# AI行业的收钱、花钱与赚钱---串台赛博对话 屠龙之术 · 2026-05-27 · 56 min · https://www.xiaoyuzhoufm.com/episode/6a169508c6d2b9e2f8808c13?utm_source=rss ## 逐字稿 Thank you.哈喽大家好，我是明浩。本期播客是一期串台节目，受新浪赛博对话节目邀请，前阵子我和智点科技的CEO高飞，以及老朋友兰溪一起从钱的角度聊一聊AI行业的发展。目前这期节目在赛博对话的新浪微博已经正式上线视频版本，我这里同步更新了音频版本。在正式播客开始前，首先感谢 MWC 二六上海对节目的支持。过去一年我们在节目里聊 AI，也聊了很多企业怎么真正把这些东西用起来。聊到最后，其实总会回到一个特别现实的问题，这些技术什么时候能够离开 PPT、Demo 和发布会，进入真正的产业链和商业现场？六月二十四日至二十六日，在上海新国际博览中心举办了 MWC 二六上海，可能就是一个很适合去现场观察的地方。今年。今年的大会主题是“众智启新”，重点会放在 AI 和通信技术的融合。这个融合不是一句口号，因为 AI 越往后发展，越离不开网络、终端、算力、数据中心、卫星通信这些底层基础设施，而通信行业本身也正在被 AI 重新改造。这次大会会有几个明确的主题专区，比如卫星通信专区会关注低轨卫星、星地融合等。这个方向过去听起来有点远，但现在卫星似乎也成为了下一代数据中心的探索可能性。移动AI创新先锋专区会更偏我们平时聊的多的方向，芯片、AI服务器、模型以及智能眼镜、机器人、智联网汽车、智能玩具这些AI原生硬件。还有eSIM专区，关注的是手机、可穿戴、联网汽车、工业物联网背后的连接基础设施。行业数智未来专区则更偏重垂直落地，像智能制造。医疗健康、教育、金融科技，这些都是AI加最容易出现真实需求和真实付费的地方。换句话说，你可以在同一个现场看到从五G、六G、卫星、数据中心到端侧推理、多模态交互、企业ROI和行业应用的一整套讨论，还可以看到类似机器人点球大赛这样的偏娱乐的项目。很多趋势平时看报告会很抽象，但放到现场，你会更容易看到谁在推动，谁在买单，哪些还只是叙事，哪些已经开始进入商业化。所以如果你六月在上海，或者本来就关注AI、通信、硬件、机器人、卫星互联网、智能汽车这些方向，可以去MWC二十六上海看一看。主办方的朋友送了我一些全场通票，有兴趣的朋友扫描 show notes 中的二维码领取。最后说下会议时间是六月二十四日到六月二十六日，地点是上海新国际博览中心。好，下面我们正式进入今天的播客内容。大家好，欢迎收看由新浪新闻出品的最新一期的赛博对话。 高飞 我们今天要聊一个听起来很俗、但是非常重要的话题，就是 AI 这门生意应该怎么做。从北京到硅谷，所有的 AI 公司现在都在干这一件事情，就是算账。OpenAI 在上市，微软在变现，马斯克在索赔，豆包在收费，甚至连 DeepSeek 都在融资，他们都在干同一件事：左手技术，右手商业。 首先，我来介绍一下我们今天的两位嘉宾。第一位是趣丸科技的副总裁兼首席战略官，也是《屠龙之术》的主理人，庄明浩庄老师。 庄明浩 感谢新浪的邀请。我是《屠龙之术》的主播庄明浩，也是第二次来《赛博对话》聊 AI 相关的话题。 高飞 第二位嘉宾也是老朋友，他是逐鹿网创始人、知名科技自媒体人兰溪老师。 兰溪 大家好，很高兴今天早上来到新浪，跟大家聊一聊 AI 的这些八卦信息。 高飞 我也介绍一下自己，我是高飞，智鼎科技的创始人。今天我们要聊的话题，大体上可以分成 3 个部分。 第一个部分是收钱，因为很多 AI 公司在想办法从用户口袋里收更多的钱。第二个是花钱的问题，因为光收钱可能还不足以覆盖所有支出，还得有其他方法去融更多的钱，再把这些钱花出去。第三个可能就是赚钱的问题，最终所有商业公司一定要走向盈利，不能一直烧钱，所以我们就从这 3 个话题逐一开始讨论。 庄明浩 我现在说“拆解”这个词有点心理障碍，感觉像 AI 写的。 高飞 现在对好几个词都有这种障碍，比如“我们今天这个话题不是这样”，或者“我们来拆解一下”，或者“庄老师能不能接一下”，然后分成 3 段。我觉得人类语言和 AI 语言最终还要走向趋同。 ### 豆包开始收费 我们先聊收钱的问题。收钱自然要从豆包开始，所以第一个问题想请问两位：豆包收费这件事，你们听起来惊讶吗？庄老师先说，你惊讶它收钱这件事吗？ 庄明浩 首先不太惊讶。因为从用户量角度来讲，今天这个时间点，在国内市场纯聊天机器人这个战场上，豆包的领先优势已经非常明显了。 如果我没记错，2024 年底大家就在探讨国内 Chatbot 的战役，豆包是否已经赢了。如果没有 DeepSeek 在 2025 年初异军突起，其实这个话题两年前就已经有结论了。 今天这个时间点，可能在 Chatbot 这个战场里，整个市场领域的所有厂商中，字节的豆包是最有资格在中国大面积付费用户不是特别接受的情况下，尝试把在美国已经被大家默认、被公认的基础收费方式引入进来的。 就像前两天腾讯开季度财报分析师电话会议，Pony 总也说，中国的付费用户率、付费转化不是特别高，尤其是在 To C 端。但是豆包已经到了这个体量，我确实觉得它值得做一些尝试。 因为成本本身固有的压力就在那里，而且这一轮 AI 产品跟之前的互联网产品不太一样。之前互联网产品的边际成本可以随着用户规模扩大逐渐降低，甚至几乎没有；但 AI 这一波，单个用户的成本是偏固定的，Token 消耗就是需要成本的。 在这个巨大前提下，我觉得豆包尝试收费没有太大问题。AI 对于字节而言肯定是没有任何犹豫的事情，所以我不认为去年的字节利润率下降，或者今年更大的支出，会影响这个决心。 