中国大模型价格战背后的真相

5 月 21 日上午，阿里云在其例行峰会上，意外地释放了大降价的消息：通义千问 GPT-4 级主力模型推理输入价格降至 0.5 元/百万 tokens，直降 97%。

阿里云降价公告 | 来源：阿里云

这个大幅度降价的消息瞬间引发了与业界的普遍关注和讨论，但短短数小时连锁反应出现了，百度智能云官宣文心大模型主力模型 ERNIE Speed（上下文长度 8K、128K）、ERNIE Lite（上下文长度 8K、128K）免费。虽然这两个模型和阿里宣布降价的模型并不完全对应，但是这个动作让很多人开始高呼中国大模型企业的 API 商业模式，难道就这样在 3 小时内就消失了吗？

文心大模型两大主力模型全面免费

实际上在更早之前，字节跳动宣布，豆包通用模型推理输入价格为 0.8 元/百万 tokens。

虽然这些价格背后在并发量，模型能力上有很多不同的细节区别，甚至根据创业者的实际计算，真正落到业务里用起来，各家的成本下降都没有宣传上那么夸张。

但至少纸面上看，每百万 token 推理输入量，字节、阿里、百度先后在一周内官宣了 0.8 元，0.5 元和免费的报价。有业界人士甚至开玩笑说，眼瞅着下一家跟进的厂商可能就得发钱补贴让客户用 API 了，在这么短的时间内产生这样剧烈的变化，到底是因为什么？这是一次市场宣传上的内卷？还是大模型 API 调用的商业模式，就真的这么消解了吗？

01

价格战背后，大模型

API 调用的商业模式

其实最早 ChatGPT 发布时，大家对大模型直接作为服务被调用的商业模式有很大期待。毕竟，与上一波 AI 烟囱式的项目交付方式相比，大模型带来了更通用的 AI 能力，作为标准化服务被调用，道理上也说得通。

就拿 OpenAI 来说，有两大商业化手段，一是像 ChatGPT Plus 20 美元/月这样的会员订阅模式，另一个是开发者 API 调用服务。在这两大标准化服务的拉动下，2023 年 12 月 31 日，The information 爆出 OpenAI 的年度经常性收入（Annual Recurring Revenue，ARR）已经达到了 16 亿美元。

但即便强如 OpenAI 的模型能力，这个体量的营收相比其百亿美金级别的研发成本而言，目前看也还是杯水车薪。

事实上，只提供模型的 API，距离 AI 应用在场景中落地还有很大距离，大部分 AI 应用还需要在一个通用的模型 API 之上，在场景里喂数据、做微调等来优化模型引擎。看到这一瓶颈后，国内大模型厂商在过去一年也做了一系列探索来降低 AI 应用的门槛，以期扩大大模型的调用量。

以百度智能云为例，去年相继推出模型开发工具 Model Builder 和 AI 应用开发工具 AppBuilder、更具效价比的不同模型等，但模型的调用增长似乎依然有限。今年 4 月，百度智能云推出生态打法，和有渠道、场景的供应商一起合作服务客户，旨在进一步拉升文心大模型标准化的 API 调用量。这些迹象上看，大厂们显然并没有真的准备放弃 API 调用的商业模式，但这个商业模式还没有真正收到成规模的钱，倒是真的问题。

上周，百度最新公布的数据显示，文心大模型日处理文本 2500 亿 token，另一大厂字节跳动日均处理 1200 亿 token 文本，但其中很大一部分是大厂内部业务在调用做 AI 应用和业务探索。

可以看出，尽管模型厂商做了很多尝试，但标准化的模型 API 并没有迎来确定性的增长。

这是本周大厂模型推理价格降低的大前提和背景。理解了模型 API 调用的需求现状，也就不难理解这一波降价动作——降价并没有真的损失多少收入，不如激活下市场，赚个吆喝，促进很多企业从「免费试用」开始下水，早点启动对 AI 进入业务流的尝试。

其实，这一波降价的连锁反应，真正的源头并不是阿里云，也不是字节跳动，比大厂降价更早的，是一家创业公司。

5 月 6 日，国内创业公司幻方旗下的大模型公司「深度求索」开源了第二代 MoE 模型：DeepSeek-V2，主打参数更多、能力更强、成本更低。

由于 DeepSeek 的技术优势在全球大模型圈子得到了普遍好评，而其在模型能力逼近第一梯队闭源模型的前提下，还把推理成本降到了 1 块钱/百万 token，也就是说，成本是 Llama3 70B 的七分之一，GPT-4 Turbo 的七十分之一。而且，DeepSeek v2 还能做到有利润，这显然是是模型架构、系统、工程的一系列进步带来的成本降低。

