“豆包收費(fèi)”開啟，中國大模型商業(yè)化的機(jī)會與現(xiàn)實(shí)約束

文 | 孫永杰

近日，豆包悄然在應(yīng)用商店頁面上線訂閱方案。這本是一次看似常規(guī)的產(chǎn)品更新，但在中國AI產(chǎn)業(yè)語境下，卻迅速被放大為一個具有標(biāo)志性的信號，即國產(chǎn)大模型開始從規(guī)模競爭轉(zhuǎn)向價(jià)值變現(xiàn)，并由此引發(fā)了不小的爭議。那么問題來了，在當(dāng)前階段，中國用戶是否已經(jīng)具備為大模型付費(fèi)的現(xiàn)實(shí)基礎(chǔ)？中國AI模型又是否具備支撐收費(fèi)的能力溢價(jià)？

從豆包到Kimi，中國大模型試探“收費(fèi)邊界”

如果回看中國大模型過去一年的發(fā)展軌跡，會發(fā)現(xiàn)一個非常鮮明的特征：幾乎所有頭部玩家都優(yōu)先選擇了“做大用戶規(guī)模”，而不是“做收入模型”。無論是豆包，還是通義千問、Kimi、文心一言以及DeepSeek，都在不同程度上延續(xù)了互聯(lián)網(wǎng)時(shí)代的經(jīng)典路徑：先通過免費(fèi)獲取用戶，再在后期探索變現(xiàn)。

這種路徑在移動互聯(lián)網(wǎng)時(shí)代曾被反復(fù)驗(yàn)證，但在大模型時(shí)代卻出現(xiàn)了新的變量。原因在于AI并不是一個邊際成本接近于零的業(yè)務(wù)，相反，它是一個對算力極度依賴的產(chǎn)業(yè)。其每一次對話、每一次生成、每一次推理，本質(zhì)上都在消耗真實(shí)的算力資源。而當(dāng)用戶規(guī)模達(dá)到數(shù)億級之后，這種成本壓力不再是“可以忽略”，而是變成“必須正視”。

正是在這樣的背景下，豆包推出的三檔訂閱體系，從68元到500元不等，并成為首個將C端訂閱定價(jià)提升至500元/月檔位的頭部玩家。本質(zhì)上這并非簡單的價(jià)格分層，而是一種能力與資源的重新分配機(jī)制，即免費(fèi)用戶繼續(xù)使用基礎(chǔ)功能，而付費(fèi)用戶則獲得更高性能、更復(fù)雜任務(wù)處理能力以及更穩(wěn)定的服務(wù)體驗(yàn)。所以這種設(shè)計(jì)，與其說是收費(fèi)，不如說是對“算力使用權(quán)”的再定價(jià)。

但問題在于，中國市場并非一片空白。與豆包形成鮮明對比的是，大多數(shù)國產(chǎn)模型仍然維持著高度克制的收費(fèi)策略。例如通義千問更多通過開發(fā)者生態(tài)與企業(yè)服務(wù)實(shí)現(xiàn)收入；文心一言的會員價(jià)格仍停留在相對低位；Kimi的商業(yè)化仍在試水階段；DeepSeek則幾乎完全依賴API路徑，并形成了一個豆包在向C端高收費(fèi)試探，其他廠商幾乎仍在觀望的微妙行業(yè)格局，而這種觀望并非猶豫，而是現(xiàn)實(shí)約束。

眾所周知，中國用戶長期處于“免費(fèi)互聯(lián)網(wǎng)”環(huán)境中，對工具類產(chǎn)品付費(fèi)的敏感度極高。一旦收費(fèi)與體驗(yàn)之間出現(xiàn)錯位，用戶遷移成本又極低，很容易在不同模型之間“橫跳”。因此，對大多數(shù)廠商而言，維持免費(fèi)不僅是競爭策略，更是一種風(fēng)險(xiǎn)控制。而從這個角度看，豆包的收費(fèi)更像是對用戶付費(fèi)意愿和自身產(chǎn)品承載能力的壓力測試。如果成功，它可能成為行業(yè)范式；如果受挫，則可能強(qiáng)化行業(yè)對“免費(fèi)模式”的路徑依賴。

但無論結(jié)果如何，可以確認(rèn)的是，中國大模型正在逼近商業(yè)化的臨界點(diǎn)，只是尚未找到最合適的落點(diǎn)。

對標(biāo)美國，成熟收費(fèi)體系背后的“能力溢價(jià)”

