近期，徽声在线发布了一篇题为《谁能持续支撑AI的巨额开支？》的文章，其中一组数据引发了广泛关注与深思。

根据安邦智库的最新统计，至2025年，国内四家互联网与科技领域的领军企业，在AI领域的资本投入累计已突破5500亿元大关，然而，令人遗憾的是，这些巨头中竟无一实现AI业务的全面盈利。以其中一家头部平台为例，其去年在AI推理方面的成本飙升至80亿元以上，这一数字竟是其AI业务营收增量的2.3倍——换言之，每获得1元的收入，就需先承担2.3元的刚性成本支出。

若将此账本置于过去十年的互联网发展逻辑中审视，本不应引发如此大的焦虑。

在移动互联网时代，“烧钱换规模、规模换利润”几乎成为了一条不可动摇的法则。初期的基础设施建设虽成本高昂，但后续的服务分发却近乎零成本：一套应用程序、一套推荐系统，无论服务一万个用户还是一个用户，其边际成本都微乎其微。先亏损后盈利，时间与规模最终会帮助企业摊平成本。

然而，在这个夏天，整个行业不得不面对一个残酷的现实：AI，或许并不遵循这一传统逻辑。

1. 互联网复制模式与AI计算模式的本质差异

传统互联网的核心在于“复制”（Copy），而大模型则依赖于“计算”（Compute）。

训练大模型需要巨额的固定资产投入，而推理过程则绝非免费的无限复制。用户每一次的深入对话、每一轮复杂的工具调用、每一次多步骤执行的Agent拆解，背后都伴随着算力、电力、带宽以及GPU折旧的实实在在消耗。

这意味着，随着用户规模的扩大，推理成本并不会自动消失，反而会与日活跃用户数（DAU）同步增长。

规模扩大，未必能先摊薄成本，反而可能加剧亏损。用更直白的商业语言来说就是：DAU上升，边际投入产出比（ROI）未必随之提升。

只有当收费模式能够完全覆盖每一次推理的单位成本时，规模扩张才是有益的；否则，规模只会成为一张数额更大的亏损账单。随着AI进入下半场，行业开始从流量至上的思维中觉醒。先实现盈利，才有资格继续投入巨资。

颇具讽刺意味的是，就在行业因这一共识而陷入集体焦虑之际，6月8日，阿里巴巴宣布将通义大模型事业部与未来生活实验室合并，成立了一个极具特色的新部门：Token Foundry，由集团CEO吴泳铭亲自领衔。

Foundry（铸造厂），这一名称源自半导体行业，如台积电那样为全球提供芯片代工服务的“重工业”模式。

将大模型业务命名为“Token的铸造厂”，并由一把手亲自挂帅，这一举动释放的信号再明确不过：当Token（每一次推理的计量单位）成为AI时代的核心成本与收入来源时，即便是最顶级的玩家，也开始采用“制造硬科技”的工业思维，去探索如何更高效、更低成本地生产Token。

这门生意的底层逻辑，已经彻底转变为一道关于单位经济学（Unit Economics）的残酷算术题。AI的竞争焦点，正从“模型参数规模有多大”转向“每一个Token的价值与成本如何平衡”。

2. 云端与端侧：降低成本的双轨策略

要解开这道算术题，行业主要采取两种策略：要么将单位推理成本降至最低，要么找到用户真正愿意付费的场景，确保收入稳定。

在降低成本方面，行业正分化出两条截然不同的路径。

一条是阿里的“重工业路线”，通过Token Foundry在云端扩大规模，依靠强大的供应链体系和技术优化来降低云端成本；另一条则是将目光从遥远的云端算力集群转向用户身边的物理设备，即端侧AI。

这正是以明略科技为代表的厂商在过去一年中深耕的领域。

云端推理的痛点在于其“结构性高昂”，按用量计费，账单随用户粘性线性增长。而如果将AI模型直接部署在用户自己的Mac、PC或手机等本地设备上，情况则大不相同：硬件资产已由用户一次性购买，后续的每一次对话、每一次Agent调用，其边际推理成本几乎可以忽略不计，且数据无需离开本地。

阿里在云端努力降低Token的生产成本，明略则在端侧提升Token的输出效率。这不仅是技术路线的差异，更是对同一问题的不同解决方案：谁能率先将单次推理的刚性成本“隐形化”，谁就能获得下一阶段的竞争资格。

3. 微观付费：从“娱乐工具”到“生产力助手”的转变

然而，成本只是问题的一面，更难的挑战在于另一面：你的收费模式能否覆盖单位成本？

这个问题无法仅凭精彩的商业故事来回答，必须看是否有用户真正愿意掏钱购买。而答案，往往隐藏在那些最微观、最真实的场景中。

在明略旗下的DOMO平台上，有一个被反复提及的真实案例。一位独立博主在缺乏专业运营指导时，开始频繁使用平台上的AI经纪人——帮助她锁定对标账号、分析数据差距、甚至直接提供内容优化建议。

在后续的用户回访中，这位博主留下了一句令人印象深刻的话：“即使不接商单，我也愿意为这个AI经纪人单独付费。”

这句话在当下这个“既要DAU又要ROI”的清算时代显得尤为珍贵。它表明，用户付费的驱动力已不再是贪图便宜、薅羊毛或一时的好奇，而是产品真正融入了生产力场景，实现了实打实的“价值交换”。

只有当AI从用于聊天的“娱乐工具”（Toy）转变为能够帮助用户节省成本或增加收入的“生产力助手”（Tool）时，用户才愿意为单次推理产生的Token买单。

回到那句“先赚钱才有资格继续烧钱”，在这场漫长的马拉松中，决定胜负的未必是谁的模型在评测榜单上名列前茅，也未必是谁通过免费策略吸引了更高的DAU，而是谁的单位经济学（Unit Economics）能够率先实现盈利。

一边在供给侧和端侧压缩成本，一边在真实场景中挖掘收入来源，确保每一个产出的Token都能带来收益——这才是AI时代持续发展的正确姿态。

能够养得起AI的，或许不是账上融资最多的企业，而是那些能够先算清底层账目的企业。