AI商業化集體toB

定焦One（dingjiaoone）原創

作者 | 陳丹

編輯 | 魏佳

一年多前，Cursor還是林鳴最常用的編程軟件之一。

他是互聯網大廠里負責Agent落地的工程師。那時候，他用AI寫代碼，主要讓它補幾行或者改個參數。在這個軟件里，大模型塞進編輯器，他可以隨時調用。

現在，林鳴已經很久沒有打開Cursor了，日常用得更多的，是Claude Code、Codex，以及公司自研的AI編程工具。

這不只是工具的變化。如果說用Cursor的時候，AI更像一個副駕，程序員還坐在駕駛位上；那么到了Claude Code和Codex，模型被直接接進了研發流程。給它一個任務，它可以自己拆需求、讀代碼、調用工具、跑測試，并最終交付。

也就是說，林鳴可以把一整塊工作都交出去了。但代價是，token的消耗也上去了。

過去，公司給工程師的額度幾乎不限量，后來額度收緊，林鳴干脆自己訂閱了好幾款工具，身邊像他一樣的同事很多。

當一個開發者愿意自掏腰包，背后是一個已經跑出來的市場。

Anthropic是最早接住這個市場的AI公司。它雖然沒有ChatGPT那樣的C端流量，卻靠Claude Code講出了一個更容易算清賬本的故事——開發者愿意付費，企業愿意采購。如今，它的用戶量雖遠遠不及OpenAI，但估值已經反超，接近萬億美元。

承壓的OpenAI也在調整重心。ChatGPT仍然是最大入口，但Codex的位置越來越重要。據報道，Codex半年周活增長逾7倍，目前已經突破500萬。

國內的智譜是另一種樣本。

其最新模型GLM5.2的軟件工程能力逼近Claude Opus 4.8，Coding Plan的價格卻只有Claude的七分之一。這家2025年營收僅7.24億元、凈虧損卻高達47.18億元的公司，市值一度突破萬億港元。市場買單的顯然不是眼下的財報，而是“中國版Anthropic”的預期。

比起繼續追用戶規模，找到愿意持續付費的開發者和企業，正在變得更重要，這是2026年大模型商業化的分水嶺。

字節現在也在靠近這條路。

其最新發布的豆包2.1 Pro，補上了Coding和Agent能力。在現場演示和評測中，火山引擎反復拿自己和Claude Opus等模型對標。種種跡象表明，字節不再只是追求更多用戶打開豆包，而是開始瞄準開發者、Agent和真實工作流。

對于一家長期信奉“模型即產品”，最擅長用C端流量滾出飛輪的公司來說，這個轉身本身就代表了一種信號：免費聊天能帶來熱度，卻很難撐起一門生意。

01.豆包掉頭：一半是誘惑，一半是成本

豆包的掉頭并非突然發生。

據多家媒體報道，字節高層到訪Anthropic后，內部啟動AI資源重整，把更多資源從豆包這類大眾產品，挪向企業服務和編程模型。為此，大模型數據審核團隊從約1500人擴到3000多人，專門為編程模型清洗數據。火山引擎MaaS還被定下收入翻10倍的目標。

這次，它不僅僅是發布了一個更會寫代碼的新模型，是在組織和資源層面，把AI商業化的重心往B端推。

字節轉向B端，動力來自兩個方向。

向外看，企業市場已經開始為AI能力付費；向內看，持續高企的算力支出，也迫使每家公司盡快找到一條能夠自我造血的路。

先看收入端。

短短兩年，AI coding已從程序員嘗鮮的玩具，變成企業軟件工程的一部分。Stack Overflow 2025年開發者調查顯示，84%的受訪者已在開發流程中使用或計劃使用AI工具，較前一年的76%持續攀升；其中近半數（47.1%）開發者每天都在使用AI編程。Gartner則預測，到2028年，90%的企業軟件工程師將使用AI代碼助手，而2024年初這一比例還不到14%。

圖源 / unsplash

AI coding的商業價值，體現在兩個層面。

一層是開發者的付費意愿。過去，AI編程工具只是幾美元一個月的插件。現在，主流產品普遍采用訂閱加用量的模式，個人版每月十幾到幾十美元，高強度Agent版本可以到100美元以上。

一位開發者打趣說，過去擔心的是“別讓AI取代我”，現在變成了“別把AI從我手里奪走”。

另一層是企業的買單意愿。企業按席位、按token、按合同付費。只要工具能進入研發流程，就有機會變成可預測的現金流。

Anthropic的收入曲線，更是讓行業看到了這個市場的潛力。去年5月才發布的Claude Code，到2026年2月，年化收入已經達到了25億美元。其中，超過一半來自企業客戶，年支出100萬美元以上的大客戶，兩個月內從500多家增至1000多家。整個公司的年化收入也隨之水漲船高，從2月的140億美元，一路攀升至5月的470億美元以上。

