AI 补贴悬崖：供应商的投资人一直在替你买单
固定费率 AI 旨在获客，差额由他人承担。随着计费转向 Token 且续费周期到来，企业买家即将面对推理的真实成本。
有人一直在替你的 AI 账单买单，而且从来不是你的财务团队。三年来，行业以前沿智能的售价出售产品，这些价格与成本毫无关系，因为刷卡的人不是使用产品的人。这种安排在任何其他市场都有一个名字：补贴。补贴终会结束。AI 补贴悬崖是企业预算在这一补贴结束时所撞击的壁垒，而 AI 成本与你所支付价格之间的差距，正是 2026 年的故事。
有用的问题不是供应商是否会重新定价，因为这已经在进行中。有用的问题是真实数字与你发票上的数字相距多远，以及修正后还有什么能幸存。
AI 运行的真实成本是多少？
从现有的最佳测量开始。SemiAnalysis 购买了每个消费级 AI 层级，并在长周期编码和代理工作上将每个层级运行至每周限制，其订阅压力测试得出了一个现在被到处引用的数字：一个完全使用的 200 美元 ChatGPT Pro 计划，按发布的 API 费率计算，每月成本高达 14,000 美元。标价与列表价值之间相差 70 倍。针对真实服务成本（同一分析将其定为标价的近四分之一）衡量，一个最大化使用的用户燃烧约 3,500 美元的计算资源对抗 200 美元的收入：在慈善的解读下也有 17.5 倍的差距。
这其中没有任何丑闻；设计意图本就如此。200 美元的订阅是附带 API 的客户获客预算，每个重度用户都是一个小型且热情的亏损点。
遵循机制：谁在买单，为何他们停止了
价格本应承载有关成本的信息。这些价格没有承载任何信息，因为买家和付款人是不同的人。付款人是资本市场。红杉资本（Sequoia）的 David Cahn 很早就做了算术。他的2,000 亿美元问题询问证明 AI 基础设施支出合理的收入究竟来自何处，到了 2024 年 6 月，这一差距 tripled 成为他的 6,000 亿美元问题，资本部署跑赢了每条可信的收入路径。该部署的规模是公开的：仅微软就表示将在一个财年内投入约 800 亿美元用于 AI 数据中心。
免费游戏运行于这种经济之上。少数鲸鱼用户资助大厅，其他人用他们的信用卡玩。企业 AI 将其 inverted：鲸鱼是风险基金和大型科技资产负债表，整个行业免费玩。区别在于游戏可以留住他们的鲸鱼。我们的行业有季度报告、服务义务，最终还要面对公开市场。投资者会补贴采用。他们不会补贴习惯。
从这个角度看，聊天机器人是包装，补贴才是产品。一旦你接受这一点，今年的定价新闻就不再看起来像一系列孤立的决定。
工作负载率先击穿了定价
固定费率定价在工作负载是聊天时幸存：短提示、短回答、可预测的平均值。然后行业推出了代理（agents），平均值变得失控。一个代理编码会话进行规划、读取文件、编写补丁、运行测试并循环；单个任务消耗的 Token 约为聊天回答的 1,000 倍，前沿模型在停止之前会花费超过 100,000 个输出 Token。供应商很早就理解了数学，这就是为什么GitHub 自己的计划页面现在按“高级请求”对重度代理使用进行计量定价，对每月允许量之外的请求按次收费。当客户点沙拉时，随便吃定价没问题。当他们雇佣整个厨房时，它就崩溃了。
第一个重大牺牲者出现在 2026 年 4 月，微软在运营成本一个季度内几乎翻倍后暂停了 GitHub Copilot 学生和个人层级的新注册。公开痕迹贯穿GitHub 自己的 Copilot 变更日志：速率限制收紧、允许量正式化、计费转向 Token。
观察这种反应的形状：没有宣布涨价的新闻稿。当供应商改变计费单位时，单位就是涨价。Token 计费首先重新定价你的重度用户，并悄悄地将成本风险从供应商的损益表转移到你的预算。
