大迷信大模型成本下降，是业内最大幻觉

很多 AI 创业者都笃信一件事 —— 模型会降价。
只要模型降价，成本就能下降，今天勉强打平甚至亏损的收入状况，就能好转。
生意就能做下去。
连 a16z 都在说，大语言模型（LLM）成本正以每年 10 倍的速度下降。
但问题是，模型真的一直在降价吗？
Substack 专栏《mandates》的文章却认为，模型成本其实并未下降。“成本下降 10 倍是真的，但只限于性能老旧的模型。”
“市场需求永远盯着最好的语言模型，而最好模型的成本始终大致相同。”
如果现状确实如此，AI 创业的商业模式该怎么变？文章也做了探讨 —— 或许，还是那句老话：AI 创业，第一天就要考虑盈利。

以下为编译内容：
假设你创办了一家公司，清楚知道消费者每月付费上限是 20 美元。你可能觉得没关系，这是典型的风投打法：按成本收费，牺牲利润换增长。客户获取成本（CAC）、客户终身价值（LTV）这些账你都算过了。但有趣的是，你看到了 a16z 的图表：大语言模型推理成本正以每年 10 倍的速度下降。

于是你盘算：现在以 20 美元 / 月做到收支平衡，明年模型成本降 10 倍，利润率就能飙升到 90%。亏损只是暂时的，盈利是必然的。
这个逻辑简单到风投助理都能看懂：
第一年：20 美元 / 月实现盈亏平衡；
第二年：成本降 10 倍，利润率 90%；
第三年：开始挑游艇。
这是个能理解的策略：“LLM 推理成本每 6 个月降 3 倍，我们没问题。”
然而 18 个月后，利润率却糟到了极点。Windsurf 已经倒闭清算，Anthropic 旗下的 Claude Code 本周也被迫取消了最初每月 200 美元的无限使用套餐。
行业仍在 “亏损”。模型确实变便宜了，GPT-3.5 的成本只有过去的十分之一，但不知为何，利润率反而更差了。
问题出在哪？

一、降价的是旧版模型，但没人用

GPT-3.5 的价格确实比以前便宜了 10 倍，但它就像 iPhone 发布会上的翻盖手机，早已无人问津。
当一款新模型作为最先进技术（SOTA）发布时，99% 的市场需求会立刻转移过去 —— 消费者也期待所用产品能跟上这种迭代。
我们来看看前沿模型的实际定价历史：

发现规律了吗？
GPT-4 以 60 美元定价推出时，即便上一代 GPT-3.5 便宜 26 倍，用户还是毫不犹豫选了前者；Claude 3 Opus 以 60 美元登场时，即便 GPT-4 已降价，人们仍转头投向 Claude。
成本下降 10 倍是真的，但只限于性能老旧的模型。
所以，“成本会下降” 策略的第一个 “支柱” 站不住脚：市场需求永远盯着 “最好的语言模型”，而最好模型的成本始终大致相同 —— 它代表着当前推理技术的成本边界。
就像指着 1995 年的本田思域说 “这车现在便宜多了”，完全文不对题。没错，那辆车是便宜了，但 2025 年款丰田凯美瑞的官方指导价依然是 3 万美元。
当你花时间与 AI 互动 —— 无论编程、写作还是思考，总会追求最高质量。没人会打开 Claude 后想：“要不换个差一点的版本给老板省点钱？” 我们是认知上的 “贪婪生物”，总想要能得到的最好 “大脑”，尤其当涉及宝贵的时间时。

二、模型的 token 消耗，远比想象中多

或许你会想：“好吧，但这仍在可控范围，大不了保持收支平衡？” 但这种想法太乐观了。
虽然每一代前沿模型的单位 token 价格没涨，但另一件更糟的事发生了：token 消耗量呈爆炸式增长。
过去，ChatGPT 回答一个单句问题，回复也是一句话；现在，一次 “深度研究” 要花 3 分钟规划、20 分钟阅读，再用 5 分钟重写报告；Claude 3 Opus 仅仅回应一句 “你好”，就能运行 20 分钟。
强化学习（RL）和测试阶段计算量（TTC）的激增，导致了一个没人预料的结果：AI 能处理的任务长度每 6 个月翻一番。过去返回 1000 个 token 的任务，现在需要 10 万个。