本身来讲，我不意外。字节在这件事上确实值得做这些尝试，但不全是因为它开始担心钱的问题。 高飞 对，这点钱对于字节这家公司而言，不是什么大钱。明浩给了一个基调，就是收钱是合理的，而且收钱不是因为压力。 兰溪怎么看？你是同样的看法吗？ 兰溪 差不多，但可能我会更激进一点。我觉得字节就是该收钱。用一个流行的梗来说，原话怎么说来着？“你不收，我不收，梗专员怎么收，大家怎么进步呀？” 如果豆包一直不收钱，其实会把后面的很多人卡死。包括千问、元宝在内的很多产品，如果豆包不收钱，它们根本不敢收，因为你一收，用户就更跑了。 所以我觉得豆包需要在前面做一个表率。其实我还可以更扩展地讲一下。比如谷歌今年第一季度的财报，营收 1,000 亿出头，利润差不多 600 多亿。它叠加了这么多资本开支之后，依然能够做到接近六成的毛利率，比 Meta 还高。 再看我们说资本支出比较保守的腾讯，它也会面临自己的问题。马化腾不是说过吗？“我们以为有船票，拿到了船票，结果发现船是漏的。” 高飞 我插一句，怎么理解“船是漏的”这句话？ 庄明浩 元宝里面大部分用户使用的模型是 DeepSeek，而 DeepSeek 在一年之内差不多没有更新，或者说没有大的版本更新，导致它在元宝的整体体验上会非常落后。 高飞 没想到 DeepSeek 更新版本这么慢，是吧？ 庄明浩 对。今天其他人都跑得更快了，整个行业周期就是两三个月一个版本，但 DeepSeek 在 DeepSeek-V3.0 之后出来了 3.1，后来就没有大的更新。这就导致腾讯这艘船漏了。 高飞 这个比喻很形象。你刚才说，如果字节或者豆包开始收费，其他公司应该高兴还是不高兴？你的理论是高兴？ 兰溪 肯定高兴。你需要做一个表率，主要还是要试探一下、测试一下中国的订阅制还能不能走得通。 中国的 SaaS 其实一直没有真正起来。如果订阅制也起不来的话，那 AI 这个事情难度就非常大了，钱到底从哪里来？ 高飞 这个新闻出来的时候，对我来说有点惊讶，主要是惊讶在时间点上。我觉得中国 AI 收费这件事情，早晚总是要面对的。你总不可能一直烧 Token，因为大家知道，GPU 的钱或者 TPU 的算力成本，还是比 CPU 高的。 在座 3 位，我替两位代表一下，我猜你们都是重度烧 Token 的人。 庄明浩 兰溪 还行，还行。 高飞 对，多服务一个重度用户，对这些模型公司来说成本应该蛮高的。我有时候担心，尤其是偏免费的，或者小额付费提供的这些服务，某种意义上肯定是不赚钱的。 可能有些朋友还不太了解这件事情。明浩刚才也提到了这个问题，我们继续聊一下为什么不能长期采用免费的模式，模型公司为什么不能这么做。 ### 推理成本决定收费 今天这个时间点，大部分人使用模型时，所处的环节叫推理，就是模型为用户提供服务、产生运算并返回结果。每一次运算，因为每个人的需求不一样，我们今天用的模型都是生成式的，也就是说它每一次运算都不是重复的，不是原来的复制粘贴，而是要重新计算一遍，所有这些计算都会产生必要的成本。 今天大部分 AI 应用厂商的定价是按月订阅，比如一个月 10 美元、20 美元、100 美元或者 200 美元。但这个额度本质上是用平均数的方式定价：大概率一个人平均会用多少，就据此定一个价格。 但平均就代表一定会有很多用户，或者使用量比较大的用户，他们的用量远远超过平均水平，成本也远远超过定价本身。所以在这个过程中，国外很多厂商一直在调整定价体系。除了基本月费之外，会有月费内的使用限制，超过限制之后，又有各种叠加包往上叠，就像大家以前使用流量和各种按量计费的服务一样。 所以后面我会聊到运营商为什么都在做这件事，因为大家对这种模式太熟悉了。随着 AI 在每个人的使用场景中逐渐深入，你会发现超过那条线的用户越来越多，自然就会面临成本压力，需要考量天平两端的关系。 还有一个更现实的原因。春节之后 OpenClaw 火起来之后，你会发现所有厂商，尤其是所谓 Token Plan，卖得都还行，甚至供不应求，不愁卖。 如果我们给中国用户画一个画像，大家通常会认为中国用户的付费转化不是特别强，这是一个公认的、比较悲观的结论。但 OpenClaw 这波出来之后，大家发现好像也没有那么悲观。 IT 圈里有个说法是“不要赚程序员的钱”，但现在程序员其实花钱还可以。再把这个量往前推，假设你是豆包的负责人，看着隔壁部门的即梦天天哐哐哐地收钱，哐哐哐地涨价还供不应求，你不眼红吗？年度 KPI 里难道没有收入 KPI 要写进去吗？ 腾讯系那么多相关的云产品也开始增加各种收费模式，可能不是月费，可能是按 Token 计费。收费这个口子似乎正在被疯狂撑开。 之前大家对收费有一个想法：你收费，但我可以不收费，我就能把用户卷回来。那腾讯不想卷一下吗？ 庄明浩 这没法卷，因为你得看你的卡量。卡量不够，想卷也有心无力。 高飞 其实明浩刚才说的订阅制，我想起行业里有个段子：AI 大模型订阅赚的是什么钱？赚的有点像健身房的钱——我赌你不来。 庄明浩 对。为什么 OpenClaw 出来之后，Anthropic 马上把它封了？这其实跟订阅制有关系，并不是说它是我们理解的那种竞争对手，而是很多人会用订阅制把额度跑满。要是大家都把额度跑满，厂商是受不了的。 高飞 对，它赌的还是你不来的时间要大于来的时间。 另外一个成本因素是，我们现在有一些很好的参照标的，因为已经有公司上市了，可以从它们的财报里看到相当透明的情况。如果刨开预训练不谈，推理的毛利率是可以转正的。 庄明浩 Anthropic 和 OpenAI 都提到过它们实现正现金流的时间点，一个是 2028 年，一个是 2030 年。