“豆包收費”開啟，中國大模型商業化的機會與現實約束

文 | 孫永杰

近日，豆包悄然在應用商店頁面上線訂閱方案。這本是一次看似常規的產品更新，但在中國AI產業語境下，卻迅速被放大為一個具有標志性的信號，即國產大模型開始從規模競爭轉向價值變現，并由此引發了不小的爭議。那么問題來了，在當前階段，中國用戶是否已經具備為大模型付費的現實基礎？中國AI模型又是否具備支撐收費的能力溢價？

從豆包到Kimi，中國大模型試探“收費邊界”

如果回看中國大模型過去一年的發展軌跡，會發現一個非常鮮明的特征：幾乎所有頭部玩家都優先選擇了“做大用戶規?！?，而不是“做收入模型”。無論是豆包，還是通義千問、Kimi、文心一言以及DeepSeek，都在不同程度上延續了互聯網時代的經典路徑：先通過免費獲取用戶，再在后期探索變現。

這種路徑在移動互聯網時代曾被反復驗證，但在大模型時代卻出現了新的變量。原因在于AI并不是一個邊際成本接近于零的業務，相反，它是一個對算力極度依賴的產業。其每一次對話、每一次生成、每一次推理，本質上都在消耗真實的算力資源。而當用戶規模達到數億級之后，這種成本壓力不再是“可以忽略”，而是變成“必須正視”。

正是在這樣的背景下，豆包推出的三檔訂閱體系，從68元到500元不等，并成為首個將C端訂閱定價提升至500元/月檔位的頭部玩家。本質上這并非簡單的價格分層，而是一種能力與資源的重新分配機制，即免費用戶繼續使用基礎功能，而付費用戶則獲得更高性能、更復雜任務處理能力以及更穩定的服務體驗。所以這種設計，與其說是收費，不如說是對“算力使用權”的再定價。

但問題在于，中國市場并非一片空白。與豆包形成鮮明對比的是，大多數國產模型仍然維持著高度克制的收費策略。例如通義千問更多通過開發者生態與企業服務實現收入；文心一言的會員價格仍停留在相對低位；Kimi的商業化仍在試水階段；DeepSeek則幾乎完全依賴API路徑，并形成了一個豆包在向C端高收費試探，其他廠商幾乎仍在觀望的微妙行業格局，而這種觀望并非猶豫，而是現實約束。

眾所周知，中國用戶長期處于“免費互聯網”環境中，對工具類產品付費的敏感度極高。一旦收費與體驗之間出現錯位，用戶遷移成本又極低，很容易在不同模型之間“橫跳”。因此，對大多數廠商而言，維持免費不僅是競爭策略，更是一種風險控制。而從這個角度看，豆包的收費更像是對用戶付費意愿和自身產品承載能力的壓力測試。如果成功，它可能成為行業范式；如果受挫，則可能強化行業對“免費模式”的路徑依賴。

但無論結果如何，可以確認的是，中國大模型正在逼近商業化的臨界點，只是尚未找到最合適的落點。

對標美國，成熟收費體系背后的“能力溢價”

如上述，當中國還在試探收費邊界時，美國市場早已完成了這一輪轉變。具體表現為以ChatGPT、Claude以及Gemini為代表的主流大模型，已經建立起相對成熟的訂閱體系，并且在用戶側形成了穩定的付費預期。這之中，其與中國市場最大的不同在于，美國用戶對AI收費的接受程度更高，其關鍵并不在價格本身，而是付費邏輯的清晰。

以ChatGPT為例，從20美元的Plus到100甚至200美元的高階版本，其價格梯度背后對應的是明確的能力差異，而非簡單的使用限制。用戶付費所獲得的，是更強的推理能力、更長的上下文、更穩定的響應以及更高優先級的資源分配。

換句話說，在美國市場，AI收費的核心不是“多用一點”，是“用得更好”。而這種“能力溢價”的成立，則依賴于模型本身的領先性。

事實是，無論是OpenAI，還是Anthropic，都在持續通過技術迭代擴大模型能力邊界，使得付費與體驗之間形成正反饋，即用戶愿意付費，是因為他們清晰地感知到差異；企業能夠持續收費，則是因為這種差異在不斷被強化。

更重要的是，這種收費模式已經嵌入商業閉環之中。具體表現為，收費帶來的收入，反過來支撐更高強度的訓練與推理投入，再進一步提升模型能力，最終形成“能力提升—用戶付費—再投入”的循環。而這種循環一旦建立，就會形成明顯的先發優勢。

相比之下，中國大模型雖然在用戶規模上快速追趕，但在商業閉環上仍顯得不夠完整。大量產品仍依賴補貼與生態輸血維持運營，C端付費尚未形成穩定結構。

需要補充說明的是，雖然前述中國的AI模型似乎也是按照能力采取階梯式定價，但背后則是與美國AI模型完全不同的競爭邏輯。

具體表現在，美國AI模型更接近“算力租位制”，結構透明、單價線性。相較之下，國內正轉向一種博弈色彩濃厚的“階梯刺客”模式，即通過低門檻吸引接入，但在長文本、聯網搜索、深度思考等高階功能上設置非線性的溢價點。而這種“前輕后重”的設計雖能篩選出高價值用戶，但也同時增加了用戶成本的不可預測性。

