本文來自微信公眾號： 經(jīng)濟(jì)觀察報(bào)觀察家 ，作者：經(jīng)觀觀察家，題圖來自：視覺中國

6月24日，“免費(fèi)午餐”終于還是被端走了。字節(jié)跳動(dòng)旗下的國民級AI產(chǎn)品豆包正式宣布上線專業(yè)版，傳聞已久的收費(fèi)方案塵埃落定：在保留免費(fèi)基礎(chǔ)版本的同時(shí)，推出68元、200元、500元三檔階梯式月度套餐。

輿論場上出現(xiàn)了兩種對立觀點(diǎn)：一些人認(rèn)為，頭部AI平臺先通過免費(fèi)獲取大批用戶，然后再收費(fèi)，是互聯(lián)網(wǎng)行業(yè)新一輪的收割；另一些人則認(rèn)為，為服務(wù)付費(fèi)是商業(yè)社會的天經(jīng)地義，AI平臺選擇收費(fèi)，是擺脫行業(yè)內(nèi)卷、維持行業(yè)健康發(fā)展的必然選擇。

值得注意的是，在歐美地區(qū)，關(guān)于AI是否應(yīng)該收費(fèi)的爭論似乎很少。OpenAI在推出ChatGPT后僅兩個(gè)月，就推出了每月20美元的ChatGPTPlus訂閱服務(wù)，后來又追加了每月200美元的ChatGPTPro。Anthropic也先后推出每月20美元的ClaudePro和每月200美元的ClaudeMax。通過對比不難看到，ChatGPT和Claude的收費(fèi)額度都遠(yuǎn)高于豆包，但網(wǎng)上似乎很少出現(xiàn)關(guān)于這些產(chǎn)品是否應(yīng)該收費(fèi)的類似爭議。

從“免費(fèi)”到收費(fèi)

在討論開始前，我們首先需要明確一個(gè)事實(shí)：討論AI服務(wù)是否應(yīng)該收費(fèi)，本身其實(shí)就是一個(gè)偽命題。所謂“天下沒有免費(fèi)的午餐”，所有商品只要被放在市場上，終究都要以某種方式收費(fèi)。問題的關(guān)鍵，是這種收費(fèi)到底通過怎樣的方式實(shí)現(xiàn)，商品的費(fèi)用究竟由誰承擔(dān)。

在互聯(lián)網(wǎng)時(shí)代，我們似乎享受了很多免費(fèi)的商品。比如，我們用微信、刷抖音，但卻從來沒有為它們付過錢。但稍加分析就會發(fā)現(xiàn)，這種免費(fèi)并非真的無人為產(chǎn)品付費(fèi)，而是讓付費(fèi)主體從直接用戶轉(zhuǎn)移給了其他人。像微信、抖音這樣的應(yīng)用，本質(zhì)上是平臺，既可以連接人，也可以連接人和產(chǎn)品。通過算法，平臺可以向用戶推送定向廣告，推薦相關(guān)產(chǎn)品，并從商戶那里獲得廣告收入。從這個(gè)意義上講，平臺并沒有提供免費(fèi)服務(wù)，它只是用相關(guān)服務(wù)換取用戶注意力，再將注意力貨幣化。

在過去很多年里，上述交叉補(bǔ)貼模式一直是互聯(lián)網(wǎng)企業(yè)最重要的營利模式。尤其是在我國，平臺模式的發(fā)達(dá)程度遠(yuǎn)勝于歐美，所以很多人都已經(jīng)對“免費(fèi)”習(xí)以為常。那么，這種模式是否可以直接照搬到AI服務(wù)上呢？