如上述，當(dāng)中國還在試探收費(fèi)邊界時(shí)，美國市場早已完成了這一輪轉(zhuǎn)變。具體表現(xiàn)為以ChatGPT、Claude以及Gemini為代表的主流大模型，已經(jīng)建立起相對成熟的訂閱體系，并且在用戶側(cè)形成了穩(wěn)定的付費(fèi)預(yù)期。這之中，其與中國市場最大的不同在于，美國用戶對AI收費(fèi)的接受程度更高，其關(guān)鍵并不在價(jià)格本身，而是付費(fèi)邏輯的清晰。

以ChatGPT為例，從20美元的Plus到100甚至200美元的高階版本，其價(jià)格梯度背后對應(yīng)的是明確的能力差異，而非簡單的使用限制。用戶付費(fèi)所獲得的，是更強(qiáng)的推理能力、更長的上下文、更穩(wěn)定的響應(yīng)以及更高優(yōu)先級的資源分配。

換句話說，在美國市場，AI收費(fèi)的核心不是“多用一點(diǎn)”，是“用得更好”。而這種“能力溢價(jià)”的成立，則依賴于模型本身的領(lǐng)先性。

事實(shí)是，無論是OpenAI，還是Anthropic，都在持續(xù)通過技術(shù)迭代擴(kuò)大模型能力邊界，使得付費(fèi)與體驗(yàn)之間形成正反饋，即用戶愿意付費(fèi)，是因?yàn)樗麄兦逦馗兄讲町?；企業(yè)能夠持續(xù)收費(fèi)，則是因?yàn)檫@種差異在不斷被強(qiáng)化。

更重要的是，這種收費(fèi)模式已經(jīng)嵌入商業(yè)閉環(huán)之中。具體表現(xiàn)為，收費(fèi)帶來的收入，反過來支撐更高強(qiáng)度的訓(xùn)練與推理投入，再進(jìn)一步提升模型能力，最終形成“能力提升—用戶付費(fèi)—再投入”的循環(huán)。而這種循環(huán)一旦建立，就會形成明顯的先發(fā)優(yōu)勢。

相比之下，中國大模型雖然在用戶規(guī)模上快速追趕，但在商業(yè)閉環(huán)上仍顯得不夠完整。大量產(chǎn)品仍依賴補(bǔ)貼與生態(tài)輸血維持運(yùn)營，C端付費(fèi)尚未形成穩(wěn)定結(jié)構(gòu)。

需要補(bǔ)充說明的是，雖然前述中國的AI模型似乎也是按照能力采取階梯式定價(jià)，但背后則是與美國AI模型完全不同的競爭邏輯。

具體表現(xiàn)在，美國AI模型更接近“算力租位制”，結(jié)構(gòu)透明、單價(jià)線性。相較之下，國內(nèi)正轉(zhuǎn)向一種博弈色彩濃厚的“階梯刺客”模式，即通過低門檻吸引接入，但在長文本、聯(lián)網(wǎng)搜索、深度思考等高階功能上設(shè)置非線性的溢價(jià)點(diǎn)。而這種“前輕后重”的設(shè)計(jì)雖能篩選出高價(jià)值用戶，但也同時(shí)增加了用戶成本的不可預(yù)測性。

由此，一個更深層的問題隨之浮現(xiàn)，即當(dāng)下中國AI模型的付費(fèi)與其價(jià)值是否匹配？尤其是當(dāng)我們引入收入負(fù)擔(dān)和模型實(shí)際能力雙重因素時(shí)，答案變得更為復(fù)雜。

中國用戶“付費(fèi)更重”，收入差距與模型質(zhì)量的雙重壓力

如果僅從匯率角度看，此次收費(fèi)的豆包500元/月約等于70美元，明顯低于ChatGPT 200美元/月的價(jià)格水平。但這種對比其實(shí)是一個典型的“名義價(jià)格陷阱”。原因在于，真正影響用戶決策的，并非價(jià)格本身，而是價(jià)格與收入之間的關(guān)系，以及價(jià)格與模型能力之間的匹配程度。

基于此，我們不妨先看看先看價(jià)格與收入之間的關(guān)系是如何使得同樣一筆AI支出，造成在兩國用戶心中付費(fèi)的“重量”完全不同。

根據(jù)國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)，2025年中國居民人均可支配收入為43,377元，中位數(shù)為36,231元（城鎮(zhèn)居民中位數(shù)更高，達(dá)51,115元）。而根據(jù)美國人口普查局?jǐn)?shù)據(jù)，2024年美國居民家庭收入中位數(shù)約為83,730美元。即便考慮到統(tǒng)計(jì)口徑差異（中國為“個人”，美國為“家庭”）和購買力平價(jià)（PPP）因素，兩者仍存在顯著差距。

如果將上述差距放入AI訂閱場景中，就更加直觀。

以每月500元（約70美元）的訂閱費(fèi)用計(jì)算，中國用戶一年支出約6000元，占收入中位數(shù)約16%，相比之下，美國用戶即便選擇200美元/月的高階訂閱，年支出約2400美元，占收入中位數(shù)的比例也僅在3%左右。也就是說，在“收入占比”這一更真實(shí)的衡量維度下，中國用戶為大模型付出的成本，大約是美國用戶的5倍以上。