由此，一個更深層的問題隨之浮現，即當下中國AI模型的付費與其價值是否匹配？尤其是當我們引入收入負擔和模型實際能力雙重因素時，答案變得更為復雜。

中國用戶“付費更重”，收入差距與模型質量的雙重壓力

如果僅從匯率角度看，此次收費的豆包500元/月約等于70美元，明顯低于ChatGPT 200美元/月的價格水平。但這種對比其實是一個典型的“名義價格陷阱”。原因在于，真正影響用戶決策的，并非價格本身，而是價格與收入之間的關系，以及價格與模型能力之間的匹配程度。

基于此，我們不妨先看看先看價格與收入之間的關系是如何使得同樣一筆AI支出，造成在兩國用戶心中付費的“重量”完全不同。

根據國家統計局數據，2025年中國居民人均可支配收入為43,377元，中位數為36,231元（城鎮居民中位數更高，達51,115元）。而根據美國人口普查局數據，2024年美國居民家庭收入中位數約為83,730美元。即便考慮到統計口徑差異（中國為“個人”，美國為“家庭”）和購買力平價（PPP）因素，兩者仍存在顯著差距。

如果將上述差距放入AI訂閱場景中，就更加直觀。

以每月500元（約70美元）的訂閱費用計算，中國用戶一年支出約6000元，占收入中位數約16%，相比之下，美國用戶即便選擇200美元/月的高階訂閱，年支出約2400美元，占收入中位數的比例也僅在3%左右。也就是說，在“收入占比”這一更真實的衡量維度下，中國用戶為大模型付出的成本，大約是美國用戶的5倍以上。

而這也解釋了為什么同樣一筆訂閱費用，在中國更容易觸及用戶的“心理上限”。因為對于中國用戶來說，數百元的月度支出已經接近工具類消費的邊界，而對美國用戶而言，這一支出更接近日常軟件服務的一部分，其導致的結果就是，即便名義價格更低，中國用戶在實際支付時承受的心理與經濟壓力反而更大。

由此可見，從支出占收入的比例來看，中國用戶為大模型付出的“相對成本”顯著高于美國這一點并非感性判斷，而是可以被數據直接驗證的現實。

但如果我們只停留在“收入差距”，仍不足以解釋爭議的核心。更關鍵的是第二個變量—模型能力本身。

根據斯坦福AI Index最新報告，美國AI模型的領先優勢與中國AI模型相比已縮小至約2.7%左右，中國模型在中文場景、性價比、特定工程化任務上具備競爭力，甚至多次在公開榜單登頂。不過，在更嚴格的獨立評估中，差距依然存在。

例如CAISI在2026年5月發布的評估報告顯示，當前中國最強開源模型之一的DeepSeek V4 Pro，在綜合能力上大約落后美國前沿模型8個月。需要說明的是，這“8個月”的時間差，并不是單一指標得出的，而是基于網絡安全、軟件工程、自然科學、抽象推理和數學等多個領域的基準測試綜合擬合得出的結果。

更值得注意的是，這種差距并非均勻分布，而是集中體現在高階能力上。

比如在一些公開基準中，DeepSeek V4 Pro可以與美國模型表現接近，但在更接近真實應用復雜度的測試中，例如抽象推理（ARC-AGI-2半私有數據集）、軟件工程遷移能力（PortBench）以及網絡安全攻防任務（CTF-Archive-Diamond），其表現明顯落后。這意味著在用戶最容易“感知差異”的復雜任務場景中，差距反而被放大。

換言之，如果把大模型理解為一種生產工具（這也是豆包階梯收費的最大由頭），那么當前中國模型在“基礎可用性”上已經沒有問題，但在“高階生產力”層面，仍與美國頂級模型存在明顯代差。而這就帶來了一個非?，F實，甚至有些尖銳的結論，即中國用戶在承擔更高相對成本的同時，所購買的并非是全球能力最強的模型服務。

寫在最后：綜上，我們認為，豆包收費引發的爭論，本質上并不是圍繞“該不該收費”，而是圍繞“什么時候收費、以什么能力收費”。盡管在算力成本持續上升、行業競爭逐漸理性的背景下，大模型走向商業化幾乎是必然路徑。

但現實同樣清晰，即商業化的前提，應是能力的充分兌現。如果模型能力尚未形成足夠明顯的差異化優勢，收費，甚至是高收費，就容易變成對用戶耐心的消耗；反之，當能力真正成為生產力工具的一部分，收費反而會成為自然而然的選擇。

因此，與其說當前中國AI面臨的是收費難題，不如說是能力兌現的時間差。而在這個時間差被填平之前，任何收費嘗試都更像是一種試探，并非終局。

從這個意義上看，豆包的價值或許不在于它是否成功收費，而是在究竟先收費，還是先讓自己成為不可替代的AI工具？這種邏輯不僅關乎豆包，更決定著整個中國AI行業的走向。