文 | 深流研究所，作者 | 之丰
上周，豆包正式开始收费了。它推出了一个专业版，分成三档价格，最高级的套餐包年费用达到了 5088 元。
紧接着，一向以 " 价格屠夫 " 闻名天下的 DeepSeek，也要更换计价方式。实行新的峰谷定价模式后，每天上午 9 点到 12 点、下午 2 点到 6 点算高峰，调用成本直接翻倍。
所有看似馈赠的礼物，都暗中标好了价格。ChatGPT 今年 2 月初就往免费用户对话框里塞广告，上星期还跑去法国大举招商，广告推送的密度一下子增加。
白嫖 AI 的时代，似乎马上要结束了。去年这时候，各家还在打价格战，现在大家都在想：到底怎么能让 AI 这门生意不再是只进不出的无底洞？
1、商业化落地两头堵
一家 AI 公司想赚钱，无非两条路。要么多收钱，要么少花钱。但现在，两头都堵住了。
过去几年，大家想的都是怎么把用户规模冲上去。毕竟，互联网那套打法太深入人心了。前期疯狂烧钱拉用户，亏钱不要紧，等用户规模够大了，成本自然摊薄。但互联网的边际成本几乎是零，多一个用户访问，服务器成本几乎不涨。
AI 产品更接近制造业逻辑，用户规模冲上去，算力成本也跟着冲上去了。因为 AI 的成本是刚性的。多一个用户问一句话，模型就得实打实跑一次推理，烧一次算力。用户越多，对话越多，烧得就越多。
月活用户 9 亿的 OpenAI 去年净亏损 385 亿美元，到了今年第一季度，情况也没有改善，公司每收入 1 美元，就要赔 1.22 美元。豆包这边，尽管日均 token 调用量已经达到了 180 万亿，日收入却不足 100 万元。
另一方面，算力供给本身就是稀缺资源，这让算力价格一直被顶在高位，总成本下不来。
现在来看，算力供给的约束是很硬的物理墙，没那么容易突破。先是电。Gartner 预测，2030 年全球数据中心用电量将超过 1200TWh，届时电网供电将无法满足需求。再是芯片。全球高阶 AI 芯片的先进封装几乎全靠台积电，但台积电的产能扩得再快，英伟达一家就能吃掉六成以上，剩下那四成还要被几十家公司抢，有钱也排不到号。
更何况，AI 形态正在从一问一答的 Chatbot，转向需要持续运行的 Agent。Agent 要将人类给的几行任务，转化为在后台进行成百上千次的自我推理、工具调用与记忆吞吐，这个转变对算力的需求是数量级的跃升。
所以说，算力成本面临双重夹击。调用量涨多少，成本就跟着涨多少，规模无法摊薄成本；供给又还无法满足持续攀升的需求，成本降不下来。
那就涨价，多收钱不就行了吗？
在 To B 的生产力场景，提价没问题。毕竟客户买的是解决复杂专业问题的能力，智能上限和真实能力是第一约束，企业能接受为此付出高成本。无论是 Anthropic 的 ARR 暴涨、智谱的股价上天还是 workbuddy 的广受好评，都说明了这一点。
但在 ToC 场景里，情况完全不同。2025 年 ChatGPT 的 9 亿周活跃用户中，个人订阅用户约 5000 万，占比仅约 5%。
国内的付费意愿更低。在 " 免费 + 广告 " 的互联网模式的长期浸泡下，国内用户没有养成为独立软件付费的习惯。5 月初豆包试水订阅时，" 豆包 笨还收费 " 就冲上了热搜。
说白了，现在普通用户对 ToC 的 AI 产品是没有忠诚度，谁用起来方便和顺手就用谁。别说提价了，就算从免费到付费，都会赶跑一堆人。
那面前剩下给企业的路就是：在 AI 完成同等任务时，能不能消耗更少的算力资源？
这就是现在整个行业都在干的事情：效率优先。
2、让每一分算力都花得值
从里到外，现在行业每一层都在沿着效率思路做事。
在最底下的硬件层，连英伟达都觉得光靠 GPU 不够了。今年英伟达在 GTC 大会上推出了一种叫 LPU 的新芯片，基于它去年获得技术授权的 Groq 打造，专门优化 AI 推理场景。
怎么理解？GPU 擅长高并发的大规模计算，像一支万人方阵一起冲锋，现在更多是用在大模型的预训练上，去提高智能上限。LPU 像一个精锐小队，擅长快速出击完成任务。日常面向普通用户的推理场景，其实不需要千军万马同时出击，响应又快、又省钱才是性价比最高的。
芯片之上是模型架构。MoE（混合专家架构）这两年成了主流，它的妙处是，模型的总参数可以堆到万亿级别保证脑容量够大，但每次干活只激活其中一小撮参数，做到又强、又省。这可以理解为每次接到任务，一家公司会按需调用，从全体人员中挑选出最合适这个任务的那几个专家去干活。
把激活率压低难，更难的是要选对 " 专家 "，不然该激活的没激活，答案质量就崩了。比如，DeepSeek V4 Pro 总参数 1.6 万亿，每次只激活 490 亿，相当于只动用了 3% 的精锐员工。结果呢？编码能力逼近顶级闭源模型，输出价格只有 GPT-5.5 的八分之一。
腾讯前段时间开源的 hy3 preview 也是这个路数。295B 参数、激活仅 21B，相当于能力接近 300B 级模型，成本却是 20B 级别。上了 OpenRouter 之后开发者涌进来用，除了免费，也是因为这个体量下性价比确实能打。