事實(shí)上，不少企業(yè)也曾嘗試過這個(gè)模式，典型例子是微軟。幾年前，微軟曾一度想將內(nèi)置了GPT-4能力的BingChat，也就是后來的Copilot，免費(fèi)、無限制地內(nèi)置在Windows系統(tǒng)、Edge瀏覽器和必應(yīng)搜索中。它當(dāng)時(shí)的計(jì)劃是：用免費(fèi)的AI吸引用戶使用必應(yīng)，以此搶占谷歌的搜索廣告份額，再通過廣告收入和Windows生態(tài)補(bǔ)貼AI算力。然而，這個(gè)計(jì)劃很快失敗了。免費(fèi)確實(shí)吸引了一部分用戶，但沒有帶來預(yù)期收益。根據(jù)后來的媒體披露，微軟在免費(fèi)用戶身上平均每人每月要虧損超過20美元，部分重度用戶每人每月帶來的虧損甚至超過80美元。面對巨大虧損，微軟不得不不斷加強(qiáng)對免費(fèi)版BingChat的限制，并將更多營銷資源放到實(shí)行訂閱制的CopilotPro上。

交叉補(bǔ)貼模式之所以難以適用于AI，是由AI產(chǎn)品的特征決定的。

一方面，從供給側(cè)看，AI產(chǎn)品具有邊際成本較高且難以趨近于零的特性。傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)品最大的優(yōu)勢是邊際成本趨近于零。無論是服務(wù)器存儲，還是信息分發(fā)的成本，都可以被海量用戶無限攤薄，因而多新增一個(gè)用戶所產(chǎn)生的額外資源消耗相對有限，反而會讓產(chǎn)品平均成本變得更低。而AI產(chǎn)品完全不同，每一次對話交互、文檔解析、圖片生成、視頻制作、邏輯推理，都會實(shí)時(shí)占用高性能GPU算力資源，機(jī)房供電、硬件散熱、芯片折舊和帶寬運(yùn)維也會產(chǎn)生持續(xù)且剛性的費(fèi)用。在這種情況下，AI企業(yè)的用戶越多，成本壓力就會越大。

另一方面，從需求側(cè)看，AI產(chǎn)品也很難植入廣告等盈利服務(wù)。社交軟件、電商平臺、短視頻平臺要植入廣告，或者調(diào)節(jié)產(chǎn)品可見程度，都是相對容易的。這就給相關(guān)企業(yè)獲得收入創(chuàng)造了條件，而AI產(chǎn)品則不具備這樣的條件。在使用AI時(shí)，用戶對回復(fù)要求很高，尤其是高價(jià)值用戶，更會苛求準(zhǔn)確性。一旦AI插入廣告，或者其他與用戶要求無關(guān)的誘導(dǎo)性信息，用戶評價(jià)就會大幅降低。這種特性，幾乎把交叉補(bǔ)貼最重要的實(shí)現(xiàn)渠道直接堵死了。

在上述兩方面特征之下，交叉補(bǔ)貼這種在過去互聯(lián)網(wǎng)產(chǎn)品中被證明有效的模式，就很難被簡單克隆到AI產(chǎn)品上。因而，將收費(fèi)從間接轉(zhuǎn)向直接，就成為AI企業(yè)的必然選擇。

為什么用戶愿意付費(fèi)？

現(xiàn)在，我們已經(jīng)知道了AI企業(yè)為什么要放棄“免費(fèi)”加交叉補(bǔ)貼的傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)品模式。接下來的問題是：究竟什么樣的AI產(chǎn)品才可以讓用戶愿意付錢。

在AI市場上，一個(gè)十分引人注目的現(xiàn)象是：不同AI產(chǎn)品的價(jià)格差距十分驚人。比如，以O(shè)penAI較新的GPT-5.4模型為例，其API調(diào)用價(jià)為每100萬詞元（Token）的輸入和輸出價(jià)格分別為2.5美元和15美元，Anthropic的ClaudeOpus-4.7模型則分別高達(dá)5美元和25美元，兩家公司的頂尖模型定價(jià)則更高。但用戶對這兩家企業(yè)的產(chǎn)品依然趨之若鶩，尤其是Claude，其客服支持向來被用戶抱怨不夠友好，賬號封禁也時(shí)常引發(fā)爭議，但用戶卻依然愿意為它買單。相比之下，很多AI競品的價(jià)格只有它們的十幾分之一，用戶卻絲毫不愿意買賬。這看起來十分奇怪。因?yàn)閺母黝愒u測看，這些AI產(chǎn)品和GPT、Claude這些頂尖模型確實(shí)存在差距，但從數(shù)值上看，這個(gè)差距大概也就5%-10%，似乎并不算太大。