再來看成本端。

互聯網時代生意邏輯是“先做規模、再談變現”。用戶夠多、停留夠久，靠著廣告、電商、會員，總能賺到錢。

但現在這一套不靈了。AI應用不是信息流，每一次提問、生成，背后都是真實燒掉的算力。甚至，用戶越多，成本越高。

豆包正承受著這種壓力。據《晚點LatePost》報道，每天2億多人使用的豆包，日收入不足百萬元，且主要來自電商傭金。但今年5月，豆包每天消耗的算力成本達數千萬元——文字聊天尚不算貴，而推理、圖片識別、語音聊天、視頻聊天等多模態功能的算力成本，是純文本交互的幾倍甚至幾十倍。

支出壓力也體現在企業內部的token使用上。

林鳴表示，他所在的公司一開始給的額度幾乎不限量，是因為管理層看到AI能力強，但不清楚到底多強、能給企業帶來什么，只能讓大家先用起來看效果。可用了一陣，發現收益并沒有成倍增長，于是公司開始控制成本。

字節技術副總裁洪定坤在一次公開演講中，也提到過類似落差。字節專做AI coding的TRAE團隊，90%的代碼已經由AI寫出，但人均需求吞吐率只提升了60%。

洪定坤認為，問題出在寫代碼之后。字節做過一組實驗，在不同模型和框架下，AI生成代碼的功能正確率普遍超過80%，但到了UI、可靠性、可維護性這些真正決定能否上線的維度，分數卻只有40到60分。

算力燒掉了，可交付的產出卻沒跟上。這個差距，正是大廠轉向B端時必須先解的題。只有把那些40到60分的半成品打磨成可交付的產出，燒掉的每一分算力才算真正轉化成了生產力。

02.字節的優勢，也可能是包袱

豆包的這次轉向，是字節整體AI戰略的一部分。

字節的AI業務大致有四條主線：世界模型、視頻模型、Coding與Agent、豆包商業化。現在撥動的，正是后兩條。

Coding與Agent負責打開企業入口，豆包商業化負責回答另一個問題：龐大的C端流量怎么換成收入。

AI coding這條賽道，目前已經分化成三個層級。面向程序員日常開發的Copilot式插件、重做開發環境的AI IDE，以及試圖接管整個任務流程的Coding Agent。

字節的布局恰好覆蓋了這三層。前端用TRAE和插件搶占開發者入口，中間層以CLI和企業版切入研發流程，底層由火山方舟和豆包模型提供算力與模型供給。6月23日發布的豆包2.1 Pro，則將重心明確押在了Coding和Agent上，官方稱其在多項測試中接近甚至追平GPT-5.5和Claude Opus 4.7。

字節這套打法的底氣，來自于其已經驗證過的企業服務能力。

火山引擎在B端服務企業多年，握有從云、模型調用、MaaS到交付的完整鏈條。飛書沉淀了大量企業客戶和辦公協同場景。Seedance則已經跑通了“把模型能力賣給企業”的模式，年化收入約143億元，毛利率約70%，單月進賬幾乎覆蓋豆包的算力成本。

字節真正想做的，是比模型更底層的基建。洪定坤在演講中提到一個詞——Harness。它指向的是一套涵蓋上下文工程、架構約束、團隊知識沉淀、技術債梳理，以及測試與交付流程的系統。他的判斷是，只有把這些齒輪重新咬合，AI coding才能從生成代碼跨越到完成需求。

鋪開這套基建，字節仍然沿用了低價策略。

根據豆包Coding Plan定價，最低首月僅需9.9元，Lite套餐后續40元/月，Pro套餐后續200元/月。相比之下，海外主流AI編程工具每月訂閱普遍20美元起步，高強度Agent版本可達100美元以上——字節給出的入門價格，幾乎是“嘗鮮無負擔”。

API側的打法更為直接。Doubao-Seed-Code按上下文長度分層計費，輸入價格每百萬tokens最低1.2元，輸出價格最低8元；火山引擎稱，配合緩存后綜合使用成本比行業平均低62.7%。

Coding Plan還支持Claude Code、Cursor、Cline、Codex CLI等主流開發環境，意味著開發者不需要遷移工作流，只要把底層模型換掉，就能把原本花在Claude和OpenAI上的部分用量切到豆包。這相當于用價格換切量，用兼容換遷移成本。

對比Claude Code和Codex，字節選擇了一個“低價+產品化+生態打包”的組合，把價格壓下來、把接入做順、把工具做輕，讓開發者低成本試用，再爭取進入工作流。

這正是字節在C端最熟練的打法，也是它眼下最大的優勢。火山、飛書、豆包模型構成的底盤，是智譜、DeepSeek們短期內復制不了的；低價策略和兼容主流開發環境的設計，也幾乎是為快速滲透量身打造的。

但B端和C端不同。C端可以靠低價、補貼和快速試錯拉動增長，B端相反，程序員可以為便宜來試用，但能不能長期留下，看的是產品能不能穩定接住復雜任務、能不能在出問題時給出及時的響應。字節最擅長的快速試錯文化，恰恰是B端最警惕的東西。

