用户越多亏得越多 AI行业求解“规模不经济”难题

　　元宝则对普通用户维持，未设置付费版本。

　　从To C端来看，付费模式的推行阻力重重。和君咨询合伙人沈佳庆接受证券时报时表示，在作为生产力工具以外的其他场景，AI的收入乏善可陈，这源于国内个人用户的付费意愿普遍不高。前述AI教育硬件公司负责人告诉，由于国内用户还没有形成AI付费习惯，公司的拍学机在国内和国外采用“双轨制”，即对国内用户，对海外用户收取每月9.9美元至15美元的订阅费，以此覆盖部分的模型调用推理成本。

　　从To B端来看，盈利则面临企业预算约束和落地效果鸿沟。“赚钱的难度并不低，因为客户是极为理性的。对多数企业而言，AI应用预算并非新增的资本开支，而是从本就已经在缩减的数字化转型预算中分离出来的，因此，总市场没有变大。”沈佳庆说，随着企业部署和应用AI进入深水区，在取得一部分效果后，往往就会发现AI对核心商业模式、市场竞争力等的改进作用暂时还比较有限，一些无法产生明确效益的应用场景就将被砍掉。

　　虽然现阶段，B端的盈利比C端更具确定性，但B端的投入也更“重”，高度定制化，需长期维护和运营。更重要的是，在沈佳庆看来，AI的真正价值不在于降本，而在于创造原本不存在的商业模式，而AI应用目前还未能真正创造价值。“会议纪要自动生成、周报一键扩写、营销文案批量改写、PPT排版美化、简单代码补全，这些功能有更好，没有也没关系，它们不是企业愿意为之支付高额订阅费或项目款的痛点。”沈佳庆说。

　　近年来，资本市场热烈追捧AI算力基建板块，其核心逻辑是AI能力将随着AI资本开支的扩大而提升，进而产生更大的回报。但是，在算力账单持续攀升而实际业务回报有限的情况下，AI行业正面临着一场深刻的商业模式重构。

　　降本，是要在模型架构和推理效率上做，通过引入端云协同、大小模型动态路由、推理缓存与预计算等技术，降低推理成本。前述AI教育硬件公司负责人表示，公司的AI拍学机将高频、简单的识别任务交由低成本、本地化部署的端侧小模型处理，仅在遇到复杂逻辑或长尾知识时才调用云端大模型，此外还利用推理缓存技术，对重复出现的用户提问直接返回历史结果，避免重复计算，降低Token消耗。

　　提质，是要摒弃“为了AI而AI”的功能堆砌，从“卖Token”真正转向“卖结果”，前者关心的是“用了多少”，后者关心的是“产出了什么”。一名业内人士告诉，在传统的IT服务中，甲骨文、赛富时等软件公司并不是按照“数据库查询次数”来收费，而是采取项目制定价、按服务周期付费，约定服务范围和效果指标，基于实际产生的产业价值来定价。“AI花了几年时间绕路，最后可能还是要回到这条路上来。”该业内人士说。

　　回到最初的问题，在“规模不经济”的视角下，AI资本开支的可持续性，不取决于算力本身有多强大，而取决于下游应用能否构建出健康的商业增长和财务盈利模型。“就好比西部淘金热，卖铲子的人比淘金客更兴奋，淘金客在河边筛了几年，却没见到金沙。”沈佳庆说，如果未来应用层仍无法创造真正的价值——比如能直接创造新收入、自主完成核心业务闭环、具备不可替代性的产品，那么底层基建的繁荣或也将不可持续。