意思是，收入增长能够跑赢预训练成本。成本增长可能不是指数型的，但收入可以逐渐增长到覆盖成本。 所以，如果抛开预训练不谈，只谈为用户提供服务，这件事现在是可以赚钱的。 高飞 但是你不得不训练，因为你得跟进。 庄明浩 对，集中度还没有高到可以不训练的程度。 换句话说，大家在训练这部分还是要卷，但在推理赚钱这部分不要那么卷。大家都需要赚钱，别把彼此都逼死。 高飞 那我觉得接下来可以预测一下：很可能下一个 AI 公司也要向 C 端收费。两位有预测吗？豆包之后，谁会成为下一个收钱的人？ 庄明浩 如果让我预测，我觉得千问有可能会更早一些。 高飞 千问，是吧？ 庄明浩 阿里可能还是想回回血，这是我的一个直觉判断。 高飞 我刚才也想说千问。我们今天准备话题的时候提到，阿里的利润率降了很多，所以大家会担心是不是因为这个原因导致它做出收费决定。但其实不完全是这个原因。 不过阿里内部确实需要考虑这件事。它的电商业务利润比较薄，又有云和基础设施投入，事情也很多。在这件事情上，阿里是“最激进”的。这个激进的另一面，也代表它可能是最着急、最坐不住的那个。 本质上，它是想把事情再往前推一点。如果再往前推一点，是不是可以考虑从这件事上获得一些收入、回回血？ 庄明浩 对，回回血。 高飞 如果这么看，其实大家有一个共识：收钱是确定性因素，但不确定性是定价，究竟收多少钱。 庄明浩 豆包的定价是 500 元的专业版。 高飞 ### 定价决定付费分层 所以我们可以分析一下它的定价体系是怎么来的。 庄明浩 基本上是分几档。海外模型产品最开始出来的时候，OpenAI 是 10 美元还是 20 美元？后来出了一个便宜版本，可能是 8 美元或者 6 美元一档，基本上就是 10 美元左右。这是第一道坎。 再往上，就是相对专业的用户。海外产品可能直接做到 100 美元，国内可能是 50 元、60 元，我觉得这是比较重要的一档。再往上可能是 200 美元，我觉得 200 美元是现在大部分面向个人用户的月费订阅制产品中比较重、比较高的一档。 但 200 美元换成人民币已经是 1,500 元了，我觉得在国内不太现实。所以国内还有另外一条线，就是 648 元。玩游戏应该知道，iOS 抽卡里的 648 元，原来就是 100 美元换算过来的。 我记得豆包收费的新闻出来之后，第一时间还有一个 998 元的档，好像后来被拿掉了。我不知道为什么。它有一个一年快接近 1 万元的档位，但后来好像被取消了。 所以这几个档之间怎么定价、提供什么样的服务、用户是否真的能够接受，我觉得都还处于探索期。 高飞 兰溪，你怎么看定价？这几个定价中，你觉得哪个版本可能卖得更好？ 兰溪 豆包的价格起价是 68 元，一个月 68 元、200 元、500 元。我不知道现在改没改，但当时流传的图片是这样的。 以前我们谈订阅制，会认为美元和人民币大概是一比一。外国收 20 美元，中国收 20 元，但豆包不是这么收的。它收了一个 68 元的、很奇怪的价格，没有想象中那么便宜，但又没有到 98 元或者 128 元。 在国内订阅制的定价里，很难看到这样的价格。 高飞 有没有可能是游戏玩家在定价？ 兰溪 如果把订阅分成消费级和生产力级别，其实完全不同。生产力级别当然可以很贵，但如果纯粹是娱乐、消费和消遣，中国单个产品用户付费的天花板，差不多是 QQ 音乐的 1.2 亿出头，没有 1.3 亿用户的产品。 所以无论如何，不管 AI 产品要不要打破这个天花板，我觉得 68 元是很难打破的。 庄明浩 听兰溪讲完之后，我有一种感觉，它的定价应该是基于心理锚点定位的，特别像视频会员或者游戏点卡。 它按照现在中国用户可能付费的心理价位定价，让用户相信自己掏出去的钱，确实能换来价值。这是最关键的。因为如果收 20 元，用户会觉得掏出去的钱不够多，可能有一种 20 元打水漂的感觉，还不如 68 元，至少有点存在感。 所以，68 元里装什么东西，是接下来很期待的一点。很好用的可能是视频或者语音方向，会有一个全模态的产品，让大家能够在里面无限量地做图、生成内容，而且图片的质量或者娱乐性非常好。这样大家愿意花 68 元，我觉得概率相对大一点。 我再补充一个看法。我觉得还有一种可能性是等下一个版本升级。下一个版本升级时，免费版慢一点升级，或者免费版设置使用限量，只有收费版才能用上最新模型。这样就自然而然把两者区隔开，而不用额外再做一个产品。 高飞 如果未来人人都是 AI 用户，可能只有 10% 或者少于 10% 的人真的会为 AI 付费，这就会形成一种 AI 鸿沟。 庄明浩 我觉得这其实在生活中无处不在。这几天很火的不是山东那个山姆会员店吗？一个大爷过去问：“凭什么不让我进？”你还花 500 元买会员卡。 大家把这件事放平常心就可以了。每天疯狂使用 Claude Code、Opus 4.7 去做各种事情的人，对模型的感知，以及对当前最好模型能力边界的认知，跟每天只用豆包、元宝或者千问聊聊天、问一个基础问题、搜索一下的人，体感状态应该已经差得非常远了。 兰溪 但是问题在于，每个人的需求其实是不一样的。在生产力场景下，大家确实需要探索极限；但日常很多事情，没准去年 GPT-4 就够了。 今天手机应用里的各种 AI，已经是绝大部分人一生中遇到过的最聪明的东西了。大部分人已经探索不出它的能力边界，它已经比我们厉害得多。 所以，不同用户需要不同的服务与之匹配，这可能也是几家厂商开始尝试收费时要思考的：究竟为哪些用户、在什么场景下提供什么样的高质量服务，才值得这个价格。 高飞 ### 收费之外的变现路径 还有另外一个套路，就是广告。