度换收入的博弈。 收束 开源大模型的免费，是一种刻意的商业选择，不是道德表态。它赌的是：当模型能力成为公共设施，围绕它的云、服务、生态才是真正的金矿。看懂这一点，就不会再问「开源为什么不收钱」——它收的，是另一笔账。 去论坛讨论 关于「开源大模型」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。

两种模式在赌不同的事 订阅制赌的是「用户的真实用量分布」：大多数人轻度使用，平台在月费和成本之间赚差价。按量 API 赌的是「规模效应」：调用量越大，固定的模型训练和基建成本被摊得越薄，边际成本越低。前者现金流稳定、可预测，但要严防重度用户击穿单位经济；后者随业务线性扩张，收入和成本同涨，规模本身就是护城河，但一旦用量波动，收入也跟着波动。对一个模型厂商来说，选哪条路，本质是选「要确定性」还是「要弹性」。 为什么成熟玩家都两条腿走 现实里几乎没有头部厂商只押一边。C 端用订阅制（网页版、App 包月）做品牌、做用户量、做现金流底盘；B 端和开发者用 API 按量计费，承接那些用量巨大、又需要嵌入自己产品的企业客户。两边还能互相喂数据：C 端的海量真实对话反哺模型，B 端的大额合同撑起营收。只做订阅，会错过企业级的大单；只做 API，又缺乏直接触达终端用户的品牌入口。所以你看各家既开会员，又开开放平台，不是贪心，是账本上确实需要两条腿平衡。 价格战为什么先打在 API 侧 2026 年这轮降价，几乎全发生在 API：DeepSeek 五月把旗舰 V4-Pro 永久降到原价四分之一，九月 Flash 闲时价再砍六成，腾讯云渠道最高降幅甚至达 97.5%。为什么先打 API？因为 B 端客户对价格高度敏感、又极度看重可替代性——谁便宜用谁，切换成本就是改一个接口地址。订阅制反而没怎么动，因为 C 端用户买的是整个产品体验，对单价不敏感，续费决策看的是好不好用，不是每 token 几分钱。 对企业采购方的启示 如果你是要接入模型的公司，别被「包月无限用」的话术诱惑。先按自己的真实调用量算一笔账：如果是高频、长上下文、批量处理的重负载场景，按量 API 加缓存优化往往更便宜；如果是分散、轻度、人对人的交互场景，固定套餐反而省心。两种模式没有绝对优劣，只有和你自身用量曲线的匹配问题。 收束 订阅和 API 不是对立的两种商业模式，而是模型公司用来同时承接「人」和「机器」两类需求的两根支柱。看一家公司的收费结构，基本就能看出它想把自己定位成消费者产品，还是卖水电的基础设施。 去论坛讨论 关于「API定价」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。

不要只看 token 单价 媒体上爱说「大模型价格又降了」，但单价只是冰山一角。一家真正对外提供推理服务的公司，每百万 token 的成本是好几层叠加出来的。最底下是硬件：一张加速卡的采购价按三到四年折旧，摊到每小时的占用费；上面叠电力和制冷，数据中心 PUE 每差 0.1，电费就是一笔可观差额；再上面是 HBM 显存——2026 年 HBM 仍然紧张，直接决定了你能不能装下大模型、开多少并发；最上面是软件优化和工程师人力，这部分常常被外行忽略，却往往是把单位成本砍下来的关键。 硬件代际差是最大的变量 成本下降最快的来源不是「更便宜的卡」，而是新一代架构带来的代际效率。英伟达官方口径里，Blackwell 相对上一代 Hopper，每瓦 token 产出高出五十倍以上，每百万 token 成本降到约三十五分之一；而更新的 Rubin 平台号称能把 token 成本再压到 Blackwell 的十分之一。这意味着，同样一份推理负载，跑在旧硬件上和跑在新硬件上，单位成本可能差出一两个数量级。谁能先把负载迁到新硬件、谁的软件栈优化做得好，谁就握有结构性的成本优势。 为什么降价不等于亏钱 2026 年 DeepSeek、通义接连把 API 价格打到地板，背后的底气正是成本下降跑得比价格下降快。当底层每百万 token 的推理成本已经降到个位数美分，对外报价哪怕低到几毛人民币，只要用量足够大、缓存命中率足够高，依然有毛利。缓存命中特别关键——DeepSeek-V4-Pro 缓存命中输入价低至 0.025 元每百万 token，正是靠把重复请求命中缓存、跳过重复计算来压成本。 成本结构里最容易误判的一项 很多人以为推理是纯算力生意，其实利用率才是命门。一张昂贵的 GPU，如果一天只有一半时间在跑请求，另一半空转，那它摊到每个 token 的成本直接翻倍。推理业务的工程本质，就是通过调度、批处理、抢占式排队，把 GPU 利用率顶到极限。利用率上不去，再低的硬件单价也救不回毛利。 收束 大模型公司的商业战，表面是价格战，里子是成本工程战。谁能在硬件代际迁移、软件优化、利用率和缓存这四件事上同时做到位，谁才有资格一边降价、一边还赚钱。只看 token 单价做判断，会错过真正的胜负手。 去论坛讨论 关于「算力成本结构」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。

