这几天朋友圈被《关于深入实施“人工智能+”行动的意见》刷屏了，但也有文章提到美国“人工智能+”的核心矛盾：AI垂直应用token成本与规模不经济的悖论。类似的问题在国内同样难以避免，本文以此切入，结合云计算服务模式的演变，尝试一窥未来智能基础设施生态裂变方向。

10多年前以“互联网+”为代表的移动互联网浪潮，不仅验证了在线化、数据驱动的互联网商业模式可行性，更深刻塑造了现代IT服务的交付方式，其核心成果便是云计算所确立的三大服务模式：IaaS、PaaS和SaaS。

IaaS（基础设施即服务）是最基础的，用户基于云计算厂商提供的虚拟服务器，自己安装操作系统、配置环境、部署网络代码和数据库。相当于给你厨房、煤气、灶台等，你自己买菜做饭。主要面向IT运维部门，按需付费，基于计算时间、存储容量、网络流量计价。

PaaS（平台即服务）相当于在IaaS基础上还提供了操作系统、运行环境、数据库软件，用户只需要关注应用本身。类似于在厨房等基础设施之上还给你准备好了食材，你只需要把饭菜做出来。主要面向应用开发人员，付费方式是按使用量，基于API调用次数、数据库吞吐量、活跃用户数等计价。

SaaS（软件即服务）在PaaS基础上更进一步，是为企业或组织提供的现成的应用软件，比如钉钉、飞书等。相当于饭菜做好了你直接开吃就行，类似于点外卖。主要面向普通用户，计费方式一般是订阅模式，比如包月、叠加按功能定价等。目前，SaaS已经成为2B软件市场的主力军。

云计算在发展初期，主要以公有云的形态服务于市场。而随着企业和zf机构加速上云进程，为满足其在成本、安全、合规和控制力上的多样化需求，逐渐演化并形成了三种主流的部署形态：公有云、私有云和混合云。

公有云由第三方云服务商拥有和运营，通过互联网向公众提供计算资源，相应的数据也集中在公有云平台。其核心优势是成本效益高（按需付费，无需硬件投资）、弹性伸缩（资源可快速扩缩容）和维护无忧（供应商负责全部运维）。但它对数据和系统的控制力较弱，常用于开发测试、面向互联网的Web服务和非核心应用。

私有云为单一组织独家使用的云基础设施，可由该组织自身、第三方或托管服务商管理。它通常部署在本地或托管数据中心。其最大价值在于提供极高的安全性、控制力和合规性，能满足金融、zf等对数据主权有严格要求的行业。但其代价是建设成本高昂、需要专业的运维团队，同时扩展性相对公有云而言较差。

混合云通过私有云、公有云和本地IT环境之间的互联技术，将数据和应用程序整合成一个统一、灵活的计算环境。混合云实现了“两全其美”，让企业能够将敏感核心工作负载保留在私有云，同时在需要处理流量高峰或运行非敏感任务时，无缝地利用公有云的庞大算力，从而在安全可控与成本弹性之间找到最佳平衡。

云计算用十多年的时间验证了这套生态系统的商业模式，AI很可能正在沿着一条相似的路径前进。

算力层对应云计算的IaaS，由GPU云厂商提供，一般按照“算力时长”或“显存占用”等资源用量收费，类似于IaaS基于计算时间、存储容量、网络流量的计价方式。

模型层对应云计算的PaaS，当前大模型公司就处于这一层级，提供加工好的“智能”。目前一般按token收费，token是指大预言模型处理文本的基本单位。

AI垂直应用对应云计算的SaaS，主要基于大模型公司提供的能力解决特定场景的具体问题。作为大模型厂商的“token消费者”或分发渠道，这一层的商业模式及盈利前景对于行业能否形成正循环、实现规模增长起着关键作用。

与传统SaaS不同的是，AI垂直应用使用第三方大模型产生的token成本与其用户使用量呈线性强相关关系，属于纯粹的变动成本，无法通过规模效应摊薄，导致其毛利率难以随规模扩大而改善，从而陷入了“规模不经济”的规模化困境：

•1个用户：token成本6美元，收入10美元，毛利润4美元，毛利率40%；

•1万个用户：token成本6万美元，收入10万美元，毛利润4万美元，毛利率40%；

•100万个用户：token成本600万美元，收入1000万美元，毛利润400万美元，毛利率仍为40%。

贝贝侠，公众号：锦缎研究院美国版“人工智能+”，当前正面临怎样的主要矛盾？

传统的SaaS虽然也需要向底层云平台（PaaS/IaaS）支付费用，但其成本可控性与规模经济效应要比AI垂直应用优越得多，通常租用的IaaS和PaaS服务及其计费方式：

IaaS-计算资源（如EC2虚拟机）：按运行时间收费（$/小时）

PaaS-数据库（如RDS）：按配置、存储量和IOPS（输入/输出操作次数）收费

IaaS-存储（如S3）：按存储的数据量（$/GB/月）收费

IaaS-带宽（Data Transfer）：数据流出量收费

这种按资源收费的方式属于“卖生产资料”，对用户而言是固定成本，可以通过优化自身技术架构的方式降低资源的平均使用成本；并且云厂商一般会采取阶梯计价和分层计价，用户用量越多单价越便宜，或者承诺用得越久，折扣力度越大。而大模型公司提供的是能够直接产生价值的智力成果，虽然也有阶梯计价和批量折扣，但本质上还是“收成品税”。