ChatGPT 在这个方向上探讨得比较早，中国的网络广告也比较发达。为什么中国这些 AI 公司没有把广告作为一个很重要的商业模式来源？ 庄明浩 我觉得是因为广告没有办法直接接入现有的广告系统。现在的广告系统，还是基于页面关键词或者搜索关键词来做，但 AI 涉及用户输入和广告之间的关联。 这中间会涉及巨大的脱敏工作，监管压力也非常大，所以它不敢轻易去做。但是一旦做起来，我觉得中国反而会比美国更快，因为中国比较擅长“羊毛出在猪身上”。 转移支付对中国互联网来说，是很自然的一件事。 高飞 还有一个角色，就是中国市场的 AI 玩家——运营商。 运营商传统上其实不是 AI 玩家，原来是提供网络，后来借助一部分算力。但最近一两个月，我参加了一些活动，包括移动云、电信等活动，感觉它们好像也成为 Token 玩家了。 我们现在可以把钱分成打电话的钱、流量的钱，未来还有 Token 的钱。运营商把 Token 的钱加进来，有没有可能从豆包、千问这些产品中分得一杯羹？它们会不会成为很重要的存在？ 兰溪 我觉得可以。现在有很多流量卡、大王卡，能够支持定向应用。如果大模型厂商愿意做分销，运营商其实是很好的合作方。 它们做的还不是传统的云生意，云更多面对企业级用户，但运营商确实能够帮你接触个人用户。假如豆包会员是 68 元，但我用移动的某个套餐，就可以享受到这 68 元的会员服务，只是不用单独交费，而是把费用交到话费里面，大家心理上会更容易接受。 我觉得运营商可能也看到了这个机会，想努力扮演分销商的角色。但决定权还是在模型厂商，它们愿不愿意这么做。 从利益上来说当然有利益，但也有被架空的风险，这些都需要考虑和权衡。 高飞 和收费对应的其实还有免费。ChatGPT 说，它之所以能为用户提供免费服务，是因为可能会打广告。 最近还听到一个新闻，马耳他这个国家要为全民提供免费的 Token。这个玩法两位怎么看？当然，这里的“全民”需要打引号，也可能是某个城市把它作为一种城市福利。会不会出现这种可能性？ 兰溪 清华还是哪所学校，也给学生提供了免费的 Token。清华的负责人说，实际申请的人并没有想象中那么多。 如果把学校和政府组织看成一类存在，那其实有一些在这件事上想得比较靠前的组织，已经在做类似尝试了。只不过这确实需要时间。 庄明浩 我觉得没有问题。很多时候大家去给一些公司开会，问公司怎么做 AI、怎么数字化转型，常规建议就是先把员工使用 AI 的费用全部报销。 我记得做播客的郑青说过：“AI 是打篮球。”打篮球是什么意思？你不能通过看 100 个篮球教学视频掌握拍篮球，你得亲自去拍。你要去拍，就得有一个球，还得有一个地方让你去拍。 所以至少要先让大家用上，再说后面的事情。 从逻辑上讲，没准哪天一些在 AI 上比较激进的组织，会在自己的覆盖范围内提供这样的服务。可能不是给个人，而是给相关企业。 如果大家真的认为 AI 是未来非常核心、非常重要的事情，所有人都需要去了解、掌握和感受，那没准一些相对创新的组织方会在这件事上往前多迈一步。我觉得很有可能会出现。 高飞 其实我会更悲观一点。我会觉得，普惠、赚钱和质量是一个不可能三角。 如果不谈 Token 背后的模型是什么，光谈 Token 其实是耍流氓。给你一个很差的模型，再给你 20 亿 Token，也没有意义。 我知道现在很多初创公司招聘时会把这个当作卖点：你可以在公司里尽情使用各种模型，不需要自己掏钱。这对于优秀用户来说，是非常大的吸引力。 我其实蛮支持两件事：一是员工可以报销 Token，二是大学可以提供 Token。大家知道，大学每年在论文下载上，给知网花很多钱，可能是千万级的。对学生而言，模型对科研的帮助难道会比论文下载小吗？我觉得至少是同等重要的。 庄明浩 但这就是个伪命题。很多大学还说不支持学生使用 AI。 高飞 是吗？ 兰溪 老师看 AI 论文看得太多，都看吐了。 高飞 这也是一个问题。一方面，老师会觉得你用了 AI 很讨厌；另一方面，你不用 AI，老师又很担心你脱节，担心你跟工作脱节。 前两天谷歌前董事长埃里克·施密特去一所大学做演讲，被学生嘘了。全程其实大家都没有谈 AI，只有他提到了 AI。他也不是说 AI 多重要，只是说未来大家会面临 AI 的竞争。 我觉得这也很冤。你不提这个事情，AI 对你们就没有影响吗？它带来的很多问题大家都已经看到了，但现实问题是，我们能怎么办？ 如果这真的是一次真正意义上的工业革命和技术革命，那历史上这么多工业革命和技术革命，没有一次是被拦下来的。 庄明浩 对，挡不住。就像 DeepMind 的姚顺宇说的，今天不是他来做，也会有另外一个人把这个东西做到这个地方。 AI 似乎就是这样。它像冲浪一样，无论你冲不冲这个浪，它一定会把你推到这里。你不做，也会有另外一个人把它演进到这里，大家只能在这个过程中做一些帮助。 你跑到奥特曼家门外去开枪，没有意义。 高飞 这话题有点远了，但我觉得，从 AI 公司或者其他相关方的角度，可能要对这种心态抱有同理心。 庄明浩 但光有同理心也不能解决问题，还是要迎头向前。 高飞 我们歪个楼之后再歪回来。刚才我觉得，收费的逻辑已经谈得差不多了，结论就是钱一定要收，只看收多少钱。 ### 资本开支吞噬收入 但即便收上这些钱，我们也会发现资本开支还是巨大，靠用户这仨瓜俩枣其实覆盖不了产出。所以接下来我们谈一谈花钱的逻辑：这些模型公司的花钱逻辑是什么？ 从现在 AI 商业模式走到今天的情况来看，大家觉得从投资视角而言，AI 这个商业模式怎么赚钱会比较合理？ 庄明浩 我先铺垫一下。刚才兰溪提到过，如果忽略训练不谈，推理是赚钱的。