為什么5%～10%的性能差異，會導(dǎo)致價(jià)格上十幾倍的差別呢？根本原因在于，人們對AI產(chǎn)品的評價(jià)與所謂的AI性能數(shù)字之間，并不是簡單的線性關(guān)系。人們是否愿意為一個(gè)AI產(chǎn)品買單，主要取決于AI產(chǎn)生的價(jià)值是否大到足以改變他們的生產(chǎn)和生活方式。為了后面討論方便，我把足以導(dǎo)致類似改變的價(jià)值稱為“方向性價(jià)值”（DirectionalValue）。有時(shí)候，兩款A(yù)I產(chǎn)品性能似乎相差很小，但如果這個(gè)差距恰好決定了方向性價(jià)值的有無，那么人們對它們的評價(jià)就會截然不同。

圖像識別領(lǐng)域的例子可以說明這一點(diǎn)。2012年，辛頓（GeoffreyHinton）團(tuán)隊(duì)的AlexNet模型以84.7%的識別成功率斬獲ImageNet圖像識別大賽冠軍。相比于2011年大賽冠軍74.3%的準(zhǔn)確率，AlexNet也只不過高了十個(gè)百分點(diǎn)。然而，就是這十個(gè)百分點(diǎn)，讓兩個(gè)模型的命運(yùn)天差地別：2011年的冠軍XRCE系統(tǒng)至今已幾乎無人知曉，而AlexNet卻向人們證明了深度學(xué)習(xí)算法的價(jià)值，最終掀起“深度學(xué)習(xí)革命”。在現(xiàn)實(shí)中，很多圖像識別任務(wù)的準(zhǔn)確率要求就在80%左右。比如在行人檢測、商品識別、內(nèi)容審核等任務(wù)中，如果AI識別的準(zhǔn)確率超過80%，就可以具有實(shí)用價(jià)值，客戶就愿意用它們替代部分人工工作。從這個(gè)意義上講，辛頓團(tuán)隊(duì)表面上不過提升了10個(gè)百分點(diǎn)的準(zhǔn)確率，但從根本上看，它是讓AI從不可實(shí)用變成了可以實(shí)用，其“方向性價(jià)值”是不可估量的。

明白了這一點(diǎn)，我們就不難理解人們對不同AI產(chǎn)品在支付意愿上的差別了。雖然從評測數(shù)字上看，Claude、GPT這樣的頂尖AI產(chǎn)品只是比一般AI產(chǎn)品好了那么“一點(diǎn)點(diǎn)”，但可能就是這么“一點(diǎn)點(diǎn)”，讓前者具有了“方向性價(jià)值”，讓用戶愿意為它們付費(fèi)。

這里需要指出的是，人們使用AI產(chǎn)品的目的是不同的，比如有的是為了編程，有的是為了生成圖片。而由于資源限制，一個(gè)AI產(chǎn)品不可能同時(shí)在所有性能上都領(lǐng)先。那么，AI企業(yè)究竟是應(yīng)該平衡發(fā)展所有能力，還是盡可能把資源用于發(fā)展某一項(xiàng)特定能力呢？根據(jù)“方向性價(jià)值”理論，后一種策略可能更優(yōu)。所謂“傷其十指不如斷其一指”，在資源有限的情況下，如果平均發(fā)展各種能力，最終很可能是每一項(xiàng)能力都比對手差“一點(diǎn)點(diǎn)”，不能形成“方向性價(jià)值”。在免費(fèi)的情況下，用戶可能愿意使用它們，但一旦收費(fèi)，則可能一棄了之。相比之下，將資源押注某一個(gè)方向，更容易確保在這個(gè)方向上形成“方向性價(jià)值”?，F(xiàn)實(shí)中，Anthropic投入主要資源專攻Claude的編程能力，OpenAI集中大量資源降低GPT的幻覺率，其原因就在于此。

