GitHub Copilot的定價(jià)轉(zhuǎn)型正在引發(fā)AI行業(yè)的連鎖反應(yīng)，一場(chǎng)關(guān)于AI商業(yè)模式可持續(xù)性的深層爭(zhēng)論由此浮出水面。隨著按量計(jì)費(fèi)取代固定訂閱，用戶賬單驟然飆升，而Coinbase、Hugging Face等科技巨頭的掌舵者正在給出截然不同的應(yīng)對(duì)路徑，廉價(jià)模型的崛起，或?qū)母旧现厮蹵I算力的成本格局。

6月1日，微軟旗下GitHub Copilot正式將計(jì)費(fèi)模式從按請(qǐng)求次數(shù)收費(fèi)切換為按Token用量計(jì)費(fèi)，部分重度用戶的月度賬單預(yù)計(jì)從此前的數(shù)十美元驟升至數(shù)百美元。這一變化迅速在社交媒體引發(fā)強(qiáng)烈反彈，有用戶曬出內(nèi)部成本估算截圖，顯示其月度費(fèi)用將從44.68美元跳升至754.29美元，另有用戶預(yù)計(jì)賬單將高達(dá)847美元。

這場(chǎng)定價(jià)風(fēng)波的背后，是AI行業(yè)長(zhǎng)期以來以補(bǔ)貼換增長(zhǎng)模式的集中爆發(fā)。Coinbase首席執(zhí)行官Brian Armstrong對(duì)此作出回應(yīng)，預(yù)判80%的AI工作負(fù)載將在12至18個(gè)月內(nèi)遷移至成本低99%的模型，能源與算力將成為真正的瓶頸所在。

Hugging Face首席執(zhí)行官Clement Delangue則援引斯坦福大學(xué)研究數(shù)據(jù)，為本地化、開源小模型的大規(guī)模替代提供了實(shí)證支撐。

GitHub Copilot定價(jià)轉(zhuǎn)型：補(bǔ)貼時(shí)代終結(jié)

GitHub Copilot的定價(jià)調(diào)整并非突然之舉。今年4月，GitHub首席產(chǎn)品官M(fèi)ario Rodriguez已公開表示，隨著智能體AI的興起，現(xiàn)行定價(jià)模式"已不再可持續(xù)"——一次簡(jiǎn)短的對(duì)話提問與一次耗時(shí)數(shù)小時(shí)的自主編程任務(wù)，此前對(duì)用戶收取相同費(fèi)用，而GitHub一直在背后吸收不斷攀升的推理成本。

新政策于6月1日正式生效。在新計(jì)費(fèi)體系下，用量成本按所使用的AI模型及消耗的Token數(shù)量折算為AI積分，每個(gè)積分等值0.01美元。訂閱用戶獲得固定基礎(chǔ)積分配額，并根據(jù)訂閱層級(jí)獲得額外彈性積分。由于前沿AI模型通常消耗更多Token，不同模型之間的實(shí)際成本差異懸殊。

用戶的反應(yīng)迅速而激烈。在GitHub的Reddit社區(qū)，一名自稱從首日起便訂閱Copilot Pro+的用戶寫道："每月39美元感覺已經(jīng)很貴了，但還算值。現(xiàn)在換成這套AI積分機(jī)制，我算了一下，下個(gè)月預(yù)計(jì)賬單：847美元。"多名用戶將這一變化比作Uber的商業(yè)路徑——以超低價(jià)格培養(yǎng)用戶依賴，待用戶形成習(xí)慣后再大幅提價(jià)。

Gartner分析師Arun Chandrasekaran在接受Business Insider采訪時(shí)表示，Copilot的案例"可能只是一個(gè)早期樣本"，預(yù)計(jì)隨著高級(jí)推理模型和智能體工作流推動(dòng)推理端算力消耗大幅上升，更多企業(yè)將轉(zhuǎn)向按Token或按用量計(jì)費(fèi)模式。

補(bǔ)貼模式的系統(tǒng)性風(fēng)險(xiǎn)

這場(chǎng)定價(jià)風(fēng)波折射出AI行業(yè)更深層的結(jié)構(gòu)性矛盾。投資人Tommy Shaughnessy在社交媒體上發(fā)文，系統(tǒng)梳理了他所認(rèn)為的"AI最顯而易見的崩潰路徑"。