Anthropic 的研究员之前也一直在说，包括 Dario Amodei 也提到过：其实每一代模型都是赚钱的，只不过它们把钱投入到更大的下一代模型研发中。 下一代模型的研发和训练可能是指数级增长的。原来要 10 亿美元训练一个模型，下一代模型要 100 亿美元，再下一代可能要 1,000 亿美元。所以，下一代模型又把上一代赚的钱全部花回去了。 我之前有个说法，我们是不知不觉走到了这一步，在这件事情上走到了很多人类的极限。 刚才我们讲，美国最大的几家科技巨头，现在每年的资本开支从原来的几百亿美元涨到 1,000 亿美元。2026 年，最头部的亚马逊是 2,000 亿美元，谷歌接近 2,000 亿美元，Meta 也快 2,000 亿美元。加起来，这四五家公司已经快到 1 万亿美元了。 我们从小学英语，知道 billion 是 10 亿，billion 再加 3 个零才叫 trillion，也就是万亿；trillion 再往上加 3 个零，叫 quadrillion。 1 万亿美元是什么概念？它已经超过绝大多数国家的 GDP。这个钱总要花出去：做芯片、显卡、存储、CPU、数据中心建设、发电机。所有这些钱滚起来，已经滚到了很多事情的人类极限。 我们原来评判这些公司和业务，都是按线性的方式往前推。但当业务推到极端之后，真的要去看地球有没有那么多原材料，这些公司的产线能不能在很短时间内建立起来，能不能把产能拉到预期的水平。 马斯克说没关系，我们去太空。你想，在我们都要探索去太空部署数据中心的情况下，这件事已经把很多事情推到了人类的物理极限里。 这终于走到了科幻小说应有的样子。 ### 模型公司依赖多元资金 在这种情况下，AI 公司有不同的活法。有的我们说是“有爸爸”，比如有 Google 这样的主业去养；有的有金主，靠巨额融资，比如 Anthropic、OpenAI；有的可能得靠用户，但也在融资，比如 Kimi。 这几种不同的资金来源，大家怎么看？ 兰溪 中国现在其实有两波势力。一波是大厂，包括 BAT 和字节，它们自己的主营业务非常顺利，有钱去烧这件事。 另一波就是“六小虎”。从智谱、Kimi 开始，最后大家还是要回到同一个原点：钱从哪里来？ 我觉得现在大家之所以对这个行业比较乐观，是因为它的确定性比较高。经济其实是一个循环效应。以前有个段子，说一个小镇里每个人都背了一肚子债，有个旅客来到旅馆里花了钱，旅馆有钱去还债，钱就这样循环起来了，大家的生活都好起来了。 钱并没有变多，但经济的关键在于流动性。现在这个行业的流动性其实蛮高，所以在这几个商业模式里，大家暂时还不太害怕出事。只要多花一点钱，整个圈子就能转起来。 高飞 在这种情况下，钱足以支持这么多玩家吗？ 如果看海外，有个说法叫“闭源四家”，Google DeepMind、Anthropic、OpenAI，还有其他玩家吗？好像没有了。但国内模型公司依然很多，市场上有这么多钱支持这么多玩家吗？ 兰溪 现在可能还有小 10 家。我大概数了一下，智谱、Kimi、MiniMax、Qwen、元宝、豆包、阶跃，还有做多模态模型的快手等，应该有十多家。 我觉得中国公司跑得慢一点，稍微慢一点的好处是，它没有那么快分出高下。 美国的“闭源四家”跑得太快，导致后面的人一旦落后，就拿不到更多资源。比如马斯克的 xAI 就是这个问题。一年前我们还不叫“闭源四家”，以前是四家、四家、四家，Grok 是能上桌吃饭的，还有 Meta。 但后来 Meta 在 Llama 4 那一波掉队，伤得非常重。只要一波掉队就跟不上，一步错，步步错。 豆包其实自己也有反思。DeepSeek 出来那一波，它们内部有过反思，然后很快就追了上来。因为整个竞争环境的烈度还没有那么高，所以还能容忍这样的波动。 庄明浩 但最终肯定都会上来，这是任何行业都会出现的现象。无非是现在大家还不认输，不认输就可以不下牌桌。 我再举一个更现实的例子。春节期间字节发布了 Seedance 2.0，大家会认为视频模型这场仗已经打完了，字节是断档领先。 你想，字节的主业是视频，它又在视频模型上拿到了绝对领先，全球的模型加起来，视频能力就是它领先。你不需要怀疑字节在这件事上的纠结、犹豫和战略定力。 快手也是一样的逻辑，可灵也还不错，可灵也不会纠结和犹豫。后面还有阿里，也上了模型，也在打这场仗。 MiniMax 也上市了，海螺也很强，这已经 4 家了。后面还有 HiDream、Vidu 和 PixVerse，这几家在春节之后又拿了几十亿元融资。 为什么？理论上前面已经有 4 家看起来不可能有任何纠结、犹豫、资金问题，而且 all in 的玩家。那为什么第五、第六、第七、第八名还能拿到那么多钱，也愿意参与这场竞争？ 很现实的问题是，智谱和 MiniMax 上市时，年收入是 5 亿到 7 亿元人民币，大约 1 亿美元。这个钱对于这些厂商而言并不是太大的钱。 所以你会看到，阶跃会说，我 2025 年收入差不多也有 5 亿元；PixVerse 会说，我可能也有 3 亿元。我也具备上市资格。上市之后，如果热潮还在，我也够吃。 在这个逻辑下，投资相关方又因为热潮叠加了各种 Buff，所有理由都变得正确，于是这件事就成立了。 高飞 再补充一点，大家会认为这个蛋糕很大，增长速度也很快。大盘往上涨的时候，你涨得没有头部那么快，也不是什么巨大的危机，你可以喝汤，汤是够喝的。 庄明浩 对。头部玩家虽然决心很大，但产品的绝对领先优势还没有那么强，我为什么不能在后面喝汤？ 从投资逻辑来说，虽然它不是前三名，但它也是 AI 市场的玩家。我投它，总比投别的强。现在市场上所有的钱都在 AI 这里。 高飞 海外也有类似例子。