AI收費(fèi)的各種方式

在討論完用戶愿意為AI付費(fèi)的必要條件后，我們繼續(xù)來看AI企業(yè)可以用哪些方法實(shí)現(xiàn)收費(fèi)。從總體上看，目前行業(yè)內(nèi)的AI收費(fèi)方案主要有如下幾種：

第一種是買斷制。顧名思義，這種收費(fèi)方式就是將AI產(chǎn)品直接作為商品，一次性出售給用戶。購買之后，用戶將永久獲得模型使用權(quán)，部署在本地使用，企業(yè)不會對其后續(xù)使用額外收費(fèi)。

買斷制源自軟件行業(yè)的付費(fèi)傳統(tǒng)，是AI行業(yè)最早出現(xiàn)的收費(fèi)方式，主要針對需要本地部署、需求固定、迭代緩慢的企業(yè)與機(jī)構(gòu)，例如傳統(tǒng)制造業(yè)、涉密單位、線下嵌入式智能設(shè)備廠商等。這種模式的優(yōu)勢十分明顯：只需要一次性付費(fèi)，交易便捷，產(chǎn)權(quán)清晰。由于數(shù)據(jù)都在本地運(yùn)行，所以安全性也更有保證。

不過，隨著行業(yè)發(fā)展，買斷制的弊端也逐漸顯露。AI行業(yè)升級迭代十分迅速。對用戶而言，一次性買斷AI產(chǎn)品的使用權(quán)，不僅費(fèi)用高昂，而且會限制他們及時(shí)使用更新、更好的模型。而從AI供應(yīng)商的角度看，在銷售AI產(chǎn)品之后，他們往往還需要持續(xù)提供售后服務(wù)。如果用戶采用一次性付費(fèi)，這些后續(xù)服務(wù)成本就會成為沉重負(fù)擔(dān)。在這樣的情況下，將AI作為商品，通過一次性買斷進(jìn)行銷售的模式開始淡出市場。與之對應(yīng)的，把AI作為一種服務(wù)搬到云端的AIaaS模式則開始成為主流。

比如，特斯拉的自動(dòng)駕駛系統(tǒng)FSD最早就實(shí)行過買斷制，但后續(xù)實(shí)踐證明，這種付費(fèi)模式并不適應(yīng)行業(yè)發(fā)展，因而不久之后就改為了訂閱制。

第二種是訂閱制。這種模式是隨著AIaaS出現(xiàn)的，目前是C端市場最主流的收費(fèi)方式，其目標(biāo)群體主要是高頻個(gè)人用戶、辦公從業(yè)者、自媒體、固定用量使用者。在這種模式之下，用戶按月度或年度繳納固定費(fèi)用，并獲得固定額度、算力和特定功能的使用權(quán)限。

訂閱制的優(yōu)勢十分明顯：預(yù)算透明、費(fèi)用穩(wěn)定、平臺現(xiàn)金流連續(xù)穩(wěn)定，用戶無需擔(dān)心突發(fā)扣費(fèi)。不過，訂閱制的短板也很突出：套餐額度和算力是固定的，而用戶實(shí)際需求千差萬別，這就導(dǎo)致供應(yīng)量和使用量之間天然存在矛盾。低頻用戶使用過少，所以性價(jià)比很低；高頻用戶則容易觸達(dá)額度上限，導(dǎo)致額度耗盡后算力被強(qiáng)制限流，模型質(zhì)量斷崖式下滑。從這個(gè)角度看，訂閱制其實(shí)只適合使用頻率穩(wěn)定、需求波動(dòng)不大的普通生產(chǎn)力人群。