来源：Metr（数据平台）

按这个趋势推演，结果会很惊人：
现在，一次 20 分钟的 “深度研究” 成本约 1 美元；到 2027 年，我们会有能连续运行 24 小时不偏离主题的 AI Agent—— 结合前沿模型的固定价格，单次运行成本约 72 美元，而且是每天、每个用户，还能异步运行多个 Agent。
一旦能部署 AI Agent 异步执行 24 小时工作，我们不会只给一个指令等待结果，而是会成批调度它们。整个 AI 工作团队并行解决问题，消耗 API 的速度堪比 1999 年互联网泡沫时代。
必须强调：每月 20 美元的订阅费，甚至撑不起用户每天一次 1 美元的深度研究。但这正是行业未来的方向 —— 模型能力的每一次提升，本质上都是在提高单次任务能 “有效消耗” 的计算资源量。
就像造出更省油的发动机，却用省下的能效造了辆怪兽卡车。没错，每加仑油能跑得更远，但总油耗增加了 50 倍。
这就是导致 Windsurf 资金链危机的 “流动性挤压（Short Squeeze）”—— 任何采用 “固定费率订阅 + 高价值高 token 消耗功能” 商业模式的初创公司，都正面临同样的威胁。

三、200 刀的 Claude Max 会员，也抵不过 “循环 tokens” 用法

Anthropic 的 Claude Code “无限量套餐” 实验，是业内应对这场危机最复杂的尝试。他们几乎用尽了办法，最终还是失败了。
他们的策略其实很巧妙：
定价提高 10 倍：Cursor 定价 20 美元 / 月时，Claude Code 定 200 美元 / 月，为亏损留了更多缓冲；
根据负载自动切换模型：负载过高时，从 Opus 模型（75 美元 / 百万 tokens）切到 Sonnet 模型（15 美元 / 百万 tokens），用 Haiku 模型优化阅读 —— 就像 AWS 的自动扩缩容，但服务对象是 “大脑”。他们很可能把这种逻辑直接嵌入模型权重，这或许是我们会越来越常见的范式转变；
将计算任务转移到用户设备：既然用户的 CPU 闲着，何必启动自家沙盒环境？
然而，即便工程设计如此出色，token 消耗量依旧爆发式增长。

来源：Viberank（数据平台）

一百亿个 token，相当于一个月内消耗 1.25 万本《战争与和平》。
这怎么可能？即使用户每次运行 10 分钟，怎么会消耗 100 亿个 token？
事实证明，10 到 20 分钟的连续运行时长，刚好够用户摸索出 “循环 tokens” 的用法。一旦 token 消耗与 “用户在应用内的时长” 脱钩，消耗就会失控：让 Claude 执行任务、检查成果、重构内容、优化细节，循环往复，直到公司破产。
用户摇身变成 “API 编排者”，用 Anthropic 的成本 24 小时不间断运行代码转换引擎。从 “聊天交互” 到 “Agent 自主运行” 的演进一夜完成，token 消耗量激增 1000 倍 —— 这是阶段性突变，而非渐进式增长。
因此，Anthropic 不得不取消无限量套餐。他们本可以尝试把定价提到 200 美元 / 月，但关键教训不在于 “定价不够高”，而在于这个新世界里，没有任何订阅模式能提供无限使用权限。
这意味着，固定订阅价格在新世界里行不通了。商业模式的数学逻辑已彻底崩塌。