Cursor 发展起来之后，可能有一些 AI 编程公司会死掉，但实际上它们没有死，因为手里还掌握着一部分用户。甚至像 Cursor 这样的公司还可能被马斯克收购，价格也不少，应该有几十亿美元，甚至可能是 60 亿美元。 庄明浩 我特别想用一句话：这些公司死去，只是换了一种方式陪着我们。 就像某个同事没有离开，只是被蒸馏成一个 Skill 陪伴着我们一样。可能这个市场里，AI 仍然是稀缺的。 高飞 ### API打开企业市场 说到这里，还有一个话题。除了订阅收费，是否还有其他方式？一个明显的答案就是 API。 怎么去看 API 收费方式和订阅收费方式的差别？我们都知道，订阅方式对很多超级玩家而言，模型公司是亏的。兰溪，以你的使用强度，模型公司肯定是亏的。你就是那个疯狂健身的 AI 玩家。 在这种情况下，它为什么还要服务你这样的玩家？ 兰溪 答案很简单，因为不健身的人更多。如果大家都像我，肯定就不行了。我的成本被那些不怎么用的人摊掉了，所以很感谢那些买了订阅但不怎么用的人。 关键是，从正经的商业逻辑来说，它还是有一个边际成本递减的问题。虽然每次 Token 消耗都不一样，不像搜索那样是固定的静态页面，但长期来看，随着模型知识量丰富、预训练完善，Token 的整体成本会下降。 我这样的玩家，无非就是会用超。厂商还是会给你设一个值，超过这个值，你就先等着，过几天再用。 现在 Codex 不是经常重置额度吗？一言不合就重置额度。它们后端有非常强大的财务模型，有精算师在盯着，不会做亏本的生意，这一点一定要相信。 高飞 我觉得，人类的 Prompt 和提问，对模型公司来说可能还有数据价值，对它们来说是非常优秀的数据集，适合做后训练。 有没有可能，人类身上还有额外的价值可以挖掘？比如兰溪老师的各种画图方法、小说创作思路。模型公司可能会说，没想到还有人会这样使用我的模型，用得多一点就多一点，正好拿来做学习。 明浩，你怎么看订阅和 API 这两种方式？它们未来会怎么发展？ 庄明浩 我觉得中美市场可能不太一样。中国的 To C 战场更强势，所以如果中国能够在直接付费上探索出来，订阅可能会多一些。 美国的 To B 生态更丰富、更完善，整个 API 生态可能在 AI 这一波之前，基础设施已经建完了。企业应用、各个层级的分工、API 调用关系、开放程度，以及整个链条的打通，都已经以非常基础的状态存在。 所以美国的 To B 战场，从纯 API 调用的角度来说，可能会更疯狂。 我们什么时候能真正看到 AI 应用大爆发？前提是这些 AI 应用本质上都跑在模型上，那怎么跑？不还是要通过 API 调用来解决连通和调用的问题吗？ 如果真的迎来所谓的应用大爆发，无论 To B 还是 To C，API 可能会更大。 过去 20 年左右，中国在 To C 互联网领域策马狂奔，美国则在 To B 和 SaaS 领域策马狂奔。到了这个节点，双方市场在互相学习，这就是 AI 带来的变化。 我们需要了解 To B 生态、SaaS 和通用 API 这套东西；他们也要更多了解 C 端用户、“羊毛出在猪身上”等各种结合和探索，再去适配 AI 演进过程中的产品、应用和 API。 API、智慧方式的订阅，然后去揉一个什么新的范式出来，可能才是一个 AI 时代的结论。 兰溪 我再补充一个关于 API 和订阅的观点。谷歌不是刚开完 I/O 大会吗？它公布了一个数据：Gemini 现在有 9 亿月活，Gemini 主应用的 Token 日均差不多是 107 万亿，API 是 27 万亿。 谷歌的情况比较特殊，因为 Alphabet 的公司结构不一样。谷歌的用户大多数还是搜索用户和 C 端用户，所以 Gemini 的应用量会大很多，反而 API 占比被压低了。 高飞 有时候 C 端收费也不是一个典型的数学题。很多人会为好记星或者背背佳付费，它其实不是单纯的性能逻辑。 在 AI 时代，大家提出一个观点最不怕打脸，因为谁都在被打脸。哪怕是 OpenAI、Anthropic，也会被打脸。要不然我们在台上抛 3 种可能，过一年再验证一下大概是什么情况。 兰溪，你先抛一个可能被打脸的数字。未来订阅和 API 的比例是多少？ 兰溪 我觉得还是要看公司。如果把整个中国都算进去，我觉得是四六开，40% 订阅、60% API。 高飞 五五吧，遇事不决就五五。 庄明浩 我也五五。 高飞 ### 基础设施先于应用盈利 接下来聊赚钱的问题。作为商业公司，最后还是要盈利，成为一家赚钱的公司。 互联网时代有个最大的说法，就是“挖金子的不如卖铁锹的”。黄仁勋之前提过一个说法，AI 有 5 层蛋糕：第一层是电力和能源，再往上是芯片、基础设施、模型，最上面是应用。 在这 5 层蛋糕里，先分析一下现在谁在赚钱。 庄明浩 现在最赚钱的，肯定是黄仁勋所代表的基础设施层，也就是卖铲子这一层。 我有个说法：把用户的直接付费、To B、广告、API，以及投资人的钱放在一起，相当于这些钱是给这个池子注水的地方。 过去 3 年多时间，基本上只有老黄在赚钱，而且他一定会赚钱。这两层是旱涝保收的，无论怎么样都能赚钱。 再往前推，数据中心原来本身是赚钱的。但这一波所谓新云厂商崛起之后，它们要迎着暴涨的需求建设更大的数据中心，借更多的钱做投入，甚至当期收入可能都不够支付未来借款的利息。 所以它们的财务报表非常难看，杠杆极高。但如果从极端角度看，数据中心业务本身应该还是赚钱的，只是毛利水平会回到类似当年云厂商最终的平均水平。 现在看，模型厂商推理的毛利确实能够算出来，可能五六成是可以的。但问题还在于训练过程中的竞争。 应用厂商的毛利更差，因为它既要给模型厂商钱，又要给云厂商钱，收费还遇到了我们今天谈的所有问题。 