“升级了大模型付费套餐后，可以满足我90%的日常工作需求。”来自广东某高校的博士生张帆，自3月开始使用海外大模型的付费版，音频内容的转写、PPT的润色……AI协助他完成了很多日常性工作，他的精力可以聚焦在科研学术上。研究方向与AI幻觉相关的他也发现，从免费版升级到付费版后，AI大模型出现幻觉的频率也减少了。

当下，AI大模型面向用户收费正成为行业趋势。6月24日，豆包专业付费版正式上线，采用三级阶梯定价方案：标准套餐、加强套餐和高级套餐的连续包月价格分别为68元、200元和500元。不同套餐对应的专家模式、办公任务模式等功能额度有所差异。

当大模型行业全面从“流量经济”步入“算力经济”时代，不少问题也随之浮现：AI企业如何在算力成本消耗与大量用户需求之间寻求平衡？计费后为何企业和个人用户看不到明晰的Token（词元）账单？国产AI大模型“付费生意”的“钱景”如何？

算力荒

大模型付费试水背后，是AI企业在算力成本与激增用户需求之间的博弈。

上海财经大学特聘教授、智能科技产业与智能经济学者胡延平认为，一方面AI大模型能力越来越强，高可用性引爆用户需求，用户规模与使用量激增。

国家数据局局长刘烈宏3月24日在国新办新闻发布会上透露，截至今年3月，我国日均Token的调用量已超过140万亿，而这一数据在两年前仅为1000亿，增长超1000倍。

与此同时，AI算力卡等基础设施供求关系趋于紧张，资源缺口明显，价格不断上涨，大幅抬高了AI大模型企业的运营服务成本，出现了局部“算力荒”。

此外，企业用户等专业领域AI应用需求显著扩大，不仅需要消耗更多的Token，也需要AI服务商提供更强的模型能力和更为系统的智能服务。“这三方面都导致过去的流量、烧钱、免费的打法难以为继。”胡延平表示。

图：第四届链博会英伟达展区展示其AI技术栈对国产开源大模型的支持能力/《锋面》记者摄

作为一家AI初创公司的老板，易必盈创始人石思奇对AI成本是极为敏感的。他发现，创业近一年的时间里，单次Token价格总体在下降，但随着研发、运营和客户场景不断增加，企业整体AI支出反而有所上升。“AI成本正在从零散的工具费用，逐渐变成企业需要持续管理的一项基础设施成本。”

从行业中长期发展的角度来看，AI大模型有着不同于移动互联网时代的市场化逻辑。胡延平告诉《锋面》记者，互联网的“信息经济”本质是用户越多单位成本越低，边际成本呈递减趋势。

AI大模型的成本逻辑则是相反的，石思奇向《锋面》记者介绍，大模型端服务器每增加一个用户，相应成本都会增加，增加的幅度取决于用户的使用频次及需求产生的Token量。“有的单个用户的需求产生的成本可能会超过前序的10个用户，这也导致大模型企业成本浮动变化较大。”

视角从付费者切换到收费方。《锋面》记者梳理发现，国产大模型的付费套餐定价集中于每月几十元到几百元不等，相较于海外大模型平均入门阶段的价格水平，更多处于“低价分层”的模式。

胡延平认为，国产大模型采取低价策略背后有着多种现实因素。“中国用户更习惯‘免费服务+广告营销’的间接变现模式，AI的娱乐与社交工具的色彩也更浓厚一些，国产大模型如果基础定价过高，必然招致市场反弹和用户流失。”

模型能力的同质化困境同样对定价形成了约束。“日常的普通智能水准较高，深度智能水准有限，多家模型服务商之间总体水平相差不大，没有绝对优势极其明显的AI模型，用户在不同模型之间切换成本极低，定价高的模型相当于将市场用户拱手相让给竞争对手。”他强调，采用低价分层的策略，本质是通过价格梯度来筛选和匹配不同层级的用户需求，实现算力成本与能力服务之间的价值闭环。

“Token”账单

伴随着企业的调用和个人的付费需求大量涌入以及上游成本的增加，模型厂商开始动态调整计费规则，由按次计费转向按Token计费。这一过程也让大模型付费的另一重问题浮出水面：现阶段厂商无法向企业和个人用户提供相对清晰的Token消耗和套餐使用情况的账单。

近期，部分大模型因在未提前告知用户的情况下将相关的付费套餐的计费规则和方式进行调整，引发用户集体投诉。

有用户在消费投诉平台反映称，在模型厂商进行技术升级并将计费方式从按次数计费调整为按Token用量后，短期内同等业务量套餐额度迅速消耗。随后相关企业发表致歉声明并对用户权益进行了相应补偿。

从按次计费到逐渐转变为按Token计费，从技术逻辑出发，胡延平认为，后者能够更精准地反映实际的算力资源消耗情况和用户的实际使用量，但在落地过程中也有相应问题容易被遮蔽。“同样的Token使用量并不等于创造同等价值，同样的资费也不等于获得同等能力水准的模型服务。”他提示道，即使用户在处理同一个任务，模型在响应时也可能会有高中低等不同的算力消耗模式。

