豆包付费背后的AI算力生意

豆包这类产品最棘手的点在于：越多人离不开它，平台就越容易被成本“反噬”。

普通用户偶尔聊几句，消耗通常还在可控区间。

可一旦用户开始高频干这些事情：

写长文、做PPT、进行数据分析、开展深度研究、图片生成、视频生成、语音实时对话、以及让Agent多步完成任务。

那成本就不是同一量级了。

豆包Mac版除了聊天，还主打“搜索、P图、写作、翻译、PPT、数据分析”，并把图片与视频生成、深度研究、会议纪要、文档表格处理等做成一站式工作流。

这些能力在本质上比纯聊天更“吃资源”：更依赖token、更依赖推理能力，也更依赖多模态算力。

因此豆包收费，通常就不是因为“普通聊天已经亏到撑不下去”，而是因为：

高价值能力的使用者与重度用户，不能再被无限量地免费供给。

免费版当然还能存在：它用来做入口、带来日活、建立品牌心智；但真正消耗巨大的能力，需要用会员、额度、优先级、专业版等方式分层。

订阅制里有个天然矛盾：

用户每个月交的钱是固定的，但他消耗的token却不固定。

这和奈飞、腾讯视频、爱奇艺并不完全一样。视频平台一部剧拍完之后，用户多看几次的边际成本相对有限；而AI不同——用户每一次深度对话、每一次生成视频、每一次做长上下文分析，都需要重新占用推理资源。

传统软件模式以及奈飞模式，更像是：

研发一次→复制无穷次→卖出多份，边际成本接近于0

但大模型服务更接近：

模型研发一次→每次调用都要算力→用户越多、用得越深，推理成本就越高。

OpenAI、Azure OpenAI等API按token收费，也从侧面说明了这一点：输入token、输出token、长上下文、缓存输入都会有不同的计价方式；一般来说，输出token往往更贵。

在OpenAI的官方定价页里，GPT-5.5短上下文的输入是每百万token 2.5美元、输出是每百万token 15美元，而缓存输入的价格则低得多。

这和卖Office、卖Photoshop、卖操作系统并不是同一经济模型。

字节自家的火山引擎同样能看到类似逻辑：豆包面向开发者的定价也按百万tokens来算，比如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。

这指向一个更本质的问题：

AI产品看起来像会员订阅，但后台结算更像按量消耗。

不过它也并不完全等同于餐厅。

更贴近的说法应该是：

AI其实是“软件公司 + 云计算公司 + 电力密集型实业公司”的混合体。

如果某个用户每月付68元，但疯狂生成PPT、视频和长报告，成本很可能吞掉大部分收入。

反过来，如果有人每月付500元，主要做高价值工作且消耗可控，那就可能是不错的生意。

所以AI订阅本质上是在做一件事：

把不可预测的算力成本，尽量转化成可预期的收入结构。

此前国内AI应用的竞争，很大程度上是“免费抢用户”。

豆包之所以能做得更大，除了产品能力确实有优势之外，也离不开字节的流量池、较强的产品技术实力，以及相对很低的免费门槛。

据QuestMobile数据显示，豆包是中国使用量最大的AI聊天应用，其周活跃用户约1.55亿；同时DeepSeek约8160万；此外阿里也通过大额补贴带动Qwen用户增长。

但免费模式也有明显短板：

用户越多，成本压力就越真实。

尤其在当前中国AI产品还存在价格战的背景下。DeepSeek把模型成本预期压得很低，阿里、字节、腾讯、百度又都不愿放掉入口。

于是消费端AI很容易陷入一种尴尬状态：

用户希望AI永远免费；平台也知道AI不可能无限免费；投资人想看增长；公司内部又要商业闭环。

当豆包推出付费版，它等于在验证一个问题：

中国用户到底愿不愿意为AI工作流付钱？

这笔钱并不是为了“聊天本身”，而是为了让系统帮用户省时间，比如做PPT、写报告、做研究、处理数据、生成视频。

这种差别非常关键。

用户很难为了“陪聊”每月掏500元。

但如果它真的能让内容从业者、销售、老师、学生、运营、咨询顾问每天省下1到2小时，那么68元、200元、500元的可接受区间就会完全不一样。

未来国内AI原生应用，收费方式大概率不会一刀切，而会逐渐形成四层结构：

第一层：免费版

用来获客、养成使用习惯、巩固市场份额。普通聊天、基础问答、轻量搜索仍会保持免费。

第二层：低价会员

面向普通高频用户，比如提供更高额度、更快速度、更少排队，以及更好的模型等权益。

第三层：专业版

面向内容创作者、职场人群、学生、程序员、研究人员，核心卖点是PPT、数据分析、深度研究、文档处理、代码以及长上下文能力。

第四层：企业/API/Agent服务

以按量计费为主，或者“套餐+超额计费”。这里往往才是真正跑得通商业模型的部分。

豆包目前流传的68、200、500三档，本质上就是在试探这种分层能否成立。

免费版解决的是“用户规模”；标准版对应“轻度付费”；加强版与专业版承担“重度用户成本回收”。

ChatGPT、Claude、Gemini、Kimi、通义、智谱、豆包等，要么已经在走类似结构，要么正在接近。差异主要集中在：谁的免费版最强、谁的付费权益最有感、谁的成本控制最好。

