补贴退潮之后：三个月前我写的算力估值模型，如何被验证

01. 补贴退潮之后：三个月前我写的算力估值模型，如何被一纸公告验证

02. 事情是这样的：一堆公告撕开了补贴的面纱

2026年4月，国内各大AI编码平台不约而同地干了一件事——下架Coding Plan月费套餐。

之前你花39块或99块，就能买到一个看起来像”无限使用”的Coding Plan。现在没了。取而代之的是按token计费，而且价格普遍更贵。

评论区理所当然炸了。“杀猪盘”、“卸磨杀驴”、“平台变了”。

但如果你懂这件事背后的经济结构，你会得出一个比骂平台更让人不爽的结论：

平台没有”变”。它从一开始就是撑不住的。

只不过，补贴的潮水退了，裸泳的人终于不得不从水里爬出来。

这场”潮水退去”，我在三个月前的文章里就已经逐条推演过。

文章的核心论点只有一句话： Token的成本是有物理约束的，所以AI公司不应该复用SaaS公司的估值模型。

当时有人同意，有人反对，觉得”算法优化会解决一切”。现在，此起彼伏的套餐下架替我们做了背书。

03. 复盘三个月前的推演

2026年2月，我在公众号发了一篇，有兴趣的可以点击：《AI估值新锚点：算力成本的物理约束》。

那篇文章的手绘对比图大概是这么个意思：

SaaS的世界，固定成本写好代码之后，复制100份和复制1份的成本几乎一样。这就是”边际成本趋向于零”的神话，也是过去二十年SaaS行业P/S（市销率）估值的基础。

AI的世界完全不同。每一次调用，都需要实打实地消耗GPU算力、电力、和数据中心资源。成本结构从”固定为主”变成了”准可变+可变”。

当时我提了几个核心论点：

第一，边际成本是刚性的。 AI服务的成本公式是 固定成本 + (单次推理成本 × 请求数量)。用量翻10倍，成本就翻10倍。不存在SaaS那种”用户增长但成本不变”的美事。

第二，毛利率有结构性天花板。 因为算力成本由NVIDIA和云厂商说了算，再加上开源模型持续压价，AI公司的毛利率可能长期被压在50%-60%，远低于SaaS的80%+。

第三，技术通缩是双刃剑。 有人反驳说算法优化会让推理成本每年下降90%。但历史告诉我们：云计算成本持续下降了十几年，云厂商的毛利率并没有因此飙升。因为价格战会吃掉通缩的红利。 只有当成本下降速度大于价格下降速度时，利润才会扩大。 这条在当时是预判，现在已经有了答案。

第四，AI公司的估值锚点应该从P/S转向EV/EBITDA和ROIC。 用SaaS的市销率倍数去套AI公司，会系统性高估后者。

这些论点在当时都是”理论推导”。三个月后，物理规律用最简单粗暴的下架套餐的形式，逐条盖了章。

04. 物理规律不会说谎：估值预测的逐项验证

4.1 “边际成本刚性”——Agent模式让这句话成了现实

三个月前我说”每次调用都要消耗真实物理资源”。当时很多人觉得”不就是几个token嘛，能有多贵”。

来看看现在的真实账单。

一次普通的AI对话问答，大约消耗1,000个token，成本约0.5元。听起来还行。但一个完整的Vibe Coding编码任务——让AI读取多个文件、规划步骤、调用工具、迭代修改——上下文窗口轻松塞满6万个token，真实成本约25元。如果跑一次全库分析，15万个token，成本60元以上。

这还没算失败重试的费用。

Anthropic自己的Claude Code文档，原本写着”平均每位开发者每天花6美元”，最近悄悄改成了”平均每天13美元，重度用户高达30美元”。按工作日折算，一个普通开发者一个月用Claude Code的真实成本在1500-4500元之间（约214美元～642美元）vs Claude Code的Max Plan订阅费用200美元

