文 | wiwi

一个 AI 应用最吓人的时刻，可能不是没人用，而是突然有人用了。

后台注册数上涨，生成次数上涨，用户停留时长上涨。放在传统互联网产品里，这几乎是一组值得庆祝的数据：流量来了，验证开始了，接下来只要想办法转化就行。但 AI 产品的后台还有另一张表—— Token 消耗在涨，模型调用在涨，失败重试次数在涨，月底账单也在涨。更尴尬的是，最活跃的那批人，未必是最愿意付钱的人，他们可能只是最会试、最会改、最会把免费额度用到极致。

过去，免费用户的问题是不给你钱。现在，免费用户的问题是不给你钱，但会花你的钱。

这就是 5 月 AI 模型调用 " 补贴战 " 真正值得看的地方。

先是孙宇晨上线了一个叫 B.AI 的平台，打法很直接：日补贴 10 万元人民币、100 亿 Token。一周之内，注册用户突破 170 万。几天后，猎豹移动 CEO 傅盛的 EasyRouter 跟进，新用户送 400 积分，全线模型 85 折，DeepSeek-V4-Pro 低至 25 折。再往后，连特朗普家族关联的 WLFI 项目都坐不住了，5 月 5 日推出了绑定加密代币 USD1 结算的 WorldRouter，换 100 万积分要么砸 250 万 WLFI 代币，要么直接付 9999 美元。

短短一周，三个背景完全不同的玩家挤进了同一条赛道—— AI 模型调用的转售生意。打法也几乎一样：用补贴换用户规模。

问题是，这场补贴战烧的不是抽象的获客预算，而是按 Token 计费的真实算力账单。用户每调用一次，平台就要实打实付一次钱给上游模型厂商。传统互联网补贴烧的是市场费用，AI 补贴烧的是交付成本。

B.AI、EasyRouter、WorldRouter 这类玩家背后都有资本和品牌撑着，亏得起、补得起。但同一条赛道上还有一类规模小得多、也脆弱得多的玩家—— AI 中转站，它们的下场提前预告了这场补贴战可能走向哪里。《每日经济新闻》记录过一个典型样本：有开发者花 25 元买了某中转站的月租服务、每日 120 美元额度，用了 20 天，平台就以 " 封杀严重、成本上涨 " 为由把价格涨到三四倍，没多久干脆关停。

25 元月租，兜底每日 120 美元额度，这笔账从一开始就很难算平。它能维持多久，取决于新用户进来的速度，能不能跑赢真实调用成本和套利消耗——而真实世界里，新用户往往不是冲着产品来的，是冲着漏洞来的：围绕 AI 免费额度的套利早就形成了一套成熟打法：有人重置设备指纹反复领取 Cursor 试用额度，有人批量注册账号套邀请积分，有人把高级会员账号拆给多人 " 拼车 "，还有人逆向网页端接口，把原本不对外开放的能力重新封装成 API 转卖。安全机构 " 威胁猎人 " 在 Manus AI 相关案例中发现，至少 62 个店铺在贩卖积分商品，部分商家甚至出售自动化注册脚本。

这说明，AI 产品一旦把 " 免费 " 和 " 补贴 " 当成拉新武器，最先冲进来的未必是真用户，可能是套利者。

免费用户在互联网时代是一种增长资产，留着慢慢转化就行；但在 AI 时代，免费用户随时可能变成一个成本黑洞——他越爱用、越会用、用得越频繁，公司流出去的真金白银就越多，这中间甚至不需要他怀着恶意，只是正常的 " 反复试、反复改、反复抽卡 "，配合上面这几种现成打法，就足够让一个补贴预算迅速见底。

一场注定算不平的账

中转站把 " 低价换规模 " 这套逻辑，推向了最极端的版本。它卖的是低价、不限量和 " 模型平权 "，背后却要承受最真实的按量成本——一边是 25 元月租、不限额度、折扣积分这些诱人的拉新话术，另一边是上游按 Token 结算、随时可能被封号、还有一群人专门盯着漏洞做高频套利。这套生意只要风控稍微粗放一点，商家就不是在赚差价，而是在替每一个用户垫付算力——前面那个 "25 元月租撑不住每日 120 美元额度 " 的样本就是缩影：它没有大厂的资金储备去抗这种消耗，还没等到规模效应跑出来证明商业模式，账上的钱已经先被自己的用户和那套套利打法一起掏空了。所以，中转站不是 AI 应用成本问题的例外，而是它最赤裸的版本。

很多 AI 创业者还在沿用互联网时代的旧剧本：先用低价、免费、补贴把用户拉进来，再慢慢想办法变现。但这套剧本成立有一个隐藏前提——用户增长带来的边际成本足够低。传统互联网产品多一个用户，平台增加的是相对可控的服务器、带宽和运营成本，软件本身已经写好，服务可以被低成本复制，只要规模起来，总有机会通过广告、会员、抽佣或增值服务把前期补贴摊回来。AI 应用不是这样：它不是把一套写好的软件复制给用户，而是在每一次使用里重新交付一次智能服务——用户多问一句，模型就多推理一次；多生成一张图，系统就多消耗一次算力；多跑一轮 Agent，后台就可能多调用几次工具、多重试几次失败步骤。这意味着，在很多 AI 产品上，增长曲线和现金流曲线第一次可能变成反方向：用户越多，账单越厚；使用越深，成本越高；补贴越大，亏损越快。创业者以为自己等来了增长，结果可能只是等来了一群更会消耗算力的人。

