豆包戳破了一个幻觉

晚点一篇关于豆包、Seedance 和 AI 商业化的报道，把一个行业里越来越难回避的问题摆到了台前：AI 到底怎么赚钱？

截至上半年，每天2 亿多人使用的豆包，日收入不足百万元，主要来自电商佣金；而到了今年 5 月，豆包应用每天消耗的算力成本可能已经达到数千万元。文字聊天本身不算贵，但一旦进入推理、图片识别、语音聊天、视频聊天等多模态功能，成本会陡然上升。

这还没有计算训练模型所需的智算中心投入。一座大型智算中心往往需要数万张AI 芯片，还要配套供电、网络、散热、运维和数据中心基础设施。也就是说，AI 更像软件、云计算、电力、半导体和重资产制造业的混合体。

类似的变化也出现在其他大厂身上。

腾讯已经把WorkBuddy 企业版、政务版等智能体开发平台推到更重要的位置。元宝的战略能级反而降下来了。相比一个聊天入口，这些产品更接近企业生产力工具、开发者工具和MaaS 平台，面向的是有预算、有组织流程、有明确效率诉求的 B 端客户。

微软也在重新计算AI 的账本。过去 Copilot 更像一个标准化订阅产品，但当企业 Agent 开始持续调用模型、执行任务、消耗推理资源，“每人每月固定价格”的模式就开始变得吃力。微软已经在部分 Copilot 和 Agent 服务中推进按量计费，让企业基于实际使用量付费，并通过预算和成本管理来控制账单。

Anthropic走得更直接。Claude Enterprise 的 usage-based 企业计划，已经从单纯订阅转向“席位费 + 用量费”的混合模式：企业先为用户席位付费，真正的模型使用量则按 token 单独计费。

这也是这轮AI 浪潮和移动互联网最大的不同。

过去做App，可以先免费、先 DAU、先时长、先占入口，再靠广告、电商、会员、游戏、金融和生活服务慢慢变现。今日头条、抖音、小红书、快手，都是这个逻辑的产物。内容分发的边际成本相对较低，用户多刷一小时，平台并不会按比例多烧掉一小时的高价 GPU。

但AI 不一样。AI 是每一次交互都要消耗算力的产品。用户越活跃，成本越真实；上下文越长，显存越紧张；输出越复杂，GPU 占用时间越长；一旦进入图片、语音、视频和 Agent，成本结构就更像工业生产，而不是互联网流量分发。

这意味着，AI的第一性原理不是“流量”，而是“算力”。

豆包的问题，不是没有用户。恰恰相反，它的问题是用户太多，但商业化还没有跟上。两亿日活说明需求真实存在，但需求不等于收入，收入不等于利润。如果大量用户免费聊天、免费生成、免费调用多模态能力，而平台无法把这些使用转化成足够高的收入，那么规模本身就会变成成本负担。

这就是所谓的“移动互联网式AI 叙事”的幻觉：过去我们相信，先有用户，后有商业化。但 AI 时代，用户增长和成本增长高度绑定。一个 AI 产品不能只讲 DAU、时长和下载量，还必须回答一个更朴素的问题：每一次调用到底花了多少钱？这些成本最后由谁买单？

从这个角度看，豆包和Seedance 的差别就变得非常清楚。

豆包是面向大众的通用AI 助手，用户规模庞大，但付费理由不够强。普通用户当然会觉得 AI 好用，可以问问题、写东西、陪聊、查资料、生成图片。但这些价值很碎，很难稳定变成月费。尤其在中国市场，用户已经被免费内容、免费小说、免费视频、免费会议软件和免费工具教育了很多年。让大众为“更聪明一点的数字服务”持续付费，本来就很难。

Seedance则不同。它面对的是生产者，是短剧公司、漫剧公司、广告公司、内容制作团队。它不是让普通用户为“好玩”付钱，而是帮助原本就有预算的行业降低成本、提高效率。以前一段视频需要人画分镜、做动画、跑后期，现在 AI 可以承担一部分生产流程。客户算账很直接：如果 AI 生成的视频足够可用，并且比人便宜、比旧流程快，那就值得付费。

