文 | 吳懟懟

晚點一篇關于豆包、Seedance 和 AI 商業化的報道，把一個行業里越來越難回避的問題擺到了臺前：AI 到底怎么賺錢？

截至上半年，每天2 億多人使用的豆包，日收入不足百萬元，主要來自電商傭金；而到了今年 5 月，豆包應用每天消耗的算力成本可能已經達到數千萬元。文字聊天本身不算貴，但一旦進入推理、圖片識別、語音聊天、視頻聊天等多模態功能，成本會陡然上升。

這還沒有計算訓練模型所需的智算中心投入。一座大型智算中心往往需要數萬張AI 芯片，還要配套供電、網絡、散熱、運維和數據中心基礎設施。也就是說，AI 更像軟件、云計算、電力、半導體和重資產制造業的混合體。

類似的變化也出現在其他大廠身上。

騰訊已經把WorkBuddy 企業版、政務版等智能體開發平臺推到更重要的位置。元寶的戰略能級反而降下來了。相比一個聊天入口，這些產品更接近企業生產力工具、開發者工具和MaaS 平臺，面向的是有預算、有組織流程、有明確效率訴求的 B 端客戶。

微軟也在重新計算AI 的賬本。過去 Copilot 更像一個標準化訂閱產品，但當企業 Agent 開始持續調用模型、執行任務、消耗推理資源，“每人每月固定價格”的模式就開始變得吃力。微軟已經在部分 Copilot 和 Agent 服務中推進按量計費，讓企業基于實際使用量付費，并通過預算和成本管理來控制賬單。

Anthropic走得更直接。Claude Enterprise 的 usage-based 企業計劃，已經從單純訂閱轉向“席位費 + 用量費”的混合模式：企業先為用戶席位付費，真正的模型使用量則按 token 單獨計費。

這也是這輪AI 浪潮和移動互聯網最大的不同。

過去做App，可以先免費、先 DAU、先時長、先占入口，再靠廣告、電商、會員、游戲、金融和生活服務慢慢變現。今日頭條、抖音、小紅書、快手，都是這個邏輯的產物。內容分發的邊際成本相對較低，用戶多刷一小時，平臺并不會按比例多燒掉一小時的高價 GPU。

但AI 不一樣。AI 是每一次交互都要消耗算力的產品。用戶越活躍，成本越真實；上下文越長，顯存越緊張；輸出越復雜，GPU 占用時間越長；一旦進入圖片、語音、視頻和 Agent，成本結構就更像工業生產，而不是互聯網流量分發。

這意味著，AI的第一性原理不是“流量”，而是“算力”。

豆包的問題，不是沒有用戶。恰恰相反，它的問題是用戶太多，但商業化還沒有跟上。兩億日活說明需求真實存在，但需求不等于收入，收入不等于利潤。如果大量用戶免費聊天、免費生成、免費調用多模態能力，而平臺無法把這些使用轉化成足夠高的收入，那么規模本身就會變成成本負擔。

這就是所謂的“移動互聯網式AI 敘事”的幻覺：過去我們相信，先有用戶，后有商業化。但 AI 時代，用戶增長和成本增長高度綁定。一個 AI 產品不能只講 DAU、時長和下載量，還必須回答一個更樸素的問題：每一次調用到底花了多少錢？這些成本最后由誰買單？

從這個角度看，豆包和Seedance 的差別就變得非常清楚。

豆包是面向大眾的通用AI 助手，用戶規模龐大，但付費理由不夠強。普通用戶當然會覺得 AI 好用，可以問問題、寫東西、陪聊、查資料、生成圖片。但這些價值很碎，很難穩定變成月費。尤其在中國市場，用戶已經被免費內容、免費小說、免費視頻、免費會議軟件和免費工具教育了很多年。讓大眾為“更聰明一點的數字服務”持續付費，本來就很難。

Seedance則不同。它面對的是生產者，是短劇公司、漫劇公司、廣告公司、內容制作團隊。它不是讓普通用戶為“好玩”付錢，而是幫助原本就有預算的行業降低成本、提高效率。以前一段視頻需要人畫分鏡、做動畫、跑后期，現在 AI 可以承擔一部分生產流程。客戶算賬很直接：如果 AI 生成的視頻足夠可用，并且比人便宜、比舊流程快，那就值得付費。