现在最直接面对用户的人，反而是最痛苦的。我记得有个表情包说，大家都说 Token 成本在以 10 倍速度降低，所以“今天我亏钱，明年我就有 90% 毛利”。但到了明年，还是亏钱。 为什么？因为没有人会一直使用旧模型，所有人都在用最新模型，而最新模型的价格不可能一直下降，反而会不断上涨。 大模型厂商也是一样，它们不断推出更新的、更大的模型，需要更大的投入，建设更多数据中心，而更多数据中心又要借更多的钱。 今天晚上正好是英伟达的季度财报。英伟达已经连续 15 个季度超预期了。超预期已经不是意外，而是长期超预期。长期超预期就不符合预期，反而符合预期了。 兰溪，你怎么看这个盈利版图？ 兰溪 好像明浩对应用这一层很不看好。 应用现在压力太大了。前面其实都是供给逻辑：我有货，就有人来买，是采购逻辑。 但应用现在的问题是，买单者不够。你还要考虑获客成本，竞争压力也很大。比如千问到处投广告，你还有投流成本。 这些成本是前面几层没有的。你没听说英伟达需要投流，大家找着它买就行了。 所以从这个方面来说，我觉得应用还要花很长时间。我们谈千问，它还有自家模型，相当于模型推出了应用；但很多应用没有自己的模型，需要从上游进货，结果下游卖不出同样的价格。 这就是很大的问题，因为还有自己的经营成本、运营成本，以及刚才说的投流成本。 不过从长远来看，我还是谨慎乐观。你不可能把所有压力都给应用厂商，所有人都赚钱、压榨应用，然后让应用一直忍着，这不太可能。 高飞 说到这里我突然有个想法：其实是人类不争气。 大家有没有想过，模型之下都不是给人用的？AI 需要电，所以电在赚钱；AI 需要硅，所以硅在赚钱；AI 需要服务器和光通信，所以这些在赚钱。 应用是给谁用的？给人用的，所以人不争气。 一切服务碳基的都不赚钱，一切服务硅基、服务机器的都赚钱。我们刚才讨论订阅模式和 API 模式的比例，其实也是机器经济和人类经济的问题。 如果套用 startup 的语境，就是 Agent Commerce 和 human-being commerce 之间到底怎么分。我觉得人类要争气，但这不是我们 3 个人能讨论的问题。我觉得这是未来很值得从经济学或者社会学角度讨论的问题。 在这种情况下，模型公司是一个很好的示范。模型之上的应用现在亏钱，长期当然可以乐观；模型之下应该也是赚钱的。 模型就成了一个很好的参考变量：它什么时候赚钱，会成为衡量这个市场的一个很好的标准。 模型公司要赚钱，应该满足什么条件？现在的预期是，OpenAI 可能在 2029 年左右，Anthropic 可能会更快，Midjourney 明年可能就差不多能实现盈亏平衡。 可能半年多以前，因为大家打开 Claude Code 的战场，引发收入快速增长，模型厂商更激进地看到了曙光。 智谱和 MiniMax 是上市公司，它们去年可能只有 5 亿到 7 亿元人民币的收入，但今年第一季度已经到了两三亿元，甚至更多。它们的收入会不会像原来想象的那样指数级增加，盈利周期大概也是可以算出来的，盈亏平衡出现的时间点也可以预期。 但市场总会提出新的问题。最近一段时间，市场弥漫的问题变成了：你们用了这么多 Token、这么多 Claude Code，做出了什么？做出的这些东西，ROI 对不对？ 当这个问题被提出时，相当于我们把焦点推向了更值得怀疑的问题。中间那个问题似乎大家已经没有那么担心了。 但你想，等这个新问题被讨论得差不多，还会有更新的问题出现。到那个时间点，似乎就再一次证明我们又往前走了一步。 模型公司会说：“我虽然不一定能解决自己的问题，但我可以给别人造成问题。” 兰溪 就像 Anthropic 一样。它虽然现在还没赚钱，但可以让 SaaS 公司也赚不了钱。 高飞 这样的话，只要别人的问题比我的多，钱还是会流向我们。 但我们必然还是要讨论应用。你觉得 AI 应用谁能够先盈利？是 C 端订阅、B 端，还是广告？做应用的怎么办？要不要指一条路？ 兰溪 我还在回味明浩刚才那句话。我觉得有一个很好的回应：看裁员就行了。 裁员就意味着有价值，因为我替换掉了人的员工。如果大家不裁员，这个东西才是一个真正的问题。所以裁得越狠，AI 越有价值。 高飞 当然，这话有点政治不正确。 兰溪 说 AI 应用的话，主要还是看 ChatGPT，因为它的付费用户量最大，整体付费行为也最好。 前段时间《The Information》不是做过一个报道吗？它准备把 20 美元的套餐降到 8 美元，主推 8 美元的 ChatGPT Go，这样可以在 5 年之内达到大约 8 亿付费用户。这其实是非常大的规模。 当然，它不至于靠这个打平 OpenAI 的全部成本，因为它也必须有其他业务。任何一个单模型都不可能完全通过订阅制赚钱，这不太可能。 如果从纯粹的赚钱逻辑来说，海外看 ChatGPT，国内看豆包，这两个就可以了。 我甚至觉得 Gemini 不会把收费作为主要方向，因为它注定不需要把收费当成主要业务。ChatGPT 和豆包不一样，豆包需要证明自己，在字节内部要跟抖音等其他业务争取地位，它有这样的欲望。 高飞 ### 中美商业模式分化 正好兰溪也提到了中国市场。我们把中国市场和美国市场的商业模式再谈得透一点。 刚才谈了 5 层蛋糕，中国蛋糕和美国蛋糕是否会有区别？从电开始，再往上谈基础设施、芯片、模型和应用。中式糕点和西式糕点会不会不太一样？ 庄明浩 我觉得最底层首先是电。中国的电是国有的，美国的电是私营运营的，所以底层体系的运营逻辑不一样。 再加上过去这么多年，我们在电力基础设施上的投入、建设成本等，已经显现出非常强的成本优势。