所以，AI商业化的关键不是 C 端还是 B 端，而是有没有明确的付费理由。

AI编程为什么更容易收费？因为它直接面对程序员、研发团队和软件公司。AI 可以缩短开发时间，提高代码产出，替代一部分重复劳动。企业不是为“聊天”付费，而是为更快交付软件付费。

AI视频为什么有机会？因为它直接嵌入了内容生产预算。短剧公司、广告公司、游戏公司、影视团队本来就要花钱买制作能力，AI 只要能把成本降下来，就能拿走一部分预算。

AI客服、AI 法务、AI 投研、AI 设计、AI 销售线索、AI 数据分析，也是同一个逻辑。

每一次对话，背后都是一张电费单

这也解释了为什么现在看起来最赚钱的是“卖铲子”的公司。

芯片、云、数据中心、电力、散热、网络，是AI 时代最先确定受益的环节。不管最后是 OpenAI、Anthropic、Google、字节、阿里，还是某个新的应用公司获胜，它们都必须训练模型、部署推理、购买或租用算力。卖铲子的人站在最上游，不需要判断谁挖到金子，只要大家继续挖，就有人买铲子。

这就是英伟达和云厂商最强的地方。

但如果因此判断“AI最终只有卖铲子的赚钱”，可能又过于悲观。更准确的说法是：卖铲子的先赚钱，基础模型层高度集中，下游应用要死掉一大批，但真正嵌入工作流、掌握付费场景的应用仍然有机会。

AI的终极商业模式，可能不是单一模式，而是三种模式的混合。

第一种，是C 端的“健身房模式”。

健身房会员制的核心，是大多数人交了钱但不常去，少数高频用户被低频用户补贴。AI订阅也有类似逻辑。轻度用户每月问几次、生成几张图，平台赚钱；重度用户天天写代码、跑 Agent、做视频、读长文档，平台亏钱。

AI 订阅的理想用户，是“愿意为能力付费，但不会把额度用穿”的用户。

这和健身房最喜欢的用户一模一样：办了年卡，偶尔来几次，还觉得自己拥有了健康生活方式。

问题是，AI 最有价值的用户，往往恰恰是最高频、最高成本的用户。程序员、设计师、短剧公司、投研人员、内容团队，越觉得 AI 有用，越会高强度使用。于是平台就不能再靠“健身房式会员”糊弄过去，必须转向用量计费或结果计费。

所以，AI订阅真正赌的是：用户愿意付费，但不要用得太狠。

这也是为什么纯粹的无限量订阅很难长期成立。AI的边际成本太清楚了，每一次 token、每一张图、每一秒视频、每一次深度研究，都能换算成 GPU 时间、电费、显存、调度和折旧。如果重度用户大量涌入，订阅模型就会被打穿。

订阅不是终局，额度才是账本

因此，未来C 端 AI 更可能变成“会员 + 额度 + 超额包”。普通聊天接近无限，高级模型有次数限制，图片和视频生成用点数，深度研究按次数，代码 Agent 按任务量。用户看到的是会员、点数、创作额度、深度研究次数；平台内部计算的则是 token、GPU 秒、推理成本和单位毛利。

第二种，是B 端的“云服务模式”。

云服务的商业模式，本质上是云厂商先重资产建设数据中心、服务器、芯片、网络和基础软件，然后把这些资源切成标准化能力，按需租给企业。企业不用自己建机房、买服务器、招运维，而是按计算、存储、数据库、带宽和API 调用付费。

B端 AI 很像云服务。模型 API、MaaS 平台、企业 Agent、知识库、AI 编程、AI 视频生成，本质上都是把“智能能力”变成一种可计量资源。企业用了多少 token、多少上下文、多少图片识别、多少语音转写、多少视频秒数、多少 Agent 执行时间，就对应多少成本。

