萬國數據籌錢加速擴張 但投資者不領情

海外AI靠訂閱與API收費，中國廠商則更多靠雲平台、項目制與算力消耗變現，兩套商業體系正加速分化    頭豹研究院 在全球AI大模型商業化加速背景下，海內外市場在調用結構、競爭格局與價值分配方式上，已形成系統性分化。海外市場以成熟訂閱制與API直接付費為主線，中國市場則以企業調用、平台承接與免費低價獲客為主要形態。這一差異來自開源與閉源路徑選擇，並受政策、供給集中度與付費文化共同影響，短期內難以逆轉。 海外市場以ChatGPT約7億周活躍用戶為基礎，向企業API及開發者訂閱延伸，形成從個人到企業的完整付費梯度，模型原廠對調用規模的貨幣化覆蓋率較高。中國市場則呈現兩極化：豆包、騰訊元寶等消費端產品多採免費模式，個人用戶直接商業價值有限；可計費Token消耗主要集中於企業側，並多經由雲廠商平台承接，部分實際消耗未必直接回流模型原廠。 場景價值密度差異，是訂閱制在中國市場難以成形的重要原因。海外主流場景集中於代碼生成、專業分析等高Token消耗知識工作，單次調用可創造較高商業價值，足以支撐標準化計費。中國大規模落地場景則多為客服問答、營銷文案、文檔處理等效率型應用，單次任務上下文較短、輸出結構固定，Token消耗密度與客單價均偏低，令訂閱制缺乏足夠的單次調用價值支撐。 開源與閉源路徑進一步改變了付費結構。閉源模式下，模型權重不可取得，所有調用都須經授權計費節點，Token消耗可回流原廠，原廠也能直接累積客戶數據與續約談判能力。開源模式則使企業可下載權重、自行部署，私有化部署產生的算力消耗由雲廠商或企業承接，原廠可計費節點主要限於雲端托管推理，客戶關係沉澱於平台層及集成商層，項目制交付成為主要付費形態。 在中國市場，政策、供給集中度、採購邏輯與付費文化四重因素，共同固化了項目制。金融、政務、醫療等高價值客戶因數據安全要求更偏好私有化部署；多個高質量開源模型並存，能力差距收窄，定價權向採購方轉移；移動互聯網時代形成的免費預期，加上廠商低價競爭，壓低用戶付費意願；企業預算又多按項目立項審批，訂閱制持續支出適配性較差，定制化項目反而更容易落地。 海外市場則因算力、雲與模型三重壁壘上升，形成戰略聯盟模式。數據中心建設周期長，英偉達GPU使算力成為稀缺資源，AWS、Azure、GCP合計佔據全球超過60%雲市場份額，前沿模型訓練成本亦持續攀升。單一廠商難以完成垂直整合，因此OpenAI、微軟、英偉達等結盟，分別掌握模型能力、雲基礎設施、企業渠道與GPU生態，形成全鏈條協同。 這類聯盟也在資源、渠道與定價上擠壓平台層空間。聯盟內部優先分配算力，外部平台面臨成本及時間劣勢；模型能力嵌入雲平台、辦公軟件及企業服務，成為企業客戶的默認入口；算力、模型與雲服務捆綁定價，也使獨立平台難以複製其成本優勢。平台層生存空間因而逐步從模型接入，轉向治理、編排、安全合規等高附加值能力。 雲端才是收費口 對中國主流廠商而言，模型收入本質上更多是基礎設施消耗的變現。開放權重降低接入門檻，帶動更多開發者和企業進入調用、微調及部署鏈條；用戶規模擴大後，推理、訓練、存儲和網絡消耗集中於雲平台資源池，收入主要由基礎設施層承接。阿里雲百煉平台即是典型例子，其集成通義千問、GLM、MiniMax、DeepSeek等模型，按輸入及輸出Token計費，收入涵蓋模型能力、推理算力、數據存儲、網絡訪問與平台調度，並非單一模型能力收入。 開源大模型可以產生收入，但在當前結構下，難以單靠模型能力本身維持可持續正毛利。API、私有化部署、商業授權和微調是主要商業路徑，但托管推理API定價權被低價供給及雲廠商補貼壓縮；商業授權並非中國開源模型主流收入來源；私有化部署毛利相對較好，但窗口期正在收窄；微調與訓練服務毛利較差，且客戶自建能力上升。因此，權重開放更像獲客與生態擴散工具，付費點正外移至穩定調用、專屬部署與行業項目交付。 未來競爭將轉向「模型能力×基礎設施承載力」的系統競爭。模型能力仍決定複雜推理、代碼、多模態等任務上限，也影響開發者試用意願及產品溢價；但開源生態會壓縮通用任務上的能力差距，企業完成初始選型後，續約與擴容更看重服務穩定性、單位調用成本、響應延遲、系統接入能力、合規與長期供給保障。模型能力是入場券，但未必是長期護城河。 相較之下，基礎設施承載力在推理成本、高併發、網絡調度、算力供給、低延遲與穩定性等方面形成的壁壘，需要數年時間與數百億資本投入，難以被快速追趕。中國Token價格戰已提前顯示這一趨勢：當單價持續下壓，競爭焦點將從模型能力轉向推理成本與規模效率，具備自研芯片及大規模算力儲備的廠商，將更容易形成結構性成本優勢。 頭豹研究院中國是行企研究原創內容平台和創新的數字化研究服務提供商，擁有近百名資深分析師，聯繫方式：CS@leadleo.com 本文內容純屬作者個人意見，不代表咏竹坊立場 欲訂閱咏竹坊每周免費通訊，請點擊這裏