第三種是按調(diào)用收費(fèi)。這種模式也誕生于AIaaS階段，主要針對低頻開發(fā)者、小型創(chuàng)業(yè)團(tuán)隊(duì)、簡易工具類服務(wù)商。在這種模式下，平臺以單次接口調(diào)用為計(jì)費(fèi)標(biāo)準(zhǔn)，無論AI輸出質(zhì)量高低、任務(wù)是否成功，均統(tǒng)一扣費(fèi)。該模式最大優(yōu)勢是規(guī)則簡單、收益穩(wěn)健、風(fēng)險(xiǎn)較低。不過，其缺點(diǎn)也明顯：它無法區(qū)分高低價(jià)值用戶，高難度專業(yè)任務(wù)與簡單閑聊扣費(fèi)一致，導(dǎo)致收費(fèi)與其所產(chǎn)生的價(jià)值脫節(jié)，算力資源浪費(fèi)嚴(yán)重。由于這些缺點(diǎn)，該收費(fèi)模式的應(yīng)用場景日益減少，只有在某些標(biāo)準(zhǔn)化場景仍在使用。

第四種是按流量計(jì)費(fèi)。顧名思義，這種收費(fèi)模式就是將AI看作水、電一樣的產(chǎn)品，在精細(xì)化流量使用的基礎(chǔ)上收費(fèi)。目前，這種模式是B端最流行的收費(fèi)方式之一，被廣泛用于專業(yè)開發(fā)者、技術(shù)團(tuán)隊(duì)和大中型企業(yè)。

在現(xiàn)實(shí)中，流量的計(jì)費(fèi)方式有很多。比如，使用時(shí)長、浮點(diǎn)數(shù)等，都曾經(jīng)被作為計(jì)費(fèi)單位。但目前更普遍使用的計(jì)費(fèi)單位是詞元。所謂詞元，是AI大模型處理的最小單位。AI大模型在處理一句話時(shí)，總是會先把它拆成幾個(gè)詞。比如，它在處理“我喜歡吃炸雞”時(shí)，就可能把它拆成“我”“喜歡”“吃”“炸雞”，這里的每一個(gè)詞就是一個(gè)詞元。詞元與漢字或者英文單詞之間很難形成一一對應(yīng)關(guān)系。平均而言，1個(gè)詞元大致相當(dāng)于2～4個(gè)漢字，或者0.75～1個(gè)英文單詞。

按流量計(jì)費(fèi)的優(yōu)勢十分顯著：它計(jì)費(fèi)公平，能依據(jù)模型參數(shù)、文本長度、多模態(tài)難度動(dòng)態(tài)調(diào)價(jià)，從而有效應(yīng)對需求的高波動(dòng)，保證資源高效利用。正是這些特征，讓它非常適合“養(yǎng)龍蝦”、氛圍編程等使用量較大、使用強(qiáng)度波動(dòng)較高的應(yīng)用場景。至于其缺點(diǎn)，主要是計(jì)費(fèi)邏輯較為晦澀，普通用戶難以看懂，容易出現(xiàn)突發(fā)性高額賬單。比如，在不久前的“龍蝦熱”中，就有一些用戶因?yàn)闆]有控制好龍蝦的詞元調(diào)用量，收到了異常高額賬單。

第五種是按成效收費(fèi)（OBP）。相比于前面的收費(fèi)模式，這種收費(fèi)模式最貼近價(jià)值邏輯。在這種收費(fèi)模式下，平臺不收取基礎(chǔ)費(fèi)用，僅在AI完成有效任務(wù)、達(dá)成商業(yè)成效后扣費(fèi)。雖然這種模式目前還比較新穎，但已經(jīng)在不少結(jié)果可量化、商業(yè)轉(zhuǎn)化明確的垂直行業(yè)，如智能客服、電商營銷、醫(yī)療輔助診斷、金融風(fēng)控中得到使用。比如，客服AI企業(yè)IntercomFin按照有效結(jié)案收費(fèi)，單次成功工單0.99美元。

