2026年的夏天，比天气更燥热的，是资本市场对AI的复杂情绪。

就在上周，字节跳动旗下火山引擎的一封邮件引发震动：豆包大模型企业版部分高级功能结束免费试用期，正式开启商业化计费。消息一出，有人惊呼“AI免费午餐结束了”，也有人冷笑“终于到了要韭菜买单的时候”。

几乎同时，年中财报季拉开帷幕。翻阅已经发布的几十份互联网大厂和上市公司的财报，一个极具反差的画面呈现在眼前：一边是“AI赋能”、“大模型落地”、“智能化转型”成为财报电话会的标配词汇，企业IT支出中AI相关的Capex（资本开支）增速同比动辄30%、50%，甚至翻倍；另一边，除了少数老牌云厂商，几乎所有主打AI业务的上市公司，净利润率都在下滑，甚至亏损面在扩大。

这就诡异了。如果AI真的像宣传里那样神通广大，能写代码、能做设计、能客服、能分析报表，帮企业省下了真金白银的人力成本，那这些省下来的钱，加上企业购买AI服务支付的费用，应该让大模型公司赚得盆满钵满才对。可现实是，无论是大洋彼岸的OpenAI，还是国内的DeepSeek、月之暗面，甚至是刚刚宣布收费的字节豆包，似乎都还在“赔本赚吆喝”。

这不禁让人想问：在这场轰轰烈烈的AI革命中，既然大家都承认AI有用，那这波巨大的“效率红利”，到底落入了谁的口袋？

要解开这个谜题，我们需要跳出“AI替代打工人”的情绪叙事，深入到产业链的账本里去看一看。

01

我们先看一组数据。某头部电商巨头在2026年Q2财报中提到，其技术投入同比增长42%，主要用于建设智能客服和供应链优化系统。财务总监的解释很直白：“这是为了应对人力成本上升，预计在未来18个月内收回成本。”

这种“预期收益”是目前大多数企业上马AI项目的心理写照。然而，从会计角度看，这种投入是当期计入成本的，而收益却是递延的。这就造成了当下财报上一个显著的特征就是：Capex（资本开支）增速远高于短期营收增速。

这种现象在科技史上并不新鲜。当年的云计算普及期、移动互联网爆发期，都经历过基础设施先行、应用变现滞后的阶段。但AI这次的特殊之处在于“烧钱”的速度太快了。

训练一个大模型，动辄千万美元起步；维持日常推理服务，GPU集群的电费都堪称天文数字。企业在财报里高喊“AllinAI”，实际上是在进行一场豪赌：赌的是AI带来的长期效率提升能够覆盖当下的巨额投入。但对于提供AI能力的厂商来说，这种“未来收益”的不确定性，让他们不得不面对一个尴尬的现实——卖得越多，亏得可能越狠。

字节豆包的收费，本质上不是为了立刻盈利，而是为了给这场漫长的马拉松设置一个“补给站”，试图缓解现金流的压力。但这杯水，能否解渴，还要看整个产业链的利润分配逻辑。

02

要搞清楚钱去哪了，我们可以把AI产业链简化为经典的“淘金热”模型。

上游是稳赚不赔的“卖铲人”，无论是在美国还是中国，这一轮AI浪潮中最确定的赢家，无疑是算力提供商。全球市场的最大赢家一定是英伟达，虽然面临各种限制和竞争，但Blackwell架构的芯片依然是硬通货。只要大模型还在迭代，对算力的渴求就不会停止。英伟达卖的不是芯片，而是“入场券”。它的高毛利，建立在极高的技术壁垒之上。在国内，华为昇腾系列成为了国产算力的中流砥柱。随着国产替代进程的加速，昇腾芯片在政务、金融等关键领域的渗透率不断提升。虽然单颗芯片的利润率可能不及英伟达，但胜在“量”的稳定增长和政策护城河。

对于上游来说，不管下游挖到金子没有，只要矿工还在挖，铲子就得一直买。他们是这波AI红利中，第一批实打实把钱装进口袋的人。

中游是夹缝求生的“卖工具人”，这就是我们最关心的大模型厂商，包括OpenAI、Anthropic，以及国内的DeepSeek、MiniMax、月之暗面等。

他们的处境最为尴尬。一方面，他们需要向上游支付高昂的算力租金或采购费；另一方面，为了争夺市场份额，他们不得不卷入惨烈的价格战。

字节豆包之前长期免费，DeepSeek打出“极致性价比”的旗号，Kimi靠长文本差异化竞争……这些动作的背后，是API调用价格的断崖式下跌。在某些垂直领域，每百万Token的价格甚至跌破了1元人民币。