从这一点看，当前大模型所处位置与云计算的PaaS层又有所区别，在整个云生态中，PaaS属于原材料或半成品，而大模型公司提供的是高度产品化的“智能”。

破解AI垂直应用规模化困境的症结，在于改变其核心成本随业务量线性增长的现状，即将支付给模型方的Token可变成本，转化为可摊薄的固定成本，从而获得规模效应。

有观点认为可以考虑将收费模式从按Token改为按算力资源占用（如GPU时）。然而，这种收费方式抹平了模型之间的效率差异，高效优化的模型无法获得溢价，低效的模型也没有成本压力，本质上无法激励产业升级，对于追求降本增效的应用方而言，并非有利方向。

参考云计算的分层生态架构，笔者认为可行的破局之路在于：大模型公司的角色应从“智能成品提供商”下沉为“智能生产资料供应商”，即为AI垂直应用企业提供一整套可进行专项改造的工具链与基础设施。

具体可沿两个路径展开：

一是提供深度定制化的模型生产工具。大模型公司可开放参数量庞大的预训练基础模型，允许企业根据自身业务需求，从零开始全量预训练或高效微调；同时提供优化后的推理基础设施，保障定制模型能够高效、低成本地部署与运行。

在这种模式下，企业可以通过一次性支付训练或微调成本，将原本随调用量线性增长的Token费用，转化为前期固定投入。此后每次推理仅需承担硬件资源成本，从而显著改善成本结构，获得规模经济效应。

二是推行私有化部署的“模型许可”模式。将大模型如同数据库或中间件一样，通过一次性许可授权的方式部署到企业私有环境中，使其成为企业IT架构内一个可自主管理的智能组件。

这种方式尤其契合对数据隐私、安全合规和定制化服务要求极高的客户，如zf、金融机构及大型国有企业，为它们提供了一条拥抱AI能力且符合监管要求的可靠路径。

当然以上两种路径在技术实现上的挑战与风险还须进一步探讨。对大模型公司而言，从收取“成品税”转向“售卖生产资料”，不仅能够缓解下游应用企业的规模化困境，更有利于构建更深层次的产业生态壁垒——一旦企业的核心业务构建于某家的模型工具链之上，其迁移成本将变得极高。从当前趋势来看，大模型生态的裂变与重构正在发生：“人工智能+”的深入发展，必将驱动AI基础设施层走向高度专业化与细分化的新阶段。

从AI垂直应用企业的视角来看，其发展路径可借鉴从公有云到混合云，最终到私有云的演进模式，逐步实现对成本结构和核心能力的掌控：

初级阶段（追求敏捷）：多数初创企业会优先采用顶级闭源API。这一阶段的核心目标是快速验证产品市场契合度，通过提供高溢价的产品价值来覆盖token成本。同时需要精心设计自身的收费模式，使其与token消耗联动（如按处理字符数、文档数或任务复杂度分级定价），实现收入与成本的部分挂钩。

中级阶段（混合架构与成本优化）：具备一定技术能力的公司可转向混合模型策略。对高频但低价值的通用任务（如文本清洗、简单问答），采用成本更优的开源模型或通过MaaS（模型即服务）处理；仅对复杂、高价值的核心任务调用闭源大模型。以此实现流量分流，让大部分成本变得可控且可预测，仅在必要时为顶级性能支付溢价。

高级阶段（全面自建与规模经济）：当业务规模足够大、技术团队成熟后，头部企业可能会全面迁移至自建模型集群。通过微调或预训练拥有专属模型，并将其部署到私有基础设施中，将核心成本结构彻底从可变成本转化为固定成本。一旦突破盈亏平衡点，规模效应将带来显著的毛利率提升，同时实现对技术栈、数据与性能的完全自主控制。

更进一步来看，从大型互联网平台孵化独立大模型企业的实践中（例如抖音推出“豆包”），还可以清晰看到这一演进逻辑的终极体现：从解决自身场景需求出发，逐步构建起对外输出的产业化与专业服务能力，最终形成企业增长的第二曲线。

【相关专题】

“一半天堂一半地狱”：人才富集与产业空心化，AI为什么也这么难？

人工智能的边界探索：从学派分立到人机共生

工业视角看AI：从机械化到智能化的演进逻辑

管理视角看AI：从数字化到智能化的底层逻辑

商业视角看AI：价值链重构与商业模式变迁的底层逻辑

平台视角看AI：从消费互联网到产业互联网

从齿轮到算法：工业4.0的智能化演进全景

汽车工业第四代生产范式，为什么没有率先出现在中国？（1）四个问题，读懂特斯拉超级工厂和第四代生产范式

汽车工业第四代生产范式，为什么没有率先出现在中国（2）：智能制造的核心竞争逻辑，从上海超级工厂的特殊地位说起

汽车工业第四代生产范式，为什么没有率先出现在中国（3）：为什么也没有诞生在德国？

汽车工业第四代生产范式，为什么没有率先出现在中国（4）：美国“去工业化”与特斯拉崛起的悖论

汽车工业第四代生产范式，为什么没有率先出现在中国（5）：工业强国的真正标准

智能制造的未来畅想：假如工厂长出了“腿”

本文在网络公开资料研究基础上成文，限于个人认知，可能存在错漏，欢迎帮忙补充指正。