两种收费，两种命运 大模型能力的收费方式大致分两派：一派是按 token 计费的 API，用多少付多少；另一派是包月订阅，交固定月费用个够。表面看只是计价方式不同，背后却是两种完全不同的生意。API 模式下，你的收入和用户的调用量线性绑定——用户用得越狠，你的算力成本涨得越快，规模越大越可能亏。订阅制则把这层风险反转：用户付固定月费，平台在「人均用量」和「算力成本」之间赚差价。这就是为什么 Cursor、各类 AI 写作与办公助手都拼命往订阅制上靠——它要的不是单次调用收入，而是可预测的现金流和高续费率。 差价从哪来 订阅制能成立，靠的是一个关键假设：绝大多数用户的真实用量远低于套餐上限。一个月费几十元的套餐，标称「无限使用」，但真正每天高强度重度使用的用户可能只占百分之几。平台把重度用户的成本，摊到大量轻度用户的月费里。这和健身房是同一个逻辑——办卡的人多，天天去的人少。问题也恰恰出在这里：一旦出现「超级用户」用脚本或自动化把套餐薅到极限，单位经济模型就会被击穿。所以成熟的订阅产品都在悄悄做用量分级：标称无限，实际在后台对高频调用做限速或降级。 价格战下的毛利挤压 2026 年的大模型 API 价格已经打到地板：DeepSeek-V4-Pro 缓存命中输入低至 0.025 元每百万 token，9 月 Flash 系列闲时价又降到 0.02 元。底层成本越降，理论上订阅产品的毛利越厚。但另一面是，用户的付费意愿也在被「原生免费」的模型稀释——当一个免费网页版就能满足大部分需求，月费工具必须证明自己在工作流、数据沉淀、协作上有不可替代的价值，否则用户随时会退订。 对从业者的启示 做 AI 工具，别只盯着「我接了哪个模型」。模型能力正在快速商品化，真正的护城河是工作流封装、私有数据积累和切换成本。订阅制的核心指标不是新签，而是续费率和净收入留存——一个月费工具如果能把月留存做到九成以上，它的估值逻辑就从「卖软件」变成了「收租」。 收束 订阅制不是万能解药，它只是把「按用量赌博」换成了「赌人均用量分布」。底层成本下降给了这门生意喘息空间，但最终决定生死的，依然是产品本身是否真的省了用户的时间。 去论坛讨论 关于「AI订阅制」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。

商业模式对比 API模式 收入增长快，毛利率低 价格战激烈，陷入内卷 规模效应是唯一出路 订阅模式 收入稳定，留存关键 C端付费意愿分化 超级应用是终极形态 行业方案模式 客单价高，交付重 需要行业Know-how 是盈利最快的路径 盈利时间表 头部API厂商：已实现毛利率转正 订阅制产品：1-2年内盈利可期 行业方案：当前最赚钱 投资逻辑 看客户留存率（>80%为佳） 看单客收入增长 看模型成本下降速度 结论 大模型市场从烧钱阶段进入验证阶段。能证明单位经济模型的玩家将获得资本溢价。