AI多一个用户、增加一次对话、进行一次长文总结、触发一次Agent执行任务，就意味着GPU推理、电力、显存、带宽、存储以及工程运维都会相应增加消耗。

所以AI应用公司的最关键问题并不是：

有没有用户？

而是：

用户越多，是越赚钱，还是越烧钱？

这一点和传统SaaS差别很大。传统SaaS一旦系统搭好，新增客户通常带来更高的毛利；但AI产品如果用户特别爱用，反而可能推高推理成本。

如今市场担心Big Tech的AI投入回报，本质也就是这个逻辑。Alphabet、Microsoft、Meta、Amazon等大厂今年都在加码AI相关投入，投资者也开始更关注这些支出何时能换来足够回报。

但需要强调的是：AI订阅不能简单拿“餐厅”去类比。餐厅很难做到让“一碗面”的成本每年下降80%。

而AI可以。

原因在于模型推理成本会被多种因素持续压下去：

第一，芯片性能更强。第二，模型变小、蒸馏、量化、MoE路由更精细。第三，缓存、批处理、上下文复用会减少重复计算。第四，不少任务并不需要最强模型，用小模型就能完成。第五，企业会从“盲目堆token”转向“以更少token达成业务结果”。

因此AI的边际成本不会永远是0，也不会像食材成本那样固定不变。

它更像早期云计算：一开始很贵，但随着规模、硬件与软件优化不断推进，成本会持续被压低。

这也解释了为什么OpenAI在定价里“缓存输入”会明显更便宜。因为缓存机制本身就意味着AI服务商在努力把重复计算变成更低成本、更接近软件化的环节。

所以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，模型成本下降的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元的成本，那这个生意就很一般。

如果答案是：用户愿意付200元；而成本只有20元，并且随着模型优化还能继续降到10元。

那AI应用又会更接近一个好软件生意。

因此，AI商业模式真正的核心指标并不是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。

联系到股市，这件事其实很重要。

市场现在交易AI，大致分三个阶段看：

第一阶段先看的是：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、数据中心等都会受到关注并上涨。

第二阶段市场会问：AI应用有没有用户。

因此ChatGPT、豆包、Kimi、Qwen、Copilot、Gemini的用户规模会成为焦点。

第三阶段，也是接下来最关键的一步，市场会问：这些用户能不能付费？付完费以后能不能赚钱？

豆包传出收费信号，本质上就是第三阶段的开始。

如果未来看到这些积极信号，AI行情会更健康：

付费转化率不错；用户不会因收费而大规模流失；高价专业版有人愿意买；企业客户开始规模化采购；推理成本持续下降；AI功能还能带来真实提价能力。

但如果看到相反信号：

用户只愿意免费用；付费口碑不理想；平台频繁降价促销；高频用户把成本“打爆”；应用收入增长很快但毛利率不佳。

那么市场就会开始怀疑：AI应用层是不是一个好生意？

这种怀疑也会进一步向上游传导。因为如果应用层赚不到钱，云厂商和模型厂商就会被追问：你们为什么还要持续加大capex？

另外也要注意：不能把所有AI公司放在同一张牌里看。

有些公司是在“卖铲子”。用户用AI越多，它们越赚钱。

它们不需要直接承担终端用户token成本，反而主要吃到AI推理与训练扩张带来的资本开支红利。

还有一类企业处在中间地带。

一方面，AI带来云收入增长；另一方面，它们自己也要承担巨额capex、折旧、电力以及数据中心成本。

Reuters Breakingviews曾提到：大厂AI开支在显著扩张，但市场也越来越关心这些投入能否形成清晰回报。

所以云厂商要面对的核心问题是：

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，成本自然越高。如果采取固定订阅制，比如每月收一个固定价格，但用户疯狂使用，那毛利率就容易被消耗掉。

因此AI应用理想的状态并不是“用户无限聊天”，而是：

用户愿意付更高价格，但实际token消耗始终可控。

比如企业愿意为AI销售助手、AI代码助手、AI法务助手每月付30、50、100美元，而其背后的推理成本只有几美元，那基本就是好生意。

再比如微软、Adobe、Salesforce这类公司，如果能把AI能力加进原有软件产品里，提高ARPU，同时又不让成本失控，它们就能把AI变成提价工具。

对它们来说，AI不是从零开始创业，而是基于原有软件分发渠道再叠加一个AI加价包。

完全不用纠结AI有没有用、有没有未来——AI当然是未来。

更深层的问题是：AI到底更像高毛利的软件生意，还是重资本的实业？

乐观派认为：

AI成本会快速下降，应用会迅速爆发，ARPU也会随之提升，最后依然会走向软件式的高毛利。

悲观派则认为：

AI会演变成军备竞赛，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支付足够高的价格，最终利润会被基础设施成本吞噬。

我认为结论大概率在中间：

基础模型和云基础设施会越来越像重资产行业；只有那些具备分发能力、明确场景和定价权的AI应用，才有机会重新变成软件生意。

文中观点仅为作者观点，不代表本平台立场