摘要：这篇文章的作者Ethan Ding，系统性地阐明了如今正在AI行业发生的一个“诡异”现象：虽然Token的单位成本下降了，但是由于AI能做的事越来越多，越来越被更多的人自动化地执行更大的任务， Token的消耗爆炸了，大模型公司的亏损率都在不断提高。
这篇文章的作者Ethan Ding，系统性地阐明了如今正在AI行业发生的一个“诡异”现象：虽然Token的单位成本下降了，但是由于AI能做的事越来越多，越来越被更多的人自动化地执行更大的任务， Token的消耗爆炸了，大模型公司的亏损率都在不断提高。
不过，这对经历过多次互联网补贴大战的中国用户来说，却也远不算什么新鲜事了：业务发展越来越红火，亏损额度越来越大，公司估值节节走高，直到......
未来，大语言模型的单位成本，也许还会一次又一次地便宜10倍，但AI付费订阅服务依然会被榨干。
token可以理解为词元，在大模型里，token 是分词器把文本切分后的最小处理/计费单位，它可能是一个字、一个词或一个标点。模型的上下文长度、生成长度、速度与费用，都按token计量。
但是，要注意它不直接等同于“字”或“词”，拆分规则要由具体分词器决定。
如若要了解token和大语言模型的具体工作原理，可参考这篇： OpenAI的前世今生。
如下为《 ai subscriptions get short squeezed》的 正文，enjoy，欢迎点赞、转发和收藏。
想象一下：你创立了一家公司，但你心里清楚，消费者每月最多只愿意付20美金（如今大部分AI大模型服务的月费价格）。
没关系 ，你心想， 典型的VC打法 ——按成本价收费，为增长牺牲利润率，CAC、LTV 之类的账，你也都算过了。
不过接下来就有意思了，你看过 a16z 的那张图，显示 LLM 的成本每年下降 10 倍。
于是你心里盘算，今天每月20美金，可以做到收支平衡，等模型明年成本降低10 倍：砰的一下，利润率就有 90% 了。
亏损只是暂时的，利润终将到来！
这个策略， 简单到连 VC 公司新人都能懂 ：
第一年：每月20美金 实现收支平衡
第二年：算力成本降低 10 倍，利润率达到 90%
第三年：买个豪华大游艇!
这个策略，确实也说得通，因为大家都在念叨：“大模型推理的成本，每 6 个月就降至原来的三分之一，我们会没事的。”
但是， 18个月后，你的利润率依然负得不能再负。
Windsurf 公司最终被拆解变卖，Claude Code 本周（25年8月初）也不得不下架了后来推出的每月200 美元但不限量的套餐。
公司们仍在持续流血。
模型确实更便宜了，GPT-3.5 的调用费用，已经只有原来的十分之一。但不知为何，利润率反而更糟了。
这是不是有哪里不对？
一、没人想要前天的报纸GPT-3.5 现在虽然便宜了 10 倍，但它的吸引力也和在 iPhone 发布会上亮相的翻盖手机一样低。
当一款新模型作为 SOTA 问世时，99% 的用户需求会立刻转向它，消费者对所有产品都是这么做的。
现在来看看那些前沿模型的实际定价历史，也就是任何时候都占据 99%用户需求的那些模型：
看看上图，发现什么了吗？
当 GPT-4 以 $60 的价格推出时，尽管 GPT-3.5（之前的SOTA）便宜 26 倍，所有人还是一窝蜂地改用 GPT-4。
当 Claude 3 Opus 以 $60 推出时，哪怕 GPT-4 已经降价，人们还是转向了 Claude 3 Opus。
10 倍降成本确实存在，但 只 体现在上一代的模型上。
所以，这就是“成本会下降”战略 站不住脚的第一个原因 ：市场 只 对“最好的语言模型”有需求，就是这么简单。
然而，最好的模型价格始终都差不多贵，因为那代表了当下推理所需的最大成本。
当你和 AI 相处时——无论是在编程、写作还是思考——你总是追求最高的质量。
没有人会打开 Claude 想：“嗯，要不我用那个老 版本 帮老板省点钱。”
我们在认知上都是贪婪的生物，想要能获得的最强大脑，特别是当我们拿自己的宝贵时间去换取它的时候。
二、Tokens的消耗，比我们想象中还要多
“好吧，但这仍然可控，对吧？我们就一直保持收支平衡不就行了？”
哎， 天真的孩子 。
的确，每一代前沿模型的单个Token 成本，确实也没有变贵。
然而，出现更糟糕的情况： 模型消耗的 Token 数量，呈现了爆炸式增长 。