当用户通过智能体调用大模型时，这一问题更为显著。胡延平进一步分析：“用户如果是通过各类智能体调用模型服务来完成任务，过程中智能体投喂给模型的上下文数据量的变动范围也比较大，智能体任务本身极为消耗Token，即使经过持续优化，还是比直接使用模型的Token消耗量要高出不同的数量级。”

胡延平认为，这些看不见的因素会让用户产生心理落差和信息不对称，加剧与大模型厂商之间的信任张力。

同样“看不清”的问题也在困扰企业端的付费客户。石思奇告诉《锋面》记者，当前模型效果和价格之间缺少清晰对应，对于企业客户而言，看到的是一笔“糊涂账”。“企业缺少统一的用量监控、预算控制和成本分摊工具，难以知道费用具体消耗在哪个部门、项目或客户。”他说。而这一因素也导致部分企业难以评估接入AI大模型后降本增效的实际效果。

看不清的账单背后，是大模型付费复杂波动的定价体系。石思奇分析认为，虽然Token的定价方式是标准化的，但每个公司对于Token的定义和收费的方式都不一样。“算力服务的计价体系极为复杂，不仅涉及不同型号的GPU显卡，还需区分闲时与忙时价格，上游成本波动频繁，模型迭代时也需同步动态调整。”

6月29日，DeepSeek发送给API（应用程序接口）用户的邮件显示，即将于7月中旬正式上线的DeepSeek V4正式版将引入峰谷定价机制，高峰时段（北京时间每日9:00-12:00和14:00-18:00）价格为平时价格2倍。模型技术的迭代演进，也促使AI企业的定价体系适时变化。

图：DeepSeek提供给API用户的定价调整说明

“卖Token”还是“卖结果”？

多位科技产业投资人向《锋面》记者表示，对大模型的关注重心已从前几年的技术的自主可控转向商业化落地能力，更看重能否解决实际问题、创造价值。

石思奇在市场调研中发现，当前AI大模型的商业化模式主要包括混合计费（订阅制+用量限制）、按量计费、企业合约制、一次性充值及按任务结果收费等。“但无论何种付费方式，用户最终愿意付费的核心都不是模型参数或Token，而是AI能否稳定地帮助其节省时间、提高效率或直接创造收入。”他说。

张帆在体验过API调用、付费套餐等多个海内外大模型的付费服务后，认为大模型付费最显著的升级一方面来自输出内容的准确性，“升级后的AI能够给我提供更准确、具体的信息来源，便于我去核查。一旦AI幻觉出现，我需要花大量时间去核查它有没有虚假编造内容。”

另一方面，他认为付费充值后AI的“理解力”也有所提升。他发现，充值付费后，AI开始读懂他问题中的一些隐喻，“同样的问题，在免费版使用过程中我至少要和它交互10个问题才能得到我想要的答案。”他将这种变化称为“对齐能力”的提升，他愿意为AI提升自己的工作效率而付费。

C端付费模式能够多大程度上为大模型企业的商业化赋能？石思奇认为，C端拥有更大的用户规模，但付费难度更高，普通用户有较多免费选择，使用频率也不稳定，因此单纯依赖高价会员订阅并不容易。“当前C端更容易付费群体的是程序员、设计师、内容创作者、研究人员等专业用户。”

讯飞智文相关负责人告诉《锋面》记者，其产品和服务在C端聚焦职场人群、教师、学生等用户群体，主要采用会员订阅与增值服务相结合的商业化模式，会员用户拥有在大模型能力、生成额度和模板素材资源等方面的不同体验。“我们认为大模型C端商业化正在进入价值验证阶段，其核心不是‘卖Token’，而是‘卖结果’。不是让用户为一次调用付费，而是让用户为效率提升和成果交付付费。”

胡延平从行业角度分析称，“AI正在从‘聊天工具’进化为‘任务执行工具’，企业用户和模型厂商都看到了这一点。而在中国AI大模型市场，商业化锚点越来越清晰地聚焦在B端企业市场，企业成为AI营收的增长主力。”

从自身创业的企业管理角度，石思奇认为AI的增值服务是为广大OPC企业赋能的关键。原先团队计划今年系统的搭建需要再招10个人左右，但相应的人力成本就会翻倍。接入AI coding的套餐后，人手无需增加。“如果AI每月能够节省几十小时的人力，帮助完成研发、内容、销售和客户服务，即使投入些资金也是值得的。”他说。

胡延平认为，AI大模型面向企业和用户的商业模式并非此消彼长，而是相互补充。C端用户积累的大量数据和场景反馈促进大模型能力迭代，B端付费形成的收入则为模型与智能体研发投入提供现金流。

“大模型走向付费将加速行业生态的优胜劣汰，只有能持续提供更高能力水准和价值的模型，用户才会持续付费。”他总结道。

（应受访者要求 张帆为化名）