四、都知道要 “按量定价”，但没人敢先尝试

这让其他公司陷入两难。
每家 AI 公司都知道，基于使用量的定价能救自己，但也知道这行不通。当你以合理的 0.01 美元 / 1000 token 定价时，竞争对手却提供每月 20 美元无限用 —— 用户会选谁？
这是典型的 “囚徒困境”：
所有人都按使用量计费→行业可持续；
所有人都按固定费率→陷入 “比烂竞争”（race to the bottom）；
你按使用量，别人按固定费率→你独自出局；
你按固定费率，别人按使用量→你短期获胜（之后仍会出局）。
因此，所有人都选择了 “背叛”：补贴重度用户，发布指数级增长图表，最终发布 “重要定价调整” 公告。
Cursor、Lovable、Replit 都清楚其中的数学逻辑，但他们选了 “当下求增长，未来求盈利，把破产问题留给下一任 CEO”。
说实话，这或许没错。在 “圈地运动” 中，市场份额比利润率重要 —— 只要风投愿意持续注资。
不妨问问 Jasper 公司：当资金链断裂时，会发生什么？

五、如何找到合适的商业模式？

有没有可能避开 “token 流动性挤压”？
最近有传言，Cognition 正以 150 亿美元估值融资，其年度经常性收入（ARR）据称不到 1 亿美元（我猜可能更接近 5000 万美元）。相比之下，Cursor 在 ARR 达 5 亿美元、增长曲线更陡峭时，估值仅 100 亿美元。Cognition 收入不及 Cursor 的八分之一，估值却是其 1.5 倍。风投掌握了哪些我们不知道的信息？两家都主打 “AI coding Agent”，难道 Cognition 找到了跳出 “死亡螺旋” 的方法？
目前有三种可能的出路：

从一开始就采用 “按使用量计费”

没有补贴，没有 “先获取、后变现”，只有诚实的经济模式。理论上很棒。
但问题是：现在找不到任何采用 “按使用量计费” 且实现爆发式增长的消费级 AI 公司。消费者讨厌计量收费 —— 他们宁愿为无限套餐多付钱，也不愿被意外账单吓到。每一个成功的消费者订阅服务，Netflix、Spotify、ChatGPT，都是包月制。一旦引入计量收费，增长就会停滞。

建立极高的切换成本，从而获得高利润率

这是 Devin 看好的方向。他们最近宣布与花旗银行和高盛合作，将 Devin 部署到每家公司的 4 万名软件工程师中。按每月 20 美元计算，这是千万美元级项目。
但问题来了：你更愿意从高盛获得 1000 万美元 ARR，还是从专业消费级开发者那里获得 5 亿美元？答案很明显：长达六个月的落地实施、合规审查、安全审计、繁琐采购流程，意味着从高盛拿到的收入虽难争取，但一旦到手，客户几乎不会流失。
只有当银行的唯一决策者把声誉押在你身上时，才能签下这些合同 —— 所有人都会尽全力确保项目成功。这也是为什么除科技巨头外，最大的软件公司几乎都是 “核心系统服务商”，比如客户关系管理（CRM）、企业资源计划（ERP）、电子健康记录（EHR）系统。
它们的利润率能达 80%-90%，因为客户切换成本越高，对价格敏感度越低。当竞争对手出现时，你的产品早已深度嵌入客户业务流程，切换供应商需要再经历六个月销售周期 —— 不是不能换，而是客户的 CFO 宁愿辞职，也不愿再经历一次供应商评估。

进行垂直整合，从基础设施上盈利

这是 Replit 的玩法：将代码 AI 工具与应用托管、数据库管理、部署监控、日志记录等服务捆绑销售。每个 token 亏一点，但在新一代开发者的技术栈中，从其他所有环节捕获价值。看看 Replit 的垂直整合程度就知道了。

来源：@mattppal（推特用户）

将 AI 作为 “引流品”，推动用户使用其具有 “类 AWS” 竞争力的其他服务。你卖的不是 “推理服务”，而是其他所有服务，推理成本只是营销开支。这个模式的巧妙之处在于，代码生成自然会增加对托管服务的需求 —— 每个应用都需要运行环境，每个数据库都需要管理，每次部署都需要监控。就让 OpenAI 和 Anthropic 去把推理服务价格竞争到零，你去做别的事。
那些仍在坚持 “固定费率、不计成本增长” 的公司？它们只是 “行走的僵尸”，葬礼定在今年第四季度，且成本高昂。

六、结语