所以，AI商業化的關鍵不是 C 端還是 B 端，而是有沒有明確的付費理由。

AI編程為什么更容易收費？因為它直接面對程序員、研發團隊和軟件公司。AI 可以縮短開發時間，提高代碼產出，替代一部分重復勞動。企業不是為“聊天”付費，而是為更快交付軟件付費。

AI視頻為什么有機會？因為它直接嵌入了內容生產預算。短劇公司、廣告公司、游戲公司、影視團隊本來就要花錢買制作能力，AI 只要能把成本降下來，就能拿走一部分預算。

AI客服、AI 法務、AI 投研、AI 設計、AI 銷售線索、AI 數據分析，也是同一個邏輯。

每一次對話，背后都是一張電費單

這也解釋了為什么現在看起來最賺錢的是“賣鏟子”的公司。

芯片、云、數據中心、電力、散熱、網絡，是AI 時代最先確定受益的環節。不管最后是 OpenAI、Anthropic、Google、字節、阿里，還是某個新的應用公司獲勝，它們都必須訓練模型、部署推理、購買或租用算力。賣鏟子的人站在最上游，不需要判斷誰挖到金子，只要大家繼續挖，就有人買鏟子。

這就是英偉達和云廠商最強的地方。

但如果因此判斷“AI最終只有賣鏟子的賺錢”，可能又過于悲觀。更準確的說法是：賣鏟子的先賺錢，基礎模型層高度集中，下游應用要死掉一大批，但真正嵌入工作流、掌握付費場景的應用仍然有機會。

AI的終極商業模式，可能不是單一模式，而是三種模式的混合。

第一種，是C 端的“健身房模式”。

健身房會員制的核心，是大多數人交了錢但不常去，少數高頻用戶被低頻用戶補貼。AI訂閱也有類似邏輯。輕度用戶每月問幾次、生成幾張圖，平臺賺錢；重度用戶天天寫代碼、跑 Agent、做視頻、讀長文檔，平臺虧錢。

AI 訂閱的理想用戶，是“愿意為能力付費，但不會把額度用穿”的用戶。

這和健身房最喜歡的用戶一模一樣：辦了年卡，偶爾來幾次，還覺得自己擁有了健康生活方式。

問題是，AI 最有價值的用戶，往往恰恰是最高頻、最高成本的用戶。程序員、設計師、短劇公司、投研人員、內容團隊，越覺得 AI 有用，越會高強度使用。于是平臺就不能再靠“健身房式會員”糊弄過去，必須轉向用量計費或結果計費。

所以，AI訂閱真正賭的是：用戶愿意付費，但不要用得太狠。

這也是為什么純粹的無限量訂閱很難長期成立。AI的邊際成本太清楚了，每一次 token、每一張圖、每一秒視頻、每一次深度研究，都能換算成 GPU 時間、電費、顯存、調度和折舊。如果重度用戶大量涌入，訂閱模型就會被打穿。

訂閱不是終局，額度才是賬本

因此，未來C 端 AI 更可能變成“會員 + 額度 + 超額包”。普通聊天接近無限，高級模型有次數限制，圖片和視頻生成用點數，深度研究按次數，代碼 Agent 按任務量。用戶看到的是會員、點數、創作額度、深度研究次數；平臺內部計算的則是 token、GPU 秒、推理成本和單位毛利。

第二種，是B 端的“云服務模式”。

云服務的商業模式，本質上是云廠商先重資產建設數據中心、服務器、芯片、網絡和基礎軟件，然后把這些資源切成標準化能力，按需租給企業。企業不用自己建機房、買服務器、招運維，而是按計算、存儲、數據庫、帶寬和API 調用付費。

B端 AI 很像云服務。模型 API、MaaS 平臺、企業 Agent、知識庫、AI 編程、AI 視頻生成，本質上都是把“智能能力”變成一種可計量資源。企業用了多少 token、多少上下文、多少圖片識別、多少語音轉寫、多少視頻秒數、多少 Agent 執行時間，就對應多少成本。