以前，ChatGPT 对一句话的问题，只回复一句话。
现在，Deep Research模式要花 3 分钟来规划，20 分钟来阅读，再用 5 分钟为你重写一份报告。
推理阶段计算量的激增，导致了一个谁也没预料到的结果：AI 能够完成的单次任务长度，每六个月翻一番。
过去返回1000 个 Token 的任务，现在返回10万个。
当你把趋势往后推算，数字疯狂得离谱。
目前，一次 20分钟的“深度研究”运行成本大约是1美金。
到了 2027 年，我们将有 Agent 可以连续运行 24 小时，而不丢失上下文，再考虑前沿模型的单价并未下降，那就是一次运行要烧掉72美金。
也就是每位用户每天72美金，而且用户还可以同时并行运行多个这样的任务。
一旦我们能部署 Agent 异步执行连续 24 小时的任务，我们就不会再一次只给它一条指令然后等反馈了。
我们会批量调度它们，整个 AI 舰队们并行地攻克问题，烧起Token来就跟不要钱似的。
显然，这一点怎么强调都不为过：每月20美金的付费订阅，连支撑一个用户每天跑一次成本1美金的深度研究模式都做不到。
但，这恰恰是我们正在面对的局面。
模型能力每提高一次，都意味着它们一次能够有效利用的算力上限又升高了。
这就像造出了一台更省油的发动机，然后用省下的油去造了一辆巨型卡车。
没错，你每加仑油是能跑得更远了，但你也会一次烧掉 50 倍的油。
这种局面，逼得Windsurf 不得不卖身，任何采用“固定费用套餐 + 高强度 Token 消耗”模式的创业公司，如今都正处于枪口之下。
三、Anthropic奋力应对这场逼空
Claude Code 推出的 Max-Unlimited 套餐，可以说是我们见过的、为抵御这场风暴所做的最精密尝试。然而，他们用尽了一切招数，但最后仍然被击溃了。
他们的策略确实很巧妙：
1、价格定高 10 倍： 当 Cursor 收 $20/月 时，它定 $200/月。先留出更大的缓冲区，好让出血开始前能多撑一阵子；
2、按负载自动切换模型： 负载高时就从 Opus 模型（$75/百万 Token）切换到 Sonnet 模型（$15/百万），阅读时用 Haiku 模型优化。
就像 AWS 的弹性扩容，只不过更加用在“刀刃”上。
他们肯定把这种行为， 直接写进了模型权重 里。这是一种范式转变，后面我们大概率会更常见到。
3、把计算量转给用户的机器：如果 用户的 CPU 都闲着，为什么还要自己开沙箱sandboxes呢？
尽管用了这些高明的工程手段，Token的消耗 仍然像超新星一样爆炸了 。
排名第一的用户，消耗了100亿个 Token，相当于在一个月里输出了 1.25万本《战争与和平》 的内容。
怎么做到的？就算每次连续运行 10 分钟，一个用户又怎么能烧掉 100 亿个Token呢？
结果发现，连续运行 10～20 分钟，刚好足够卡诗“for loop”的妙用。
一旦将 Token 消耗与用户在应用中的时间解耦decouple，物理规律就接管了一切：把 Claude 丢去执行一个任务，让它自己检查结果、重构、优化，如此循环，直到破产为止。
用户变成了 API 编排者，在 Anthropic 买单的情况下，7×24 小时地运行代码转换引擎。
从聊天到 Agent 的演化，一夜之间就发生了， 消耗量暴增了 1000 倍。
这是一次相变，而不是渐变。
于是， Anthropic 下架了无限量套餐。
他们本可以尝试每月2000美金的订价，但教训不在于价格够不够高，而在于在这个新世界中，无论哪种订阅模式，都不可能撑得起无限使用。
换言之，在这个新环境下，不存在行得通的固定订阅价。
这笔账已经从根本上算不平了 。
四、其他人的囚徒困境 这让其他所有公司都陷入了一个进退两难的处境。每家AI公司都知道按用量计费（而不是固定价格），就能救自己，但他们也知道那么做会要了自己的命。
你在老老实实按 $0.01/1000Token收费，你那靠风投资金支持的竞争对手却提供每月只需$20的无限量套餐。
用户会选谁，还用猜吗？典型的囚徒困境：
大家都按用量收费 → 行业可持续发展
大家都按包月收费 → 一起卷到死
你按用量收，别人包月 → 你先死
你包月收，别人按用量 → 你赢了，但迟早也得死
结果就是，人人都选择了背叛。
大家都去补贴重度用户，所有人都在晒高斜率的增长曲线，但最终大家都不得不发布“重要定价更新”的公告。