这就导致了一个结果：中游厂商变成了“搬运工”，把昂贵的算力，打包成廉价的Token，卖给下游。这种商业模式的本质，是用高成本的资源，去换取低毛利的流水。除非能形成绝对的垄断，否则很难看到盈利的曙光。

下游是喜忧参半的“淘金者”，下游是使用AI的企业用户，则涵盖了千行百业。字节跳动、百度、阿里这些大型企业，他们既是AI的使用者，也是提供者。对于这类巨头，AI的价值在于优化内部流程，降低运营成本。它们确实尝到了“降本增效”的甜头。

中小企业是这波AI普惠红利最大受益者。以前请不起程序员做开发，现在花几百块调用API就能搭建一个简单的应用。但是，大部分中小企业并没有因此获得超额利润，因为AI带来的效率提升很快会被市场竞争抹平——你的竞争对手也在用AI。

所以，下游用户确实省了钱，但这种省钱更多体现为“防御性收益”而非“进攻性收益”。

03

这里就引出了一个核心的商业悖论：

如果AI真的能帮企业省下100万，为什么企业不愿意拿出10万付给大模型公司？

答案在于价值分配的极度不对等。

高昂的“公摊成本”成为压垮下游企业的最后一根稻草。大模型的成本结构是“固定成本高，边际成本低”。训练一次模型要烧几千万，这是沉没成本。为了让模型更好用，还需要持续进行RLHF，这又是源源不断的支出。而下游企业支付的API费用，往往只覆盖了推理阶段的电力和运维成本，根本无法摊销掉前期巨大的训练和研发成本。这就好比你住酒店，房费只够付水电费，不够还房贷。

随着开源模型的进步，闭源模型的护城河正在变窄。当模型之间的能力差距缩小到一定程度，它们就变成了类似“自来水”或“电力”的公用事业产品。对于公用事业，用户只会接受极低的价格。中游厂商陷入了“创新者窘境”：如果不创新，就会被淘汰；如果创新太快，教育市场的成本太高，且容易被模仿。

AI为企业节省的成本，主要体现在人力上。但在财务报表上，这部分节省的钱体现在“管理费用”或“销售费用”的减少，而不是“营业收入”的增加。企业老板省了钱，但这笔钱并没有流转到大模型厂商手里，而是变成了企业的净利润。大模型厂商只是在帮助企业“节流”，却没有参与“开源”的分成。

字节豆包开始收费，正是试图打破这种悖论的一次尝试。它想告诉市场：好用的工具是有价的。但这能否扭转整个中游的亏损局面，取决于用户是否愿意为“好用”支付溢价，而不是仅仅为了“能用”支付地板价。

04

展望接下来的12个月，我认为大模型行业将告别“野蛮生长”，进入“精耕细作”的下半场。三个趋势将愈发明显：

第一是从“拼参数”转向“拼留存”，过去，厂商喜欢晒榜单、晒参数，比谁的参数多、谁的分数高。但企业用户现在已经麻木了。未来，大家比的将是用户留存率和续费率。模型能不能稳定工作？幻觉（胡编乱造）多不多？能不能无缝接入现有工作流？这才是决定生死的关键。那些只会刷榜、无法落地的模型将被淘汰。

第二是从“公有云”转向“私有化部署”，对于金融、政务、医疗等对数据安全极度敏感的行业，公有云API无法满足需求。未来一年，我们将看到大量的私有化部署订单。这对于中游厂商来说，是一个提高客单价的机会。虽然交付重、周期长，但一旦签单，就是长期的现金流。这也是华为云、腾讯云等大厂的优势战场。

第三是“Agent”将成为变现突破口，单纯的对话式AI（Chatbot）很难收费，因为它太容易被替代了。但如果AI能进化成Agent，能够自动执行复杂的任务链（比如自动订票、自动生成财报并发送邮件、自动维护代码库），那么它的价值就不再是一个“问答工具”，而是一个“数字员工”。届时，按效果付费（PayforResults）将成为可能。这也是字节豆包收费后，真正的发力方向。

目前，这一波红利主要沉淀在了算力基础设施提供商（上游）和部分通过AI大幅优化内部效率的巨头（下游）手中。

大模型厂商（中游）正处于“黎明前的黑暗”。字节豆包的收费是一个信号，意味着行业正在试图重建健康的商业闭环。但这注定是一场持久战。

对于我们普通人来说，与其焦虑AI会不会抢饭碗，不如思考如何利用AI让自己变成那个“不可替代的数字工匠”。毕竟，在淘金热中，最终发财的不一定是矿工，也不一定是卖铲子的，但一定是那些懂得如何利用工具创造价值的人。

这波红利，终究还是属于效率更高的人。