前几个月🦞刚火的时候，国内大厂纷纷跟风推出的Coding Plan月费是多少？ 39到199元。

这意味着什么？意味着平台每卖出一份99元的月卡，背后可能要替你付几百甚至几千元的算力账单。这不是商业模式，这是 慈善 。

慈善当然撑不住。所以月费套餐下架了。

三个月前的”理论推导”，变成了今天的”平台公告”。

4.2 “补贴模式崩塌”——用户越多亏得越狠

三个月前的文章里有一句关键的判断：

这个逻辑在SaaS里成立，在LLM里完全反着来。用户越多，重度用户绝对数量越多，平台要补贴的算力越多，亏损越大。

SaaS的逻辑是：用户越多，摊薄固定成本的能力越强。所以增长是好事。

LLM的逻辑是：用户越多，重度用户的绝对数量越多，平台补贴的算力越多，亏得越惨。

这就是为什么平台的公告里都在说同一句话：“智能体式使用正在成为默认方式，带来更高的推理成本。”

翻译成大白话就是： 我们以为能控制用量，但我们控制不了。

小龙虾🦞和爱马仕的普及加速了这个过程。一年前，AI编码主要是”问一问”，成本可控。现在，用户已经习惯让AI跑多步骤自动化任务——读文件、写代码、自测、改错、重提交——每一步都在烧token，且失败要重试，成本完全不可控。

三个月前的预判： 补贴模式不可持续。
三个月后的现实： 补贴模式已经崩塌。

4.3 “技术通缩是双刃剑”——红利被价格战吃掉了

三个月前，有人用”DeepSeek效应”来反驳我：算法优化让推理成本每年下降90%，成本曲线断崖式下跌，AI终将重回高毛利时代。

我的回应是：技术通缩确实是必然的。但价格战也是必然的。OpenAI、Google、Anthropic、Meta都在竞争，API价格持续下行。 只有当 Cost Drop > Price Drop 时，利润才会扩大。

现在看看结果：模型能力确实强了很多，成本确实降了很多，但平台们没有因此变得更赚钱——反而亏到要下架月费套餐。

为什么？因为成本下降的红利，被价格战和用户用量的暴增吃掉了。

三个月前的判断： 通缩不等于利润。
三个月后的验证： 正确。

05. 更猛烈的冲击：当用户开始为每次调用付钱

月费套餐下架，影响的远不止开发者的钱包。

有一件事很少有人说透： 当前大多数人对生成式AI的正面评价，建立在从未支付真实成本的基础上。

你在朋友圈和公众号上看到的那些”AI让我效率提升10倍”、“整个工程团队都在猛用”——这些人用的是月费套餐，每人每月花99或199元，背后平台在替他们承担实际几千元的算力成本。

换句话说，这些”好评”是打了至少一折之后产生的。

当你每次调用AI都清楚地知道这花了多少钱，你对它的评价会完全不一样。

你会开始问：这次它”卡住”了，浪费了我30块。它帮我省的时间，值30块吗？

如果你发现不值，你会开始减少使用，或者更谨慎地使用。

这才是真实的AI使用市场。

而现在我们看到的那个”AI效率提升10倍”的市场，是一个被数十亿美元补贴撑起来的幻觉。

5.1 开发者们开始算账

按量计费之后，一个绕不过去的问题出现了： AI ROI。

很多开发者之所以敢大规模使用AI工具，是因为成本补贴。token涨价，费用透明化之后，大家会开始问：我们每个月在AI上花了多少钱？带来了多少可量化的收益？

这个问题一旦被认真问出来，很多AI投入会显得相当难以自圆其说。

一个需求需要一套完整的PRD生成+评审循环，费用可能达到30-80元。100%一次成功的极端情况下，每月迭代20个小需求，光AI工具的成本就可能超过1500元。

模型不够可靠 这个原本被补贴遮掩的问题，会在真实账单面前被赤裸裸地暴露出来。当每次失败都是真金白银的浪费，用户对可靠性的要求会骤然提升。而当前的LLM，根本达不到这个标准。

