

EP.171【Beyond Cryptoria】当智能变成商品:AI成本结构与定价权争夺
这期节目是 Cryptoria 全新系列 Beyond Crypto 的第一期。我们不再只聚焦加密货币,这个系列会带你理解 AI、biotech、量化等前沿科技的商业逻辑。本期 Vivienne 和Zhiyang聚焦一个看似矛盾的现象:AI 推理单价两年暴跌 280 倍,同期 Anthropic 单季度收入却超过 115 亿美元。价格在跌,收入在涨,理解这件事,你对未来五年科技格局的判断会完全不同。 1. Beyond Crypto 新系列启动 - Cryptoria 拓展内容方向,开辟 Beyond Crypto 系列,涵盖 AI、biotech、longevity、量化、美股等前沿科技 - 不止于 Crypto,面向更广的前沿科技商业逻辑 2. 边际成本回来了:AI 打破软件三十年的逻辑 - 传统软件商业模式:固定研发成本、无限复制,边际成本趋近于零(Windows Vista 研发估算 50 亿美元,但每多卖一份额外成本几乎为零) - AI 打破这个逻辑:每次推理都有真实服务器运转、真实电费支出,COGS 是实实在在存在的 - ChatGPT 日处理 25 亿次查询、日活 1.9 亿人,哪怕每次只需几分之一分钱,全年推理成本也是天文数字 - 这解释了为什么 OpenAI 年化收入超 250 亿美元仍处于亏损状态 3. AI 四种商业模式 - 按量收费(Token 定价):用多少付多少,如 OpenAI/Anthropic 的 API;供应商成本透明,但买家无法预测预算 - 订阅制加用量上限:固定月费加额度上限,类似手机套餐;OpenAI 200 美元 Pro 套餐重度用户反而让供应商亏损,没有一家 AI 公司敢做真正的无限使用 - 按结果收费:最新趋势,完成任务才收钱;解决了"AI 越强反而按人头数收入越少"的根本错位;"完成"的定义与实时追踪仍是技术难点 - 混合模式:订阅底价加超量按用量收费;Cursor 用此模式四年做到年化 40 亿美元,2026 年 8 月以 600 亿美元被 SpaceX 全股票收购(SEC 备案实际交割金额,有史以来最大创业公司收购案) 4. Jevons 悖论:价格越低需求越爆 - 1865 年英国经济学家 William Stanley Jevons 发现:蒸汽机效率提升后,英国煤炭消耗 1865 至 1900 年间不降反升翻了三倍 - 历史反复验证:汽车油耗提升总油耗反增、半导体变便宜带出 PC/手机/IoT 芯片用量翻千倍、带宽降价催生视频流媒体 - AI 同样如此:Token 单价跌 280 倍,打开了更多应用场景;AI Agent 多步推理普及(一个复杂任务可能调用几十上百次推理),总算力需求暴涨 - 2026 年推理算力支出已占企业 AI 总预算 55% 以上;Nvidia 股价未因 AI 变便宜而崩,市场理解这个逻辑:便宜带来的是需求爆炸而非萎缩 5. 真正的成本单位不是 Token - Token 不是大宗商品,因为来自 Kimi 的 Token 和来自 Claude 的 Token 本质不同;真正可替代的是"智能"本身,即同等质量的答案 - 真正的计价单位:同等输出质量下,谁花的钱更少 - 决定成本的五个维度:模型体积(权重越大基础成本越高)、推理效率(混合专家架构可大幅降低单次计算量)、内存效率(GPU 缓存占用越小吞吐越高)、服务效率(批处理/前缀缓存等工程优化)、Token 效率(到达正确答案所需步骤越少成本越低) - Kimi K3 单价看似低,但若需要消耗更多 Token 才能得出同等答案,实际推理成本反而更高 6. 三大护城河:商品化时代谁能守住定价权 - 工作流嵌入深度:涨价 50% 也不换的工具才有护城河;换了要重新培训全团队、失去历史数据和上下文积累;微软 Build 2026 战略本质是把 AI 嵌入操作系统层,让 Agent 在 Windows 注册运行、记忆跨会话积累,用久了迁移成本越高 - 专有数据飞轮:通用模型对所有人一样平庸;在企业内部数据(客户对话、内部文档、历史决策)上持续学习的 AI 越来越精准,竞争对手的通用模型永远追不上;贝莱德 Aladdin 积累几十年金融数据,嵌入 AI 后飞轮转得更快 - 受监管行业信任资产:医疗、法律、金融中 