这是最基础的基座状态。 所以美国过去一段时间，围绕数据中心引发的电力问题特别多，也是这个原因。 再往上一层是芯片。我们确实在芯片本身的技术能力上，距离英伟达、英特尔或者 AMD 有一定代际差异。 但我们可以通过其他方式，比如成本优势，或者更擅长的政府行政手段，做一些调配，让这件事不至于被完全卡住。 也就是用中国特色的社会主义运营方式，支持那些技术上落后于美国同等蛋糕层的公司，用其他方式弥补或者延缓差距。 模型层刚才其实已经讨论很多了。中国现在参与的厂商远远多于美国，可能也会逐渐出现分工。 有些厂商偏多模态，有些偏语言，有些偏 Coding，有些偏 Agent，甚至从市场角度看，有些偏 To B。所以中国在模型这一层可能会比较分散、多元。 应用这一层，可能会更加百花齐放，或者至少我们期待它百花齐放，出现更多可能性和更创新的商业模式，也出现更多有趣的玩法。 高飞 明浩提到，中国蛋糕长起来是柱状蛋糕。兰溪，你眼中的这个蛋糕是什么样的？ 兰溪 我觉得中国蛋糕主要体现在经济性上。 假设中国有一个地方政府，拿到一个数据中心的投资建设项目，这是非常大的政绩。但在美国，这可能是一件政治不正确的事情。 因为一个地方如果要建设数据中心，整个城市的电价可能会疯狂上涨，市民就会通过投票把议员换掉。 这就是我们刚才说的逻辑：中国电网是国家运营的，所以会有价格稳定机制。但在美国，需要特朗普发文件，要求各大厂商承诺建设数据中心不能把电费转嫁给普通民众。可这个事情在实际操作中，民众心里还是会有很大猜忌。 我觉得这也是两个国家体制上的不同。中国更追求稳定，追求稳定的供给，以及稳定的工业化建设；美国更多是资本导向，是速胜论，会非常激烈地争取结果，把事情推到极致，最后形成一个完全的赢家。 所以，中国的蛋糕可能更讲究质量、性价比和稳定性，这跟美国会有很大差异。美国会追求极致的性能和极致的体验。 高飞 总结一下两位的话，明浩说中国蛋糕更平均，是柱状蛋糕；兰溪的意思是，中国蛋糕可能不一定那么甜，我们吃得比较健康，口味比较平均。 ### 中国商业化走向多元 最后一个问题，能不能请两位预测一下中国 AI 行业的商业化格局？ 我们总让两位预测，但我知道每次预测完之后肯定又不准。不过没办法，人类就是要做这种工作，这也是一种强化学习。 把问题稍微窄化一点：中国的商业化和美国的商业化，从未来来看谁更难，谁更简单？有没有可能出现比较有创造性的商业模式？还是说市场中还会出现颠覆性的东西，让整个曲线完全改变？ 庄明浩 我先说。我觉得美国的商业化会非常功利化。这个词不是贬义，也不是褒义，只是一个客观现实。 美国会像我刚才说的那样，极致地追求回报率。但我觉得中国在玩法上，可能在没那么功利化的产品 AI 商业化方面更值得期待。 比如豆包的人格化。我刚才不是讲过吗？豆包如果要收费，可能从陪伴切入，而不是从效率切入。 我可以定制豆包是什么样子，它是御姐，还是其他类型。这对年轻人很有价值，它可以去吃情绪陪伴的市场。 但美国主流模型其实不会看这个方向。再比如千问做了购物和打车。当然我们会争论这件事到底有没有用、有没有价值，但至少在可塑性上，它做这些事情不是为了更好地赚钱。 我前段时间用千问做淘宝，如果你去搜一些智商税产品，它会告诉你别买。我觉得这有几个很大的亮点。 所以我觉得，中国模型在“美好而无用”的事情上，可能会比美国做得更多。它未必能直接给你带来收入，但能为整体商业化做贡献。这可能是中国更有亮点的地方。 如果把商业模式分成信息差和情绪价值，中国的情绪价值市场也不会太小。 高飞 ### 硬件打开新空间 我们今天其实还没有聊到另外一个主题，就是硬件。 我会觉得，这一波硬件在中国隐性的强势已经非常明显。只要你有任何想法，想做任何东西，都有无数厂商能够在很短时间内，以非常低的成本帮你实现。 今天 AI 相当于给原来的硬件装上了一个更聪明的大脑，一个更有智商的控制中枢。原来很多不敢想的东西，很多纯粹的死硬件，在今天能够做的尝试和探索被无限打开。 这件事在中国真的可以期待无限的可能。 过去这一年，为什么中国市场投了那么多从大疆、追觅等公司出来的人？因为这些有经验的人，基于这一轮 AI 的能力，可以再做一些探索。 我们也看到了很多奇奇怪怪的东西。比如带摄像头的耳机，或者说带耳机的摄像头。 庄明浩 对。 高飞 这些东西就能在我们的环境下被制造出来，而且看上去像模像样，能够经历从想法、小样到推出，甚至可能卖出去的过程。哪怕不成功，也可以不断堆加和迭代。 玩具陪伴、学习机，都不需要众筹，也不需要跑到园区外面去找资源。 最近我还看到有人做宠物 AI 硬件。人的 AI 硬件不好做，那给宠物做是不是会容易一点？人还要自己体验，但宠物可以是机器第一、宠物第二。 庄明浩 对。 高飞 这些可能性真的会在很多事情上打开更大的空间。 从各种条件来看，中国可能具备做这件事的很多条件：人、供应链、资金、运转方式、已经成功的经验。所有这些因素，都让我们可以期待硬件领域百花齐放。 所以我觉得，可能在硬件应用上，中国真的会走出一条全新的道路。呃，特别感谢两位的分享啊，我觉得我们今天实际上是一个从一个非常小的话题，然后延伸到了一个非常宏观的话题啊，就是我们一开始谈的就是这个豆瓣收费问题，对，但是其实从这一个收费就延伸到了其实怎么收钱。然后他们的 capex，他们花钱，然后以及未来的商业模式区别，然后延伸到了关于这个 AI 经济蛋糕的问题啊，让我们用一个更宏观的视角来看到一个非常微观的问题哈。那以上呢就是本期节目的全部内容了啊，赛博对话呢是一档用有温度的人文视角解读与你息息相关前沿科技的节目，如果你对此的话题感兴趣，欢迎点赞关注，我们今天的节目就到这里了，拜拜。