这期节目是 Cryptoria 全新系列 Beyond Crypto 的第一期。我们不再只聚焦加密货币，这个系列会带你理解 AI、biotech、量化等前沿科技的商业逻辑。本期 Vivienne 和Zhiyang聚焦一个看似矛盾的现象：AI 推理单价两年暴跌 280 倍，同期 Anthropic 单季度收入却超过 115 亿美元。价格在跌，收入在涨，理解这件事，你对未来五年科技格局的判断会完全不同。

1. Beyond Crypto 新系列启动

- Cryptoria 拓展内容方向，开辟 Beyond Crypto 系列，涵盖 AI、biotech、longevity、量化、美股等前沿科技

- 不止于 Crypto，面向更广的前沿科技商业逻辑

2. 边际成本回来了：AI 打破软件三十年的逻辑

- 传统软件商业模式：固定研发成本、无限复制，边际成本趋近于零（Windows Vista 研发估算 50 亿美元，但每多卖一份额外成本几乎为零）

- AI 打破这个逻辑：每次推理都有真实服务器运转、真实电费支出，COGS 是实实在在存在的

- ChatGPT 日处理 25 亿次查询、日活 1.9 亿人，哪怕每次只需几分之一分钱，全年推理成本也是天文数字

- 这解释了为什么 OpenAI 年化收入超 250 亿美元仍处于亏损状态

3. AI 四种商业模式

- 按量收费（Token 定价）：用多少付多少，如 OpenAI/Anthropic 的 API；供应商成本透明，但买家无法预测预算

- 订阅制加用量上限：固定月费加额度上限，类似手机套餐；OpenAI 200 美元 Pro 套餐重度用户反而让供应商亏损，没有一家 AI 公司敢做真正的无限使用

- 按结果收费：最新趋势，完成任务才收钱；解决了"AI 越强反而按人头数收入越少"的根本错位；"完成"的定义与实时追踪仍是技术难点

- 混合模式：订阅底价加超量按用量收费；Cursor 用此模式四年做到年化 40 亿美元，2026 年 8 月以 600 亿美元被 SpaceX 全股票收购（SEC 备案实际交割金额，有史以来最大创业公司收购案）

4. Jevons 悖论：价格越低需求越爆

- 1865 年英国经济学家 William Stanley Jevons 发现：蒸汽机效率提升后，英国煤炭消耗 1865 至 1900 年间不降反升翻了三倍

- 历史反复验证：汽车油耗提升总油耗反增、半导体变便宜带出 PC/手机/IoT 芯片用量翻千倍、带宽降价催生视频流媒体

- AI 同样如此：Token 单价跌 280 倍，打开了更多应用场景；AI Agent 多步推理普及（一个复杂任务可能调用几十上百次推理），总算力需求暴涨

- 2026 年推理算力支出已占企业 AI 总预算 55% 以上；Nvidia 股价未因 AI 变便宜而崩，市场理解这个逻辑：便宜带来的是需求爆炸而非萎缩

5. 真正的成本单位不是 Token

- Token 不是大宗商品，因为来自 Kimi 的 Token 和来自 Claude 的 Token 本质不同；真正可替代的是"智能"本身，即同等质量的答案

- 真正的计价单位：同等输出质量下，谁花的钱更少

- 决定成本的五个维度：模型体积（权重越大基础成本越高）、推理效率（混合专家架构可大幅降低单次计算量）、内存效率（GPU 缓存占用越小吞吐越高）、服务效率（批处理/前缀缓存等工程优化）、Token 效率（到达正确答案所需步骤越少成本越低）

- Kimi K3 单价看似低，但若需要消耗更多 Token 才能得出同等答案，实际推理成本反而更高

6. 三大护城河：商品化时代谁能守住定价权

- 工作流嵌入深度：涨价 50% 也不换的工具才有护城河；换了要重新培训全团队、失去历史数据和上下文积累；微软 Build 2026 战略本质是把 AI 嵌入操作系统层，让 Agent 在 Windows 注册运行、记忆跨会话积累，用久了迁移成本越高

- 专有数据飞轮：通用模型对所有人一样平庸；在企业内部数据（客户对话、内部文档、历史决策）上持续学习的 AI 越来越精准，竞争对手的通用模型永远追不上；贝莱德 Aladdin 积累几十年金融数据，嵌入 AI 后飞轮转得更快

- 受监管行业信任资产：医疗、法律、金融中 AI 给出的答案还需可审计、可追责；这套合规能力不是买个模型就能有的，靠时间和行业经验积累；Mayo Clinic 的临床 AI 独立验证本身就是竞争对手花钱买不来的信任资产