显然是验证了这个方向走得通，最近腾讯灰度内测的 AI 助手小微用的也同样的思路。小微背后的模型叫 WeLM，总参数 800 亿，但每次只激活 30 亿，激活率低到 3.75%，比目前国内极致成本性能的代表 DeepSeek-V4-Flash（激活率 4.6%）还要低。
为什么要把激活率压这么低？因为以微信月活 14 亿的体量，一旦 " 小微 " 全量开放，每天的推理量是天文数字，模型性价比不够高的话，光电费就能把利润吃干净。所以小微绝大多数日常请求交给又快又便宜的 WeLM，碰上真正的硬骨头也有合作模型兜底。
在模型跑的过程中，还能靠工程巧劲再榨一轮算力。比如 DeepSeek 等等都在用的一招叫 KV 缓存复用，意思是你跟 AI 反复聊同一个话题，系统提示词、常用前缀这些重复内容，不需要每次都从头算，直接调上次的计算结果就行。相当于你通勤次数多了，熟悉路线后就不用每次都重新导航。
除了工程手段，DeepSeek 还给出一个新招，那就是用价格杠杆来优化算力调度。
在 DeepSeek 新的计价方式下，平峰时段价格不变，缓存命中依然压到接近免费。这等于用价格信号把一部分负载从白天引导到夜间低谷期，让原本闲置的算力被利用起来。同一批 GPU，24 小时整体利用率更高，单位成本自然就降低了。
前面说到，到了 Agent 时代，算力的问题是更棘手的。Agent 干活时，大量 token 其实花在了重复搬运信息上，不是真正生产新东西。多个 Agent 协作时更夸张，它们聚在一起，就像开低效会议一样，反复确认已经讨论过的背景。任务越长程，空转越严重。
谷歌的 A2A 协议和 Anthropic 的 MCP 协议就是冲着解决这个问题来的。简单来说，MCP 能让单个 Agent 内部复用上下文，不用每次从头来过；A2A 让多个 Agent 之间共享已有成果，避免重复劳动。一个管内耗，一个管重复，配合起来减少 Agent 协作时的无效推理。
效率优先不只是企业的一厢情愿，用户的需求本身也在分化。
有一个衡量市场 AI 付费意愿的指标叫 LLM Token 支出指数，最近持续走低。指标回落的背后，是用户在加速离开那些昂贵的、参数巨大的前沿模型，转头涌向性价比高、专门优化过的轻量级和 MoE 模型。
针对这些现象，最近 Citadel Securities 给出的判断一针见血：前沿人工智能和 " 日常 "（"everyday"）人工智能的使用，正在出现分化的迹象。换句话说，前沿 AI 追求的是智能上限，日常 AI 追求的是极致效率，已经不能用同一把尺子比较两种 AI 路线了。
这不是说前沿模型不重要了。头部大模型依然会不断追求智能上限，这部分的需求也是有的。但大家已经意识到，只有少数专业或者复杂化的场景值得调用昂贵的 AI 模型，大多数场景下其实可以主动降级到性价比更高的模型。
毕竟，一家公司不会让首席分析师去接前台电话，模型使用也是一样，大炮打蚊子只会浪费资源。
而效率优先做成了，企业和用户两头都能受益。企业这头，单次推理成本压下来，利润就能看得见。另一边，企业端成本降下来后，还能反过来打开降价空间。价格一降，原本被价格挡在门外的用户进得来，付费规模才能健康地往上走，形成正向循环。
3、做人人可用的 AI
这段时间，除了 To C 端 AI 产品涨价，巨头们也在缩减内部员工的 token 使用量。
微软已经开始取消内部的 Claude Code 许可，让员工转向自家内部更便宜的 Copilot CLI。亚马逊明确要求员工不要为了用 AI 而用 AI，Meta 也撤下了内部的 token 消耗排行榜。
结果就是，大家被逼着去学习如何最大化利用 token。一个懂行的工程师，确实能把 AI 的账单压得很低。他知道怎么精简提示词、控制上下文长度、避免让模型反复读同一份资料。对他来说，这些都是顺手学习的事。
但有多少普通用户能读懂这些省 token 的技术帖子，又能每次有意识地控制 token 使用？他们更可能是一直在为远超实际需要的算力买单，自己也不知道如何解决。
这个落差不应该由用户来填。怎么更高性价比地使用 AI，应该从用户身上挪到机制层面。理想的情况是，用户不需要知道背后有几种模型在跑，系统能判断这个简单任务交给便宜的小模型，那个任务复杂才调用贵的模型。就像你用搜索引擎不需要知道后面有多少台服务器在响应你一样。
只有这样，更多像你我这样用 AI 的普通人，才能从这项新技术中受益。
说到底，技术的价值，从来不在于它能做到多极致，而在于它能触达多少人。如果 AI 能力不能为人人所用，它就只是一场精英的狂欢。
就像电力没有走进每一个家庭之前，它只是工厂的特权，互联网铺到每一个县城之前，信息鸿沟照样横亘在那里。AI 也是一样，效率优先不只是一个商业命题，它更是一个技术平权的问题。
从少数人的工具变成所有人的基础设施，是每一次技术革命的关键时刻。而 AI 的普及，不取决于最强的模型理论上能做什么，而取决于大规模跑 AI 的成本能压到多低。现在，AI 正站在这个时刻的门口，效率优先就是推开这扇门的那双手。
