今天，你为AI花了多少钱？在明显提升工作效率以前，很多人发现AI“先变贵了”。豆包宣布开启付费服务引起热议，许多人忙于养“龙虾”，还未见成效已经烧掉了海量token，天价账单收到手软……本期“智能涌见”，复旦管院信息管理与商业智能系窦一凡教授将为我们分析科技产品的商业逻辑变迁、AI产品的定价挑战以及未来发展趋势。
近日，豆包推出了付费版本，连续包年定价从688元到5088元不等，引发大众热议。过去十几年，我们已经习惯了用搜索引擎不花钱、听音乐看视频也不一定要花钱。为什么到了AI这里，这套“免费逻辑”就行不通了？
窦一凡教授：AI工具的定价模式与以往的数字产品相比，收费起点比较高，因此容易对大众心理习惯形成冲击。
信息产品作为以信息为载体的虚拟产品，过去30年，此类产品的商业模式上经历了显著变化。30年前，买一盒磁带需要9块8，没有人会觉得可以免费获得。而在过去的十几年互联网时代，使用搜索引擎等工具却无需支付任何费用，这种看似“免费使用”的体验深刻地改变了消费者的付费习惯。
1996年，经济学家Brian Arthur针对以知识和信息为核心的高科技和网络经济提出了三个观点：
一是“Up from the cost”，高科技产品呈现“固定成本高，边际成本极低”的结构。研发的沉没成本巨大，但一旦产品成型，复制的边际成本几乎为零。
二是“网络效应”或“Increasing Returns”，即随着用户增加，每个用户从产品或服务中获取的收益（价值）也增加。
三是“Customer lock-in”（消费者锁定），指一旦消费者或市场广泛采用某项技术，转换到其他竞争性技术的成本就会变得非常高。
以上这些特征构成了互联网时代信息产品的定价和商业逻辑。
到了今天，这些用了30年的商业逻辑，在AI产品面前都不成立了，这使得我们必须从头思考AI产品的定价策略。
具体来说，AI产品对比互联网时代的信息产品发生了哪些根本性的变化？
窦一凡教授：首先看成本结构的变化。大模型在研发阶段需要极高成本，包括算力资源、数据处理以及电力消耗。当用户在使用简单功能时，例如名词解释、查询信息等对话，此时边际成本趋近于零。但一旦涉及更复杂的功能，例如制作PPT、生成视频、图像编辑等，背后的计算和资金消耗依然巨大。这与早期互联网产品“开发一次，使用几乎无成本”的逻辑完全不同。
第二看网络效应的削弱。传统搜索引擎等工具可以依靠广告商的投入实现跨边网络效应——用户的使用行为给平台带来数据，广告商为此付费，从而形成双边市场的良性循环。然今日的许多AI工具中，对应支付的一方缺失，如果在AI工具里直接引入广告模式，反而会引发用户对质量的质疑。这使得“羊毛出在猪身上”的商业模式难以为继，跨边网络效应被取代为单边使用，导致平台缺乏额外收入来源。
第三是锁定成本几乎不存在。以往用户在特定系统中积累习惯与数据，切换到其他系统的成本较高。例如长期使用Windows的用户，很难迅速适应苹果系统。而在AI工具领域，切换变得容易，例如，同一个问题你可以向不同的AI提问，用户使用时几乎没有障碍。这种低门槛使得平台之间的竞争更接近传统服务业：用户关注的是即时结果、速度和准确性，而不是长期沉淀的数据。因此，AI应用的特征正逐步从传统科技产品，转向与传统服务的即时、可替代性强的商业形态。
对目前的AI产品来说，怎样的定价策略是相对比较合理的？是不是随着模型能力提升一定是越来越贵呢？
窦一凡教授：当前AI定价策略的变化，并不能简单地倒退回30年前“卖磁带”的逻辑。AI服务提供商在后台的生产与服务过程，用户贡献的数据可以提升模型的下一代性能，但问题在于：性能提升是否意味着必然涨价？我认为，更重要的是让用户认识到，这类收费背后是使用逻辑的深刻变化，而不仅仅是金额的变化。
过去，许多用户抱着“娱乐心态”使用AI，AI功能并不会深度影响他们的工作主线。例如，AI可以记录会议纪要，但思考决策仍由用户主导。然而，当AI能够明确规划“任务步骤”，并形成可复用的技能（skill），它便具备了覆盖用户部分工作内容的能力，从而替代对应的人力成本或节省大量时间。
因此，一旦AI深度嵌入用户的工作流程，人们讨论支付费用的方式便会发生改变。这种改变源于用户对付费的目的有了更明确的判断——不再为了“好玩”而付费，而是将资源集中在能够直接提升工作效率的工具上。
服务提供方同样意识到了这一转变并调整定价策略。由于token数量有限，他们会倾向于让真正高频使用的用户尽可能多用，而将那些仅偶尔使用的用户置于自由选择的状态。采用“分层定价”的策略，也是AI厂商在“过滤”出真正愿意为效率付费的用户。这意味着，当AI被定位为生产力工具时，AI服务提供方不必再用“娱乐化”定价来吸引用户。
在未来的AI应用中，结果导向的计费模式可能更为普遍。例如，用户的目标是完成某项具体工作，前一次完成耗费了2500个token，如果下一次完成同样任务的token高于2500，用户就会感到不满。此时，厂商必须在更精细的token计量与成本管理方面不断优化，以确保用户在结果导向逻辑下获得稳定的价值体验。随着大型企业和更多个人用户加入，收费将不再是问题，真正重要的将是如何通过更精细的计量和更复杂的定价模式，服务用户的具体目标。"