AI 给出的答案还需可审计、可追责;这套合规能力不是买个模型就能有的,靠时间和行业经验积累;Mayo Clinic 的临床 AI 独立验证本身就是竞争对手花钱买不来的信任资产 7. BCG 报告:精准剥层与空洞化 - 空洞化:一家公司收入、客户留存、市场份额看起来完好,但定价权和利润率在悄悄流失,等账面反映出来已太晚 - 精准剥层:AI 原生公司不与大公司正面竞争,而是瞄准整条价值链里利润最高那一层,做成独立产品抽走 - Augury 案例(工业领域):在工厂设备上安装传感器,用 AI 提供"预测+处方"服务(坏哪个零件、何时停产维修、验证数据),把原本属于设备制造商最赚钱的售后环节直接插入并独立订阅化;工厂还是原来设备,制造商销售数据没变,但售后利润没了 - Sierra 案例(客服领域):Salesforce 联席 CEO Bret Taylor 创办的 AI 客服平台,接入企业 CRM/订单系统/客户档案,全渠道自主处理问题,只按成功解决的问题收费;专门拿走高频标准化问题(传统客服规模最大、利润最稳那层),复杂判断仍留给企业自己;企业客服人员和系统还在,但最容易规模化的那部分收入已变成 Sierra 的钱;2026 年初年化收入 1.5 亿美元,估值 158 亿美元 8. 中国模型的成本优势:蒸馏与结构性博弈 - 中国模型(Kimi、DeepSeek、Qwen)能低于美国顶级闭源模型定价,核心机制是"蒸馏":用顶级模型的大量输出训练自己的模型,跳过从零摸索的过程(类比:让新律师研究透顶级律师处理过的上万个案例) - OpenAI/Anthropic 服务条款明确禁止用其输出训练其他模型;美国开源公司须遵守,否则面临法律风险;中国实验室不受跨国民事合同约束 - 荒谬结果:美国开源模型打不过中国开源模型,有时还要反过来借道中国模型,绕了一圈,仍是美国闭源知识经中国蒸馏转手 - 这将持续压低全行业价格天花板,加速智能商品化;成本结构是布局 AI 赛道股票最重要的考量维度之一 时间轴 00:02 开场设问:Token 单价暴跌 280 倍,AI 公司收入为何还在暴涨 01:47 Beyond Crypto 系列介绍:从加密拓展至 AI、biotech、量化 03:45 互联网三十年的秘密:软件边际成本为何趋近于零 05:53 AI 打破旧逻辑:每次推理都有真实算力成本,COGS 真实存在 09:47 AI 四种商业模式:按量、订阅制、按结果、混合 17:47 Jevons 悖论:1865 年蒸汽机的发现,为何价格越低需求越爆 26:35 成本的五个维度:Token 效率才是真正的竞争变量 29:37 智能商品化进行时:微软 Copilot 同时路由多家模型 30:24 三大护城河:工作流嵌入、数据飞轮、受监管行业信任资产 37:05 BCG 空洞化报告:精准剥层,护城河内部看完整外部看已被绕过 39:03 两个真实案例:Augury(工业售后)和 Sierra(AI 客服) 45:28 中国模型的位置:蒸馏机制与系统性成本优势 50:46 总结:三件事:边际成本回来、Jevons 悖论成立、护城河在迁移 关键词: AI成本结构、边际成本、COGS、Token定价、按结果收费、商业模式、Jevons悖论、算力需求、推理成本、大宗商品、护城河、工作流嵌入、数据飞轮、定价权、商品化、精准剥层、空洞化、BCG、Augury、Sierra、Cursor、SpaceX、蒸馏、DeepSeek、Kimi、ChatGPT、Anthropic、Claude、OpenAI、Nvidia、BlackRock、Aladdin、Mayo Clinic、混合专家架构、AI Agent、SaaS、Beyond Crypto 加入我们的听众群,和同频的人一起追踪加密世界的每一个关键时刻。 主播: Vivienne (Twitter @Vivienne_smile) Zhiyang (Twitter @zhiyangxyz) Twitter:@0x_cryptoria 小助手微信:trifoliumlabs Cryptoria研究杂志:https://substack.com/@azimuthmagazine 免责声明: 所有观点纯属主播个人意见仅供分享,不构成任何投资建议。加密货币投资风险巨大,在做出任何投资决定前,请先做好充分调查并咨询相关专业人士