對于用戶而言，這種模式非常有吸引力，因?yàn)樗梢宰屗麄冇行б?guī)避使用失敗的風(fēng)險(xiǎn)。但對于AI提供商來說，這意味著更高的責(zé)任負(fù)擔(dān)和更大的收益波動(dòng)。這個(gè)特征決定了，只有那些對自己的產(chǎn)品非常有信心的AI提供商，才敢于采用這種收費(fèi)模式。

我們不難看到，收費(fèi)模式其實(shí)是伴隨著產(chǎn)業(yè)實(shí)踐的發(fā)展而不斷演進(jìn)的。起初，AI產(chǎn)品主要以軟件形式售賣，因而買斷制就是最流行的收費(fèi)方式。此后，隨著云計(jì)算普及，AIaaS成為主流，由此演化出了按調(diào)用計(jì)費(fèi)、按流量計(jì)費(fèi)等模式。而在生成式AI出現(xiàn)之后，AI輸出結(jié)果的隨機(jī)性增大，為了滿足用戶對成功率的要求，又誕生了按成效收費(fèi)的模式?？梢灶A(yù)見，隨著行業(yè)發(fā)展，還會出現(xiàn)各種新的收費(fèi)模式。比如，雖然傳統(tǒng)互聯(lián)網(wǎng)廣告模式很難簡單照搬到AI產(chǎn)品上，但很多AI供應(yīng)商依然在積極探索將廣告與AI服務(wù)結(jié)合的方法。例如OpenAI已經(jīng)開始推進(jìn)ChatGPT廣告試點(diǎn)，并推出自助廣告管理器、CPC競價(jià)和效果衡量工具。如果這一嘗試成功，交叉補(bǔ)貼模式就可能在AI時(shí)代以新的形態(tài)得到重生。

AI收費(fèi)的三組權(quán)衡

需要指出的是，無論AI供應(yīng)商采取哪一種收費(fèi)模式，他們在具體操作中都需要進(jìn)行一系列權(quán)衡。

第一個(gè)權(quán)衡，是價(jià)格與銷量之間的權(quán)衡。需求定律告訴我們，在其他條件不變時(shí)，用戶對商品的需求通常會隨商品價(jià)格上升而下降。因而，供應(yīng)商出于利潤最大化的考慮，就必須選擇合適的價(jià)格水平，在銷量和單位利潤之間取得平衡。

在AI行業(yè)，類似矛盾也依然存在。單價(jià)下調(diào)固然能夠降低用戶準(zhǔn)入門檻，提升使用頻次，但低廉單價(jià)會直接壓縮企業(yè)毛利；而定價(jià)過高雖然能抬高單筆收益，卻會抑制用戶使用意愿，造成算力資源閑置、流量萎縮。因此，究竟應(yīng)該為AI服務(wù)設(shè)定怎樣的單價(jià)，就成了擺在AI供應(yīng)商面前的一大難題。

破解這個(gè)問題的關(guān)鍵，是搞清楚自身AI產(chǎn)品的“彈性”（elasticity），并以此為基礎(chǔ)定價(jià)。所謂“彈性”，指的是一種商品需求量對價(jià)格變化的敏感程度。比如，如果一種商品的價(jià)格下降10%，對應(yīng)需求上升20%，那么這種商品的彈性就是2。當(dāng)一種商品的價(jià)格彈性大于1時(shí)，該商品被稱為高彈性商品，此時(shí)降價(jià)造成的需求量擴(kuò)張幅度大于單位利潤下降幅度，供應(yīng)商就可以通過降價(jià)獲利；而當(dāng)價(jià)格彈性小于1時(shí)，該商品被稱為低彈性商品，此時(shí)降價(jià)造成的需求量擴(kuò)張幅度會小于單位利潤下降幅度，降價(jià)不但不會增加收益，反而會越降越虧。

