AI模型定价“茅台化”：高毛利与普及困境，降价迫在眉睫

本文所述内容均来源于真实事件，但隐去具体名称实属无奈之举，并非故意制造阅读障碍，还望大家理解。

把基础AI服务卖出奢侈品级别的定价，真的符合行业发展的初衷吗？最近身边的两个真实案例，让我对国内AI套餐的定价逻辑产生了不少困惑。

一位朋友购买了某大模型厂商的月度套餐，售价700元，模型本身的体验确实不错，但仅仅两天就用完了当月的全部额度。另一位朋友尝试了另一家大厂的AI服务，每月200元的档位，一周只用了3次就把额度耗尽。

对比之下，海外两家头部模型厂商推出的30美元和100美元套餐，却能满足用户长时间的使用需求。这种强烈的反差，不禁让人疑惑：国内的AI服务为什么会这么贵？

之前还看到过一个令人心酸的段子：AI行业还没等到正式监管，就已经被过高的使用成本逼到了绝境。不少用户吐槽，用AI就像猪八戒吃人参果，还没来得及感受效果，额度就已经用完了，花钱的体验感极差。

行业内常说国内人力成本更低、电力资源更便宜、模型推理优化也更极致，但最终到普通用户手中的定价，却并没有体现出这些优势。更让人不解的是，国内大部分模型都是开源的，理论上可以自行部署或者通过云厂商快速落地，资源成本本应更低，但普通用户感受到的依然是高昂的价格和局促的使用额度。

理清定价背后的毛利逻辑

AI模型的成本构成涉及显卡采购、研发投入、推理运算、运营维护和市场推广等多个环节，但我们可以先从最核心的推理成本和毛利率入手，通过简单的计算来拆解定价逻辑。

此前有头部模型厂商公开表示，他们将产品价格下调至原来的四分之一，同时将毛利率控制在60%，回本周期约为10个月。这个信息为我们的计算提供了重要参考。

我们可以通过一个简单的例子来推导：假设一款产品原本售价10元，成本为1元，那么毛利为9元，毛利率高达90%。如果将售价降至原价的四分之一，也就是2.5元，在成本保持1元不变的情况下，新的毛利率为(2.5-1)/2.5=60%，这正好对应了厂商公布的数据。

由此可以倒推得出，在降价之前，行业普遍采用的是90%的毛利率，也就是按照10倍于成本的价格进行定价。这种高毛利率的定价策略，其实和高端白酒的盈利模式非常相似，茅台正是少数能达到90%毛利率的消费品之一。

坐拥90%的毛利率，厂商可以将大部分利润投入到销售、运营和推广中，以此建立竞争优势，最终将成本转嫁给企业客户和应用开发方。而海外的头部模型厂商则不同，他们选择将AI服务打包为按Token计费的套餐，本质上是通过降价10倍来获取C端用户的增长。

直到近期，一款新的模型正式发布，打破了这种高毛利的定价格局，让行业看到了回归合理定价的可能。几乎在同一时间，海外另一家头部模型厂商也宣布将旗下产品降价80%，我们同样可以用这套逻辑来计算：售价从10元降至2元，成本保持1元，新的毛利率为(2-1)/2=50%。

也就是说，即使降价80%，模型厂商依然能保持50%的毛利率，这一比例依然高于汽车行业20%左右的平均毛利，其实仍然有利可图。按照此前的说法，当毛利率为60%时，回本周期约为10个月，刚好可以覆盖显卡采购、研发等前期投入，同时通过降价让利获得良好的行业口碑，节省大量的营销成本。

高定价正在挤压应用层的生存空间

过高的模型定价，最直接的后果就是堵住了AI应用层的发展道路。不少人疑惑，为什么这么好的AI技术，却很难出现广泛的C端应用场景？核心原因就在于上游的层层加价：模型厂商拿走90%的毛利，应用开发商还要承担产品研发、销售客服、渠道推广等成本，留给下游的利润空间被挤压得所剩无几。

很多AI产品并非没有市场需求，也不是技术上做不出来，而是算不过来账，无法覆盖高昂的模型调用成本。以代码开发场景为例，程序员本身的人力成本很高，代码模型可以直接参与代码编写、调试和交付，能够为企业节省大量开支，因此AI在这个场景下的落地相对顺利。但对于普通用户的日常工作来说，人力成本没有那么高，AI的使用成本就很难被投入产出比覆盖。

目前行业更多聚焦在代码开发这类高价值的局部场景中获利，但我们最初的目标应该是实现通用人工智能。当前的定价模式，让AI只能优先服务于人力成本最高的群体，无法真正惠及普通大众。

我们不禁要问，国产的文本模型、视频模型，无论是闭源还是开源，最终的服务对象到底是谁？如果只是为了出口海外，那么高定价、高利润或许可以理解为商业选择，但如果希望AI服务国内的企业和普通用户，提升全社会的生产效率，就必须让更多人用得起。

开源并不等同于免费，但开源至少应该推动技术的普及，为价格下降留出空间。如果开源模型之后，行业依然统一约定不降价，那用户最终能获得的实惠就非常有限。不少厂商投入了大量资金和算力研发模型，但最终却没有出现足够多的落地应用，也没有多少普通用户能真正用得起这些技术。

先让更多人用起来，才是行业的长期方向

作为初创团队，我们无法直接改变模型厂商的定价策略，也无法左右上游算力和模型层的资本泡沫，只能在力所能及的范围内推动AI的普及。

此前有初创团队通过极致的算法优化，将旗下的按Token计费套餐价格降至原价的四折，却遭到了不少行业媒体的批评，被指责为打压竞争对手、用投资人的钱补贴用户换增长。但实际上，这家团队的现金流已经实现了正向，作为一家毛利率为负的AI应用公司，他们只是在尽最大努力让AI变得更普及，这种行为不该被妖魔化。

在我们自己的产品规划中，参考SaaS健身房的会员模式，将大部分利润让渡给用户以换取增长，四折的定价其实并不算夸张。在测试阶段，我们将原本30美元的套餐额度提升至300美元，让用户可以无限制使用，最终发现用户的实际使用量仅为额度的30%。这说明只要模型厂商适当降低毛利，我们的套餐就能实现盈亏平衡，这项业务完全可以持续运营。

我们都知道，当前的AI行业正处于资本泡沫之中，模型厂商需要融资、创业公司需要估值、投资人需要故事，所有人都希望尽快将投入转化为利润。但正如业内人士所言，通用人工智能的体量太过庞大，现在还远远到不了只顾着短期获利的时候，按照10倍成本定价的策略实在太过短视。

AI的普及需要更低的价格、更多真实的用户使用，也需要更多小公司有机会尝试新的应用场景。只有这样，那些目前算不过来账的应用场景，才能慢慢找到盈利的可能。这件事最终会影响整个社会的生产力水平，也会决定一个国家在未来科技竞争中的实力。

最近我一直在和合作的厂商沟通，希望他们在定价时能把目光放得更长远，适当降低毛利率。虽然大模型没有直接的用户数据飞轮，但从预览版到正式版的性能提升可以看出，只要强化强化学习算法，场景数据同样能带来模型效果的优化。与其等到行业整体提升后再花钱购买数据，不如先通过低价获取真实的用户数据，实现模型和用户的正向循环。

数据固然可以花钱购买，但用户的信任和市场的时机却是千金难买。别急着把AI变成一台单纯的赚钱机器，先让更多人真正用起来，才是行业更重要的目标。