5.2 用户分化：谁赚谁亏

按量计费后，一个有趣的现象会出现：

轻度用户反而可能省钱。 一个月只问几个问题的用户，之前的39元月费其实是”被重度用户补贴”的。现在按量付费，可能一个月只花几块钱。

重度用户则会面临断崖式的成本上升。 从99元变成几千元，要么大幅降低使用频率，要么转向更便宜的模型。平台活跃度数据可能短期内明显下滑。

这恰恰验证了三个月前的另一个判断：AI公司的毛利率存在结构性天花板，因为用户对价格高度敏感，且开源模型和竞品持续压价。

06. 未来往哪走：算力成本的五条预判

基于一个已经被验证的估值模型，我们可以更有信心地推演未来。

6.1 第一条：所有AI订阅服务都会面临同样压力

GitHub Copilot下架月费套餐，国内平台跟进，这只是第一波。

接下来，你用的几乎每一个AI订阅服务，都面临同样的压力。内容生成、PM工具、Agent工作流平台——任何按”固定月费+无限使用”模式运营的AI服务，都会被真实成本拖垮。

不管你承不承认，过去两年你对AI生产力的大部分体验，是在打折的基础上发生的。

真实的AI，比你用过的那个，贵很多。

6.2 第二条：模型路由成为核心竞争力

当每次调用都是真金白银的时候，谁能帮用户在”够用的模型”和”贵的模型”之间做出最优路由，谁就能在新定价体系下占有优势。

简单问题不必动大模型。问个语法错误、查个API文档，用个轻量模型几毛钱搞定。只有复杂的重构需求、全库分析，才值得花几十块调用旗舰模型。

省下来的钱就是竞争力。

这也意味着，那些只是”API二传手”的公司，估值会加速归零。真正有价值的是工程化：工作流、Harness、预处理、并行处理——让用户省Token才能让用户受益，而不是单纯转发token。

6.3 第三条：真正经济可行的场景会浮现

补贴退潮之后，哪些AI应用还能活下来？

答案是那些 即使在真实成本下依然划算的场景 ：

• 高重复性、高标准化、单次token消耗可控的任务
• 替代的是昂贵人力的场景（$1000/vs.$10的推理成本，这笔账怎么都算得过来）
• 失败成本可控、不需要反复重试的流程

反过来说，如果AI替代的是一个时薪50块的客服，而单次推理成本要5块，那这笔生意就很难做。

这正是三个月前文章里写的那句话的现实版本： 只有当AI替代的是昂贵的人力时，高昂的推理成本才会被忽略不计。

6.4 第四条：通用LLM沦为制造业，高价值Agent享受溢价

这条判断在三个月前就写在了文章里：

月费套餐下架加速了这个分化。通用聊天机器人会变成”算力自来水”——便宜、量大、毛利低。而嵌入在具体工作流里、能替代昂贵人力的Agent，才能真正享受到价值定价的溢价。

不要投资”更好的模型”，要投资”解决更贵问题”的AI。

6.5 第五条：算力通缩会继续，但红利更多流向用户而非厂商

GPU性能在提升，算法在优化，规模效应在发挥作用。算力成本确实会持续下降。

但历史已经告诉过我们答案：云计算市场的算力成本下降了十几年，云厂商的毛利率并没有因此飙升。因为竞争会把成本下降的红利传递给用户。

AI行业不会例外。

这也意味着，AI公司不能指望”等技术进步来拯救毛利”。它们必须找到 真正的价值创造点 ——要么是算力主权（自己拥有芯片和能源），要么是高价值劳动力替代（解决足够贵的问题）。

否则，就算芯片免费，价格战也会把毛利打到地板上。

07. 最后说两句

三个月前，我画了一张手绘图，试图说明一件事：Token的成本是有物理约束的。

那时候，它只是一个理论模型。有人信，有人不信。

三个月后，国内AI编码平台集体下架月费套餐，转向按token计费，价格翻了几十倍。

物理规律不需要辩论。它只是等着补贴烧完，然后用账单说话。

回到那篇文章的最终判词：

AI行业的估值锚点已经从”增长优先”转向”单位效益优先”。在这个新时代， 理解算力成本的物理约束，比理解Transformer架构更重要。

这句话说完三个月，潮水退了。

接下来，看看谁在裸泳。

免责声明：本文所涉及的公司数据和估值分析基于公开信息，不构成投资建议。

08. 原文来源

原文发表于微信公众号“中老年叨叨”（2026年5月8日 08:00）。查看微信公众号原文。