他指出，按席位訂閱的固定費(fèi)用長(zhǎng)期以來被大幅補(bǔ)貼，遠(yuǎn)低于重度使用的實(shí)際成本。一旦企業(yè)出于數(shù)據(jù)保護(hù)、合規(guī)審批等需求轉(zhuǎn)向API調(diào)用，便會(huì)直面按量計(jì)費(fèi)的真實(shí)價(jià)格，而實(shí)際消耗速度往往遠(yuǎn)超此前預(yù)期。他援引多個(gè)案例佐證這一趨勢(shì)，包括Uber在2026年將全年AI預(yù)算在四個(gè)月內(nèi)耗盡。

Shaughnessy進(jìn)一步指出，當(dāng)前AI大廠的利潤(rùn)率已深度為負(fù)——據(jù)報(bào)道OpenAI的利潤(rùn)率接近負(fù)122%——這意味著其完全依賴外部資本來購買GPU、訓(xùn)練模型并持續(xù)補(bǔ)貼用量。他認(rèn)為，一旦投資者對(duì)回報(bào)預(yù)期失去信心，整個(gè)資本流動(dòng)將面臨逆轉(zhuǎn)風(fēng)險(xiǎn)。

不過，他也提示了這一邏輯的邊界：若AI真正催生新藥研發(fā)或全新商業(yè)形態(tài)，用戶對(duì)高價(jià)AI服務(wù)的支付意愿將大幅提升，屆時(shí)上述壓力或?qū)⒕徑狻?/p>

Coinbase CEO：廉價(jià)模型將主導(dǎo)未來

面對(duì)算力成本的持續(xù)攀升，Coinbase首席執(zhí)行官Brian Armstrong給出了他的判斷框架。他認(rèn)為，對(duì)智能的需求近乎無限，但市場(chǎng)將快速分化：80%的工作負(fù)載將在12至18個(gè)月內(nèi)遷移至成本低99%的模型，剩余20%對(duì)智能上限有極致要求的任務(wù)——如科學(xué)突破、高層級(jí)編排智能體——仍將運(yùn)行在最新一代前沿模型上。

Armstrong將這一趨勢(shì)類比于消費(fèi)電子市場(chǎng)：購買頂配MacBook或游戲PC的用戶始終是少數(shù)，而AI領(lǐng)域的價(jià)格下降速度甚至比摩爾定律更快。他由此得出結(jié)論，未來真正的制約因素將是能源與算力，而非模型能力本身。

Armstrong還披露了Coinbase的內(nèi)部實(shí)踐：公司正積極推進(jìn)提示詞路由策略，將請(qǐng)求分配至成本更低的模型，在部分場(chǎng)景下已實(shí)現(xiàn)總成本基本持平，而Token用量仍在指數(shù)級(jí)增長(zhǎng)。

開源小模型：多模型未來的實(shí)證支撐

Hugging Face首席執(zhí)行官Clement Delangue援引斯坦福大學(xué)研究數(shù)據(jù)，為廉價(jià)模型的替代潛力提供了量化依據(jù)：本地模型在真實(shí)世界的對(duì)話與推理查詢中的準(zhǔn)確率已從2023年的23.2%躍升至71.3%，且成本與能耗均僅為前沿API的一小部分。

Delangue據(jù)此提出"多模型未來"的判斷：對(duì)于大多數(shù)工作負(fù)載，本地化、開源、小型且廉價(jià)的模型將成為主流選擇；只有在別無選擇時(shí)，才需要調(diào)用前沿API。

Shaughnessy的分析與此形成呼應(yīng)。他指出，DeepSeek V4在SWE-bench編程基準(zhǔn)測(cè)試中的表現(xiàn)與Anthropic Claude Opus相近，但價(jià)格約為后者的三十分之一；最廉價(jià)的開源模型價(jià)格甚至低至約百分之一。他認(rèn)為，中國實(shí)驗(yàn)室持續(xù)開源前沿級(jí)模型，使推理服務(wù)提供商得以免費(fèi)獲取最核心的模型成本，這正在從根本上壓制閉源AI大廠的定價(jià)能力與利潤(rùn)空間。