AI服務(wù)究竟是高彈性的，還是低彈性的呢？在現(xiàn)有敘事中，它經(jīng)常被描述為高彈性商品。很多人還將“杰文斯效應(yīng)”（Jevons Effect）套用在AI上，認(rèn)為就像19世紀(jì)煤價(jià)降低催生了人們使用更多的煤，導(dǎo)致煤的總銷售量大幅上升一樣，AI價(jià)格下降也會吸引更多人使用AI，導(dǎo)致AI服務(wù)總銷量上升。在這種敘事之下，很多AI供應(yīng)商都全力開啟了低價(jià)模式，試圖通過薄利多銷獲得更高收入。

但AI服務(wù)究竟是不是真的具有高彈性呢？從宏觀層面看，這或許是對的，但具體到微觀層面，至少到目前，可以支持這一判斷的證據(jù)還很少。不久之前，麻省理工學(xué)院的梅爾特·德米雷爾（Mert Demirer）教授等人曾使用Open Router和Microsoft Azure這兩個(gè)大型AIaaS市場的數(shù)據(jù)，對AI模型的需求彈性進(jìn)行了測算。其公開摘要顯示，研究估算出的初步短期價(jià)格彈性約在1附近，這意味著杰文斯效應(yīng)的發(fā)揮空間可能有限。對于具體的AI產(chǎn)品而言，它們的彈性可能并沒有想象中那么高，因此“卷”價(jià)格很可能不會讓AI供應(yīng)商的收入增加，反而會讓其虧損。這有可能反過來壓縮研發(fā)投資，讓模型難以產(chǎn)生足以吸引用戶付費(fèi)的“方向性價(jià)值”，最終導(dǎo)致惡性循環(huán)。從這個(gè)角度看，如果AI供應(yīng)商對于自己產(chǎn)品的吸引力沒有足夠信心，低價(jià)策略恐怕還是要謹(jǐn)慎使用。

第二個(gè)權(quán)衡，是免費(fèi)與付費(fèi)的權(quán)衡。不同于傳統(tǒng)實(shí)體商品，AI服務(wù)是高度體驗(yàn)化的。它的價(jià)值無法肉眼感知，用戶對其的評價(jià)，以及對其的付費(fèi)意愿，都高度依賴個(gè)人使用經(jīng)驗(yàn)。這種特性讓免費(fèi)與付費(fèi)的邊界劃分，成為企業(yè)最難把控的博弈難點(diǎn)。

市場上有一個(gè)很有趣的現(xiàn)象：完全沒有使用經(jīng)驗(yàn)的新手用戶，對AI能力仍處于模糊判斷狀態(tài)，往往主觀高估人工智能的智能化水平，對服務(wù)抱有理想化預(yù)期，愿意為未知價(jià)值支付較高費(fèi)用。出于FOMO，即“害怕錯(cuò)過”的心態(tài)，他們經(jīng)常會花費(fèi)大價(jià)錢搶先體驗(yàn)AI產(chǎn)品，或者報(bào)名學(xué)習(xí)相關(guān)課程。而對于那些使用頻次高、經(jīng)驗(yàn)豐富的熟手用戶，他們反而會清晰認(rèn)知AI存在幻覺、邏輯漏洞、能力上限等缺陷，從而產(chǎn)生“AI并無特殊價(jià)值”的主觀判斷，導(dǎo)致付費(fèi)意愿下滑。