但AI 又比传统云更复杂。云服务卖的是资源，AI 最好卖的是结果。

企业客户关心的是：客服成本有没有下降，代码交付有没有变快，广告素材有没有变多，视频生产有没有更便宜，投研报告有没有更高效，法务审查有没有减少人力。

所以，最好的B 端 AI 商业模式是：后台像云一样按资源结算，前台像 SaaS 或行业工具一样按价值收费。

企业为结果付费

对客户说的是：我帮你处理了一千个客服会话，生成了一百条广告素材，完成了一段可运行代码，做完了一份投研报告。

对公司内部算的是：这些任务消耗了多少token、多少 GPU 秒、多少失败重试、多少工程调度成本。

第三种，是“结果收费模式”。

AI最终不是卖模型，也不是卖 token，而是卖可验证的业务结果。

如果一个AI 应用只是把用户请求转发给上游模型，它本质上是在帮上游卖 token，自己很难留下利润。真正能赚钱的下游，必须把 token 封装成工作流，把算力变成结果，把结果变成账单。

Codex、Claude code、Cursor这类 AI 编程工具，重构了开发者写代码的界面。微软把 Copilot 嵌入 Office，字节把 AI 嵌入广告投放、剪映、短剧制作和电商商家工具，也是在卖生产工具。

这才是AI 应用层真正的机会：不是再做一个“我也能聊天”的 App，而是成为某个行业工作流的一部分。

这里就要回到token。

token是什么？它不是 GPU 本身，而是模型处理信息的基本计量单位。输入 token 是模型读进去的内容，输出 token 是模型生成出来的内容。token 越多，通常意味着模型要读得更多、算得更久、生成得更多，最后就会转化成 GPU 计算量、显存占用、推理时间、电力、散热和系统调度成本。

token像 AI 时代的电表。用户看到的是问答、图片、视频和代码，平台后台看到的是 token、GPU 秒和单位任务毛利。

GPU则像发电厂和工厂设备。它不是被 token 一点点“磨没”的，但长期高负载运行会带来电力消耗、热损耗、显存压力、硬件老化和会计折旧。

更关键的是，AI GPU 的寿命不只是物理寿命，而是经济寿命。卡还没坏，但新一代芯片性能更强、能耗更低，旧卡的单位 token 成本过高，就会被迫退到低端任务，甚至经济报废。

这就是AI 基建周期里最大的变量。

铲子先赚钱，淘金者还在算账

短期看，卖铲子的人最确定。芯片、云、数据中心、电力、散热都会继续受益。基础模型公司会继续烧钱争夺门票。下游应用则会经历残酷筛选。

中期看，市场会越来越关心ROI。大厂的资本开支能不能转化成真实收入？企业 AI 的收入增速能不能追上算力投入？GPU 云价格会不会下跌？数据中心利用率够不够高？折旧年限到底该按传统服务器算，还是按更短的技术周期算？

长期看，基础模型层会高度集中，但应用层不会消失。真正的赢家会出现在三个地方：掌握算力入口的基础设施公司，掌握企业工作流的软件公司，以及能把 AI 直接转化成业务结果的垂直应用公司。

最后的问题：谁来买单？

所以，AI的终极商业模式究竟是什么？

答案可能是：

C端像健身房，用订阅、额度和沉没成本管理用户；B 端像云服务，用 token、调用量、年框合同和企业锁定收费；高阶应用像SaaS 和外包服务的结合，用 AI 完成具体任务，再按结果收钱。

订阅可以当入口，但不能当终局。

AI行业正在进入“谁能把算力变成现金流”的阶段。

过去一年，大家讲的是参数、榜单、DAU、下载量和多模态能力。接下来更重要的会是：单位推理成本、token毛利、企业续费率、任务成功率、客户预算来源、工作流嵌入深度和可验证 ROI。

创造价值和捕获利润，是两回事。

AI会提高社会效率，但提高效率的人未必能赚到钱。

AI 会重塑很多行业，但不是每个 AI 应用都能成为公司。

AI 会成为基础设施，但基础设施的生意，最终一定要回到一个非常朴素的问题：

这一轮烧掉的算力，最后到底由谁买单？