这一信息在实际做模型应用的产业界引起了广泛讨论，在海外也引起了不小的波动，半导体和人工智能独立研究机构 SemiAnaysis 称其性能直逼大模型 GPT-4 所代表的第一梯队，同时推理价格相当低，是不可小觑的中国力量。

DeepSeek v2 宣布其价格为 1 元/百万 token 后，随即引来了大模型价格战，智谱、面壁、字节、阿里、百度，以及今天跟进的科大讯飞、腾讯云相继宣布了模型推理价格降低。

对于各家不同的降价策略，已经有一些质疑声音称一些降价的模型本身吞吐量就低，而高性能模型并没有降价。并且还有很多细节条款会让最终企业用起来没有宣传的那么便宜，从这个角度看，降价更多是模型厂商出于市场和品牌的考量，进行的一波内卷。

归根结底，能形成价格战的连锁反应，也是当前各大模型的能力放在可用的场景中，尚未拉开差距，用户甚至有免费开源的产品可以用。

一位 SaaS 厂商创始人向极客公园表示，「对我来说用谁的其实无所谓，因为他们最后跑得都差不多，当把时间线拉长来看，最后这些厂商提供的模型 API 服务，99.9% 的概率跟今天的云是差不多的概念。另外，如果一个通用的模型 API 无法深度适配场景，还是要自己基于开源模型，用场景数据做专门的深度训练，也不会接通用的模型 API。」

最终的的客户需求，其实是端到端的诉求，是可以用、可以看到效果的东西，而不是模型调用。

02

大模型，巨头和

创业公司有不同的游戏

当然，模型推理价格降低本身也是技术发展带来的必然结果，有一系列工程、架构、系统手段可以持续优化。今天凌晨微软 Build 开发者大会上，纳德拉还举例解释了这一趋势。他说，过去一年 GPT-4 性能提升了 6 倍，但成本降低到了之前的 1/12，对应性能/成本提升了 70 倍。

「难的是探索模型能力上限，至于模型推理价格一定有办法降低」，Minimax 创始人闫俊杰上周坐客极客公园直播节目中表述了这一技术趋势，他表示，模型推理价格降低到可用，在学术界已经发生过三次了，这不难。

模型技术的攀升，才是 API 调用商业模式能继续增长的前提。其实细看今天宣布降价的模型产品也是一样，真正大规模、高性能、支持高并发的模型推理还是要收费，降价幅度是有限的。

但长期来看，API 模式最终考验的还是模型能力，如果技术拉不开差距，价格也一定拉不开差距，最终模型调用的价值会被稀释，虽然依旧是重要的基础设施，但价值大小就从油变水了。

换一个角度看，今天一个通用的模型 API 可能不是迫切的需求。就像 Lepton.ai 的创始人贾扬清在朋友圈表达的观点，「站在整个 AI 业界的角度我想说，降价是个拍脑袋就可以做的简单策略，但是真正的 To B 商业成功更难。」今天企业在使用 AI 的时候，并不是成本驱动的，「今天不是说 API 贵才没有人用，而是因为要搞清楚，到底怎么用起来产生业务价值」。

从这个角度看，如何把大模型能力推动到企业的业务里的很大一部分任务，可能又回落到传统 SaaS 厂商（用 AI 升级产品之后）手里，需要他们作为智能生产力的「干线物流」+「前置仓」，输送到各个场景中。

随着模型 API 直供模式的高度内卷，巨头其实已经在向能交付价值的 SaaS 看，微软今天宣称 GitHub Copilot 订阅者已经有 180 万付费用户。谷歌近日也正在与 CRM 营销巨头 Hubspot 谈高达 300 亿美金收购可能性，因为前者可能会利用这次收购来加强其在 AI 领域产品整合。

对于巨头而言，模型技术和实际场景，两个都要抓，才能有规模化的收入。但归根结底，模型能力和别人拉开距离，才是 API 模式可以产生价值的「华山一条路」的挑战。

而对于大模型创业公司而言，也是个「华山两条路」的局面，即要么做出比大公司更好的模型技术，要么从模型走向产品，直接创造价值。

智能的能力不会是免费的，但是怎么规模化的创造价值，巨头和创业公司，都还在寻找答案。