這種特殊的用戶心理，讓免費(fèi)模式陷入雙向矛盾。免費(fèi)版本的初衷是降低試用門檻、擴(kuò)大潛在用戶體量、培養(yǎng)他們的使用和付費(fèi)習(xí)慣，但對于AI服務(wù)，如果過分?jǐn)U大免費(fèi)版本覆蓋面，反而可能事與愿違。新手用戶通過免費(fèi)版快速體驗(yàn)后，常會發(fā)現(xiàn)AI達(dá)不到心理預(yù)期，預(yù)期落差導(dǎo)致付費(fèi)意愿斷崖式下跌；而資深用戶通過長期免費(fèi)使用，熟悉產(chǎn)品短板，也可能更加不愿為瑕疵服務(wù)買單。與此同時(shí)，免費(fèi)邊界過寬，會造成大量低質(zhì)量流量擠占算力，同時(shí)弱化付費(fèi)功能稀缺性。因此，企業(yè)在制定付費(fèi)策略時(shí)，必須平衡好免費(fèi)和付費(fèi)的邊界，用“留白”來吸引用戶。具體來說，對于大模型，免費(fèi)版應(yīng)僅保留基礎(chǔ)娛樂、簡易問答功能，限制長文本、高推理、多模態(tài)等高價(jià)值能力，通過能力差異制造價(jià)值感知。唯有如此，才既能保障新手入門體驗(yàn)，又能避免熟手過度白嫖，在普惠引流與商業(yè)轉(zhuǎn)化之間尋找平衡。

第三個(gè)權(quán)衡，是不同版本之間的權(quán)衡。現(xiàn)實(shí)中，為了盡可能將不同用戶的支付意愿轉(zhuǎn)化為收入，多數(shù)AI供應(yīng)商在收費(fèi)時(shí)都會采取“版本化”（versioning）策略。在這種策略下，供應(yīng)商會向用戶提供不同版本的產(chǎn)品，不同版本之間存在明顯優(yōu)劣之分。比如，OpenAI就把ChatGPT分為免費(fèi)版、Go版、Plus版、Pro版、商用版和企業(yè)版，每個(gè)版本可使用的功能和使用限額都存在明顯差別，定價(jià)差別也很大。從產(chǎn)業(yè)經(jīng)濟(jì)學(xué)的角度看，這種策略其實(shí)就是一種縱向差異化。

需要指出的是，在實(shí)踐當(dāng)中，版本化策略存在一個(gè)內(nèi)在矛盾：如果將層級之間的差距設(shè)計(jì)得過小，高階用戶會選擇低價(jià)套餐套利，造成高端收益流失，形成所謂的“蠶食效應(yīng)”（cannibalization）。而如果將層級之間的差距設(shè)計(jì)得過大，就可能導(dǎo)致中間層級用戶無法升級，產(chǎn)品銷量斷層。

為了應(yīng)對這一矛盾，AI供應(yīng)商應(yīng)秉承“強(qiáng)隔離、緩梯度”的思路。一方面，他們應(yīng)該在算力優(yōu)先級、功能權(quán)限、服務(wù)協(xié)議、商用資質(zhì)上設(shè)置硬性壁壘，保證不同版本之間形成清晰區(qū)隔，從根源防止蠶食效應(yīng)。例如豆包、ChatGPT嚴(yán)格區(qū)分普通算力與專屬算力，免費(fèi)用戶會在高峰期卡頓限流，付費(fèi)用戶則有獨(dú)享加速通道，在技術(shù)層面拉開服務(wù)差距。另一方面，他們還需要弱化層級之間的價(jià)格鴻溝，設(shè)置相對平緩的價(jià)格梯度，避免價(jià)格斷層阻礙用戶升級。不過，在此基礎(chǔ)之上，AI供應(yīng)商還應(yīng)該如何具體設(shè)計(jì)每一版本的服務(wù)和價(jià)格組合，依然是一個(gè)“藝術(shù)”問題，需要視具體情況進(jìn)行權(quán)衡。

結(jié)語

成功讓用戶為自己的產(chǎn)品付費(fèi)，是打通商業(yè)閉環(huán)的關(guān)鍵一步，更是行業(yè)從野蠻擴(kuò)張走向理性成熟的成人禮?；ヂ?lián)網(wǎng)時(shí)代以免費(fèi)為底色，靠流量與廣告完成價(jià)值循環(huán)；而步入智能時(shí)代，高昂算力成本與邊際成本難以趨近于零的特性，決定了直接付費(fèi)必將回歸主流。只有讀懂收費(fèi)模式變化背后的邏輯，我們才有可能真正洞悉AI行業(yè)的本質(zhì)，把握智能時(shí)代的發(fā)展大勢。