生产力主张从未被计量
修正并未说明工具是否有效。它说明在计算资源免费时没有人正确测量它们，而迄今为止最诚实的测量对每个人都很尴尬。当 METR 对经验丰富的开源开发者进行随机试验时，AI 协助使他们慢了 19%，而他们认为自己快了 20%。一项研究，一个设置，但这仍然是同类中唯一的数字，它显示了行业对自己的产品了解甚少。供应商基准测试测量的是 flattering 的数据： curated 任务的通过率、绿地上代码的速度。买家实际需要的数字，每完成任务成本，几乎从未出现在销售演示 deck 中。
一个在燃烧 40 英镑补贴计算资源的同时为开发者节省一小时的工具是一种采购。同样的工具在真实服务成本下是另一种采购，这两种观察都不告诉你工具无用。它们告诉你的是商业案例是用别人的钱写的。如果存在生产力 deficit，它存在于会计中，然后才存在于模型中。
运行自己的模型更便宜吗？
明显的逃生出口比看起来更窄。开放权重模型将每 Token 账单降至零，并取而代之增加了硬件、电力和维护成本。将发布的按需 GPU 费率与小型团队的工作负载定价对比，API 账单通常获胜，特别是在代理需要的长上下文任务上。自托管购买控制权、数据驻留权和独立于供应商定价情绪的自由。它不会买回补贴。如果你应对悬崖的计划是“我们只运行开放权重”，在给自由定价之前先给电力账单定价。
AI 补贴悬崖对企业预算的影响
随之而来的是三个后果。无一可选。
首先，采购从错失恐惧转向算术。未来十八个月的每次续费都是重新定价事件，因此带着你自己的使用数据走进会议室，按每完成任务成本而非席位价格谈判。没有成本栏的基准测试是广告。
其次，效率再次成为工程学科。Token 预算、模型路由、缓存、较小模型用于较小子任务：补贴使其可选的不起眼工艺现在将区分计量的团队和猜测的团队。如果你的 AI 使用没有计量，修复它是工具问题之前的 AI 准备度问题。特别是代理系统需要内置而非后装治理和可观测性，这是设计安全代理系统的全部前提。
第三，预计整合。单位经济学在诚实价格下闭合的供应商将幸存，因为需求是真实的。增长依赖补贴的供应商将被收购、合并或重新定价为体面。此处不需要预言；机制只指向一个方向。
这并不使 AI 成为通常意义上的泡沫。模型确实有用；怀疑始终附着在价格上。三年来补贴是产品，续费是发票，这是它们相遇的一年。为你在成本上负担得起的模型预算，而不是为你在亏损下看到的演示预算。任何基准测试报告都比不上诚实定价推理的技术策略持久。
编辑：Jonathan Taylor
常见问题
企业买家的 AI 价格何时上涨？
实际上已经在涨，但通过机制而非公告：固定费率层级正在退役，速率限制收紧，计费转向 Token，这首先重新定价重度用户。将 2026 年起的每次续费视为重新定价事件，并按每完成任务成本而非席位价格谈判。
充分利用下 AI 运行的实际成本是多少？
SemiAnalysis 压力测试发现，一个完全使用的 200 美元 ChatGPT Pro 计划在发布的 API 费率下每月成本高达 14,000 美元，针对估计的真实服务成本约为 3,500 美元。订阅价格与消耗计算之间的差距取决于测量方式，介于 17 倍到 70 倍之间。
自托管开源模型比支付 AI API 更便宜吗？
在前沿模型上通常不是。每 Token 成本降至零，但硬件、电力和维护经常超过 API 账单，特别是编码代理需要的长上下文任务。自托管购买控制权和数据驻留权；它不会重建补贴。
相关阅读
本文由 Abyshire 专有编辑系统的 AI 编辑角色撰写，并经我们的团队审核。