谷歌是一個值得參考的對照。

它手握Google Cloud、Android、Chrome、Workspace，幾乎擁有全球最強的開發者生態，也早早推出了Gemini Code Assist和Gemini CLI。論入口、論生態、論企業客戶，谷歌并不缺牌；論價格，它也不算激進——Gemini Code Assist Standard年付折合每人每月僅19美元。

但至少到目前為止，開發者心智并沒有自然流向谷歌。這說明，在AI coding這門生意里，生態和價格都只是入場券，真正難的，是產品體驗、模型能力、任務完成率和開發者信任。

字節靠低價和生態切入，目前也只是拿到了留在牌桌上的資格。

03.貼身肉搏才剛剛開始

在林鳴這樣的重度用戶心里，模型早已排好座次。

第一梯隊是Claude和ChatGPT，第二梯隊是智譜、Kimi、DeepSeek，其余大多滑入第三梯隊。他算過一筆賬，自己花在大模型上的錢，九成給了第一梯隊，剩下的大多投向DeepSeek。道理很簡單，Claude和Codex負責最難的任務，DeepSeek便宜、耐燒，適合日常的簡單活兒。

“這就像游戲里的外掛，”他打了個比方，“最難的任務當然用最強的武器，簡單的才交給性價比更高的模型。”

這種“誰好用就用誰”的態度，在開發者中相當普遍。

一位科技博主的說法更直接，AI時代，用戶沒有忠誠度，換一個AI工具很多時候只是換個輸入框。各家辛苦爭來的開發者，隨時可能因為別家更好用、更便宜、更穩定而流走。

更麻煩的是，模型之間拉開差距正變得越來越難。

林鳴能明顯感覺到，模型還在進步，但進步速度已經不如之前，各個模型之間的差距也更小了。

這類判斷也出現在很多公開的討論里。a16z創始人Marc Andreessen近期發文稱，多位從業者認為GLM-5.2可能是第一個在多數任務上匹敵、甚至超越美國頭部實驗室公開模型的中國模型。他將此視為一個關鍵節點，認為大模型的能力格局正從少數美國實驗室主導走向多極化。

當能力差距縮小，各家的定價策略就成為關鍵。如果算不好賬，可能會傷到自家賬本。

目前Coding的付費結構主要包括兩部分，個人開發者買訂閱，企業客戶走API、席位費或合同；前者負責擴大規模、養成付費習慣；后者才是利潤的大頭。

就拿Claude的定價策略來說，個人訂閱分為20美元、100美元和200美元三檔，雖然不同檔位有相應的用量上限，但整體上收入仍受限于月費模式。API則按token計費，以常用于Coding的Sonnet模型為例，輸入和輸出價格分別為每百萬tokens3美元和15美元，更高端的Opus模型則分別為5美元和25美元。在高強度、全天候的Agent任務等極端使用場景下，企業的API支出可能達到個人訂閱的數十倍。

圖源 / Claude官網截圖

Agent一旦進入真實工作流，算力成本持續攀升，訂閱收入卻有上限，廠商只能靠限額、峰值扣減來兜底。智譜就吃過苦頭。其Coding Plan一度賣得太好，不得不限量發售，高峰期按更高倍率扣減額度。

即便是Anthropic和OpenAI，也得小心維持這道平衡。它們一邊要讓開發者高頻使用、形成黏性，一邊用精細的限額管理重度用戶。Claude的Pro和Max分檔限容，Codex的調用計入專門的額度。訂閱看似是固定價格，背后卻是一本被嚴格計量的算力賬。

這條賽道，還在不斷涌入新玩家。

僅6月下旬，DeepSeek就高調擴招、籌建對標Claude Code的團隊，Kimi也把企業業務擺到了更重要的位置。

而越往深處看，賽道越清晰地分成兩條路線。

一條是Anthropic和OpenAI代表的專有模型高端路線。它們賣的不是一個便宜模型，而是企業里的AI員工。它們的底牌，是模型能力、產品心智和企業信任。

另一條是更低價、更開放的模型底座路線，DeepSeek、智譜、Kimi、MiniMax扎堆于此。它們想成為別人AI員工背后的模型底座，搶的是API調用、工具集成和私有化部署的份額。

DeepSeek以開源和低價切入，智譜更靠近B端，把模型、Agent、私有化和政企服務打包出售；Kimi和MiniMax則用長上下文、多模態和性價比爭奪開發者。

字節恰好卡在兩條路線的中間。

它想要的，是閉源高端路線的終點——一套能穩定交付、能寫進企業合同、能嵌進工作流的Agent系統。但它選擇的入口，卻更接近低價路線，壓低價格的同時，用兼容性把開發者原本花在Claude和OpenAI上的用量切過來。

這種打法，可能讓它兩頭通吃，也可能讓它兩頭都不夠硬。因為，論開發者心智，它一時還難超過Claude Code和Codex；論極致性價比，又得直面DeepSeek、Kimi、智譜的持續擠壓。

模型還在變強，差距卻在變小。這場競爭最終拼的，是誰能在算力賬本上撐得更久。誰能跑出來還沒有答案，但接下來一定是一場誰都不敢松手的貼身肉搏。

*題圖來源于豆包微信公眾號截圖。林鳴為化名。