7. BCG 报告：精准剥层与空洞化

- 空洞化：一家公司收入、客户留存、市场份额看起来完好，但定价权和利润率在悄悄流失，等账面反映出来已太晚

- 精准剥层：AI 原生公司不与大公司正面竞争，而是瞄准整条价值链里利润最高那一层，做成独立产品抽走

- Augury 案例（工业领域）：在工厂设备上安装传感器，用 AI 提供"预测+处方"服务（坏哪个零件、何时停产维修、验证数据），把原本属于设备制造商最赚钱的售后环节直接插入并独立订阅化；工厂还是原来设备，制造商销售数据没变，但售后利润没了

- Sierra 案例（客服领域）：Salesforce 联席 CEO Bret Taylor 创办的 AI 客服平台，接入企业 CRM/订单系统/客户档案，全渠道自主处理问题，只按成功解决的问题收费；专门拿走高频标准化问题（传统客服规模最大、利润最稳那层），复杂判断仍留给企业自己；企业客服人员和系统还在，但最容易规模化的那部分收入已变成 Sierra 的钱；2026 年初年化收入 1.5 亿美元，估值 158 亿美元

8. 中国模型的成本优势：蒸馏与结构性博弈

- 中国模型（Kimi、DeepSeek、Qwen）能低于美国顶级闭源模型定价，核心机制是"蒸馏"：用顶级模型的大量输出训练自己的模型，跳过从零摸索的过程（类比：让新律师研究透顶级律师处理过的上万个案例）

- OpenAI/Anthropic 服务条款明确禁止用其输出训练其他模型；美国开源公司须遵守，否则面临法律风险；中国实验室不受跨国民事合同约束

- 荒谬结果：美国开源模型打不过中国开源模型，有时还要反过来借道中国模型，绕了一圈，仍是美国闭源知识经中国蒸馏转手

- 这将持续压低全行业价格天花板，加速智能商品化；成本结构是布局 AI 赛道股票最重要的考量维度之一

时间轴

00:02 开场设问：Token 单价暴跌 280 倍，AI 公司收入为何还在暴涨

01:47 Beyond Crypto 系列介绍：从加密拓展至 AI、biotech、量化

03:45 互联网三十年的秘密：软件边际成本为何趋近于零

05:53 AI 打破旧逻辑：每次推理都有真实算力成本，COGS 真实存在

09:47 AI 四种商业模式：按量、订阅制、按结果、混合

17:47 Jevons 悖论：1865 年蒸汽机的发现，为何价格越低需求越爆

26:35 成本的五个维度：Token 效率才是真正的竞争变量

29:37 智能商品化进行时：微软 Copilot 同时路由多家模型

30:24 三大护城河：工作流嵌入、数据飞轮、受监管行业信任资产

37:05 BCG 空洞化报告：精准剥层，护城河内部看完整外部看已被绕过

39:03 两个真实案例：Augury（工业售后）和 Sierra（AI 客服）

45:28 中国模型的位置：蒸馏机制与系统性成本优势

50:46 总结：三件事：边际成本回来、Jevons 悖论成立、护城河在迁移

关键词: AI成本结构、边际成本、COGS、Token定价、按结果收费、商业模式、Jevons悖论、算力需求、推理成本、大宗商品、护城河、工作流嵌入、数据飞轮、定价权、商品化、精准剥层、空洞化、BCG、Augury、Sierra、Cursor、SpaceX、蒸馏、DeepSeek、Kimi、ChatGPT、Anthropic、Claude、OpenAI、Nvidia、BlackRock、Aladdin、Mayo Clinic、混合专家架构、AI Agent、SaaS、Beyond Crypto

加入我们的听众群，和同频的人一起追踪加密世界的每一个关键时刻。

主播：

Vivienne (Twitter @Vivienne_smile)

Zhiyang (Twitter @zhiyangxyz)

Twitter：@0x_cryptoria

小助手微信：trifoliumlabs

Cryptoria研究杂志：https://substack.com/@azimuthmagazine

免责声明: 所有观点纯属主播个人意见仅供分享，不构成任何投资建议。加密货币投资风险巨大，在做出任何投资决定前，请先做好充分调查并咨询相关专业人士

EP.171【Beyond Cryptoria】当智能变成商品：AI成本结构与定价权争夺

Cryptoria｜用简单的语言，讲述纷乱繁杂的加密世界

EP.171【Beyond Cryptoria】当智能变成商品：AI成本结构与定价权争夺