而這也解釋了為什么同樣一筆訂閱費(fèi)用，在中國更容易觸及用戶的“心理上限”。因?yàn)閷τ谥袊脩魜碚f，數(shù)百元的月度支出已經(jīng)接近工具類消費(fèi)的邊界，而對美國用戶而言，這一支出更接近日常軟件服務(wù)的一部分，其導(dǎo)致的結(jié)果就是，即便名義價(jià)格更低，中國用戶在實(shí)際支付時(shí)承受的心理與經(jīng)濟(jì)壓力反而更大。

由此可見，從支出占收入的比例來看，中國用戶為大模型付出的“相對成本”顯著高于美國這一點(diǎn)并非感性判斷，而是可以被數(shù)據(jù)直接驗(yàn)證的現(xiàn)實(shí)。

但如果我們只停留在“收入差距”，仍不足以解釋爭議的核心。更關(guān)鍵的是第二個變量—模型能力本身。

根據(jù)斯坦福AI Index最新報(bào)告，美國AI模型的領(lǐng)先優(yōu)勢與中國AI模型相比已縮小至約2.7%左右，中國模型在中文場景、性價(jià)比、特定工程化任務(wù)上具備競爭力，甚至多次在公開榜單登頂。不過，在更嚴(yán)格的獨(dú)立評估中，差距依然存在。

例如CAISI在2026年5月發(fā)布的評估報(bào)告顯示，當(dāng)前中國最強(qiáng)開源模型之一的DeepSeek V4 Pro，在綜合能力上大約落后美國前沿模型8個月。需要說明的是，這“8個月”的時(shí)間差，并不是單一指標(biāo)得出的，而是基于網(wǎng)絡(luò)安全、軟件工程、自然科學(xué)、抽象推理和數(shù)學(xué)等多個領(lǐng)域的基準(zhǔn)測試綜合擬合得出的結(jié)果。

更值得注意的是，這種差距并非均勻分布，而是集中體現(xiàn)在高階能力上。

比如在一些公開基準(zhǔn)中，DeepSeek V4 Pro可以與美國模型表現(xiàn)接近，但在更接近真實(shí)應(yīng)用復(fù)雜度的測試中，例如抽象推理（ARC-AGI-2半私有數(shù)據(jù)集）、軟件工程遷移能力（PortBench）以及網(wǎng)絡(luò)安全攻防任務(wù)（CTF-Archive-Diamond），其表現(xiàn)明顯落后。這意味著在用戶最容易“感知差異”的復(fù)雜任務(wù)場景中，差距反而被放大。

換言之，如果把大模型理解為一種生產(chǎn)工具（這也是豆包階梯收費(fèi)的最大由頭），那么當(dāng)前中國模型在“基礎(chǔ)可用性”上已經(jīng)沒有問題，但在“高階生產(chǎn)力”層面，仍與美國頂級模型存在明顯代差。而這就帶來了一個非常現(xiàn)實(shí)，甚至有些尖銳的結(jié)論，即中國用戶在承擔(dān)更高相對成本的同時(shí)，所購買的并非是全球能力最強(qiáng)的模型服務(wù)。

寫在最后：綜上，我們認(rèn)為，豆包收費(fèi)引發(fā)的爭論，本質(zhì)上并不是圍繞“該不該收費(fèi)”，而是圍繞“什么時(shí)候收費(fèi)、以什么能力收費(fèi)”。盡管在算力成本持續(xù)上升、行業(yè)競爭逐漸理性的背景下，大模型走向商業(yè)化幾乎是必然路徑。

但現(xiàn)實(shí)同樣清晰，即商業(yè)化的前提，應(yīng)是能力的充分兌現(xiàn)。如果模型能力尚未形成足夠明顯的差異化優(yōu)勢，收費(fèi)，甚至是高收費(fèi)，就容易變成對用戶耐心的消耗；反之，當(dāng)能力真正成為生產(chǎn)力工具的一部分，收費(fèi)反而會成為自然而然的選擇。

因此，與其說當(dāng)前中國AI面臨的是收費(fèi)難題，不如說是能力兌現(xiàn)的時(shí)間差。而在這個時(shí)間差被填平之前，任何收費(fèi)嘗試都更像是一種試探，并非終局。

從這個意義上看，豆包的價(jià)值或許不在于它是否成功收費(fèi)，而是在究竟先收費(fèi)，還是先讓自己成為不可替代的AI工具？這種邏輯不僅關(guān)乎豆包，更決定著整個中國AI行業(yè)的走向。