Cursor、Lovable、Replit，他们心里都清楚账怎么回事。他们选择了今天先拼增长、明天再谈盈利，最终难免破产，但那是下任 CEO 才要操心的问题。
老实说，也许他们最终是对的。
在跑马圈地阶段，市场份额确实比利润率更重要。只要 VC 们还在不断掏钱，填补单位经济的亏空。
但去问问 Jasper，当音乐停止时会发生什么吧。
五、避免死局？ 难道真的有办法，避免这场“死局”吗？据传，Cognition 最近正以 150 亿美元 估值融资，而它对外公布的 ARR ，还不到 1 亿美元 （我猜也就 5000 万左右）。
对比之下，Cursor 在 ARR 5 亿美元 时，融到了 100 亿美元 的估值，增长曲线要陡峭得多。
前者收入不到后者的八分之一，估值却达到了后者的三分之二。风投们知道关于 Cognition 的什么秘密，是我们所不知道的吗？两家公司做的都是写代码的 AI Agent。
难道 Cognition 找到了摆脱死亡螺旋的办法？从逻辑上看，避开死局有三条出路：
1、从第一天起就按使用量计费
不补贴用户，不搞「先拉用户、以后再变现」，而是老老实实按经济账来，理论上这听上去很不错。
可是，有按量计费且大获成功的面向消费者的 AI 公司吗？
消费者讨厌分段计费！
他们宁愿多花钱买不限量，也不想事后收到账单时被吓一跳。
每一家成功的 to C 订阅服务——Netflix、Spotify、ChatGPT——用的都是统一套餐。
你只要一加上计量表，增长立马死掉。
2、极高的切换成本 ，然后带来高利润率
Devin 正是 all in 在这条路上。
他们最近宣布了和花旗银行及高盛的合作：在每家让 4 万名软件工程师上手 Devin。按每人每月20美金算，这是个年收入近1000万美金的项目。
但问题来了：你是愿意有来自高盛的1000万 美金的 ARR，还是愿意有来自发烧级开发者们的5亿 美金 ARR？
答案显而易见：6 个月的部署实施、合规审核、安全审计、采购地狱……这意味着拿下高盛的单子非常困难，虽然一旦拿下，就几乎不可能被撼动。只有当银行里那个拍板的人，把自己的声誉都押在你身上时，你才能签下这些合同。而签了约后，每个人都会想方设法把项目做成。
这也是为什么在超大规模云厂商之外，最大的那些软件公司全都是卖比如 CRM/ERP/EHR等系统的，它们面向的正是这些客户。这类公司通常能做到 80-90% 的利润率，因为客户越是不容易走，你的买家对价格就越不敏感。
当竞争对手赶到时，你已经在客户的体系中扎根很深，想切换得再耗一个 6 个月的销售周期。他们并非走不了，而是你客户的 CFO 宁死 也不想再经历一次选择过程了。
3、垂直整合，靠基础架构赚钱
这是 Replit 的游戏：把编码 Agent 和应用托管、数据库管理、部署监控、日志等打包提供。
每个 Token 都在亏钱，但你在这代新开发者的技术栈中每一层其他地方都攫取了价值，以下是 Replit 是如何做到高度垂直整合的。
把 AI 亏本卖，然后引流，来带动那些与 AWS 竞争的服务消费。你卖的不是推理本身，你卖的是其余的一切，而推理部分只是营销开支。
绝妙之处在于，代码生成，自然而然会催生托管的需求。
每个应用都需要运行的地方，每个数据库都需要维护，每次部署都需要监控。
就让 OpenAI 和 Anthropic 去把推理价格卷到归零吧，而你拥有其余所有部分。
那些还在玩“固定套餐、不计成本增长”的公司，都是 行尸走肉，它们 不过是把昂贵的葬礼安排在了第四季度而已。
六、前路和未来我总是看到一些创始人，指望着“模型明年会便宜 10 倍”，把它当成救命稻草。
没错，模型会更便宜，但你的用户会期待它们多干出 20 倍的活。
Cursor 对 Windsurf 损益的压力，让他们找不到脱身之策。
就连拥有地球上最垂直整合应用层的 Anthropic ，也无法让无限量的固定订阅模式跑通。
虽然我常说，先发制人胜过策略聪明 being early beats being smart， 但是，如果只是抢先，却没有计划，也意味着你只是第一个进墓地的人。
如今，不会有 Google 给负利润业务开出 24 亿美元的支票。
当“以后再说”意味着你的AWS 账单已经比营收还高时，也就没什么“以后再说”的余地了。
完。
来源：财经大师