但AI 又比傳統云更復雜。云服務賣的是資源，AI 最好賣的是結果。

企業客戶關心的是：客服成本有沒有下降，代碼交付有沒有變快，廣告素材有沒有變多，視頻生產有沒有更便宜，投研報告有沒有更高效，法務審查有沒有減少人力。

所以，最好的B 端 AI 商業模式是：后臺像云一樣按資源結算，前臺像 SaaS 或行業工具一樣按價值收費。

企業為結果付費

對客戶說的是：我幫你處理了一千個客服會話，生成了一百條廣告素材，完成了一段可運行代碼，做完了一份投研報告。

對公司內部算的是：這些任務消耗了多少token、多少 GPU 秒、多少失敗重試、多少工程調度成本。

第三種，是“結果收費模式”。

AI最終不是賣模型，也不是賣 token，而是賣可驗證的業務結果。

如果一個AI 應用只是把用戶請求轉發給上游模型，它本質上是在幫上游賣 token，自己很難留下利潤。真正能賺錢的下游，必須把 token 封裝成工作流，把算力變成結果，把結果變成賬單。

Codex、Claude code、Cursor這類 AI 編程工具，重構了開發者寫代碼的界面。微軟把 Copilot 嵌入 Office，字節把 AI 嵌入廣告投放、剪映、短劇制作和電商商家工具，也是在賣生產工具。

這才是AI 應用層真正的機會：不是再做一個“我也能聊天”的 App，而是成為某個行業工作流的一部分。

這里就要回到token。

token是什么？它不是 GPU 本身，而是模型處理信息的基本計量單位。輸入 token 是模型讀進去的內容，輸出 token 是模型生成出來的內容。token 越多，通常意味著模型要讀得更多、算得更久、生成得更多，最后就會轉化成 GPU 計算量、顯存占用、推理時間、電力、散熱和系統調度成本。

token像 AI 時代的電表。用戶看到的是問答、圖片、視頻和代碼，平臺后臺看到的是 token、GPU 秒和單位任務毛利。

GPU則像發電廠和工廠設備。它不是被 token 一點點“磨沒”的，但長期高負載運行會帶來電力消耗、熱損耗、顯存壓力、硬件老化和會計折舊。

更關鍵的是，AI GPU 的壽命不只是物理壽命，而是經濟壽命。卡還沒壞，但新一代芯片性能更強、能耗更低，舊卡的單位 token 成本過高，就會被迫退到低端任務，甚至經濟報廢。

這就是AI 基建周期里最大的變量。

鏟子先賺錢，淘金者還在算賬

短期看，賣鏟子的人最確定。芯片、云、數據中心、電力、散熱都會繼續受益。基礎模型公司會繼續燒錢爭奪門票。下游應用則會經歷殘酷篩選。

中期看，市場會越來越關心ROI。大廠的資本開支能不能轉化成真實收入？企業 AI 的收入增速能不能追上算力投入？GPU 云價格會不會下跌？數據中心利用率夠不夠高？折舊年限到底該按傳統服務器算，還是按更短的技術周期算？

長期看，基礎模型層會高度集中，但應用層不會消失。真正的贏家會出現在三個地方：掌握算力入口的基礎設施公司，掌握企業工作流的軟件公司，以及能把 AI 直接轉化成業務結果的垂直應用公司。

最后的問題：誰來買單？

所以，AI的終極商業模式究竟是什么？

答案可能是：

C端像健身房，用訂閱、額度和沉沒成本管理用戶；
B 端像云服務，用 token、調用量、年框合同和企業鎖定收費；
高階應用像SaaS 和外包服務的結合，用 AI 完成具體任務，再按結果收錢。

訂閱可以當入口，但不能當終局。

AI行業正在進入“誰能把算力變成現金流”的階段。

過去一年，大家講的是參數、榜單、DAU、下載量和多模態能力。接下來更重要的會是：單位推理成本、token毛利、企業續費率、任務成功率、客戶預算來源、工作流嵌入深度和可驗證 ROI。

創造價值和捕獲利潤，是兩回事。

AI會提高社會效率，但提高效率的人未必能賺到錢。

AI 會重塑很多行業，但不是每個 AI 應用都能成為公司。

AI 會成為基礎設施，但基礎設施的生意，最終一定要回到一個非常樸素的問題：

這一輪燒掉的算力，最后到底由誰買單？