连巨头也开始重算 Token 账

如果说中小创业者死于 " 补贴换增长 " 的旧剧本失灵，那么大公司最近暴露的问题说明，这其实是 AI 这门生意本身的结构性麻烦，跟公司大小关系不大。

据多家科技媒体报道，微软旗下负责 Windows、Microsoft 365、Outlook、Teams 等产品线的 " 体验与设备 " 部门，要求团队在 2026 年 6 月 30 日财年结束前停止使用 Claude Code，转向自家 GitHub Copilot CLI。该部门副总裁 Rajesh Jha 给出的理由是 Copilot CLI 能让微软 " 直接参与塑造产品，贴合自家代码库、工作流和安全要求 "，但多家媒体的报道都指出，这背后也有压低运营成本的考量—— Claude Code 在过去半年里恰恰在微软员工中迅速走红。

Uber 的处境被自己的 COO 公开摆上了台面。据 Fortune 报道，Uber 在 2026 年还没过去四个月，就已经烧完了全年的 AI 编程工具预算。COO Andrew Macdonald 在内部坦言，公司很难把飙升的 token 消耗和实际产出对应起来：" 很难把这些数据和 ' 我们确实多产出了 25% 有用的消费者功能 ' 这件事划上等号 "，" 如果没法直接证明这笔钱换来了多少实际功能，这笔交易就越来越难站得住 "。

Uber 真正头疼的，从来不是 " 花多了 "，而是 " 不知道钱到底花值了没有 " ——这和中小创业者面临的，其实是同一个问题。

传统软件的成本是可预期的：买多少席位，付多少钱，员工用得越多，通常说明工具越有价值。但 AI 工具不是这样——一个工程师点下 " 让 Agent 修这个 bug"，后台可能只是读几段代码，也可能拉完整个仓库上下文、跑测试、失败、重试、再重写一遍。用户看到的是一次任务，财务看到的是一串不可预测的 Token 消耗。

斯坦福数字经济实验室的研究把这个问题量化了：同样是编程任务，Agent 式任务消耗的 Token 量，最高可以达到普通代码问答、推理类任务的 1000 倍；同一个任务重复跑多次，Token 消耗本身也可能相差 30 倍。这意味着，AI 工具最麻烦的地方不是 " 贵 "，而是 " 贵得不稳定 " ——在传统 SaaS 里，预算超了，至少知道多买了多少席位、多服务了多少人；在 AI 工具里，预算超了，可能只是因为某些任务多绕了几圈、某些 Agent 多读了几遍上下文，却被账单完整记录下来。

Uber 的困境正是这套不确定性在财务报表上的投影。这也是为什么 AI 工具很难继续用传统软件订阅逻辑来理解——传统 SaaS 买的是一个相对固定的功能包，账单可预测；AI 工具买的是一段不确定的消耗过程，同一笔钱，结果可以天差地别。

放到创业公司身上，这个问题只会更尖锐。大公司还可以用预算、采购、管理制度去慢慢收口；创业公司没有这个缓冲区——一个产品如果定价太低、额度太松、模型调用太重，还没等到 PMF，就可能先被一批重度免费用户拖进负毛利。

最危险的用户，往往是最活跃的用户

AI 产品最容易骗过创业者的一组指标，是活跃度。后台看起来很好看：DAU 在涨，生成次数在涨，使用时长在涨，社群里也有人不断晒截图。传统互联网里，这些都是值得开香槟的信号——流量来了，验证开始了，接下来只要想办法转化就行。但在 AI 产品里，它们可能只是另一种坏消息：一群人正在更高频地消耗你的算力，却没有更高频地给你付钱。财务报表上对应的是另一张表——模型调用次数、上下文长度、失败重试次数，以及月底越来越厚的推理账单。来的不一定是客户，可能只是成本。

更反直觉的是，最活跃的用户未必最值得留。一个用户每天来 20 次，却只在免费额度里反复生成、不付费、不转介绍，这种活跃只是在加速亏损；另一个用户每月只来 3 次，但带着明确任务、愿意为结果付费、愿意把工具接进真实工作流，反而更接近真正的客户。订阅分析机构 RevenueCat 在拆解 AI 应用的成本结构时提到过一个细节：他们接触的一个团队后来专门给产品加了一套用量限额，理由很直接——就是为了防止一小群重度用户拖累整体的算力成本。这恰恰说明，活跃度这个指标在 AI 产品里已经不再天然等于好消息，团队得先分清楚这群人里谁在帮你赚钱、谁只是在帮你花钱。换句话说，传统互联网产品看规模，AI 产品要先看每一类用户身上能不能跑出正向毛利——这对资金本就紧张的中小创业者和独立开发者尤其致命，大公司还能用战略亏损扛一阵子，小团队一旦被一批不付费的重度用户拖进负毛利，可能等不到产品打磨出来就先没钱了。

更麻烦的是，AI 产品越好用，这个问题越明显——越智能，用户越想让它承担复杂任务；越像助手，用户越容易把原本需要人力完成的工作都丢给它。在传统软件里，好用通常意味着更高留存；在 AI 应用里，好用还意味着更高消耗。所以 AI 创业者不能只问 " 用户有没有回来 "，还要问 " 用户回来一次，我赚了还是亏了 "。

所以免费额度、邀请奖励、试用权限这些原本用来 " 拉新 " 的工具，现在更应该被当作一道 " 过滤器 " 来设计——目的不是让尽可能多的人进来试，而是尽快筛出哪些人是真需求、哪些人只是来薅一把就走。

自救不是多拉用户，而是少服务错误用户

所以，AI 创业的自救，不是继续拉更多用户，而是先学会拒绝一部分用户。这句话放在传统互联网时代几乎不可理解——那时候用户越多，故事越大，估值越好讲。但在 AI 应用里，如果用户结构是错的，规模只会把亏损放大；如果定价模型是错的，增长只会让账单更快爆掉。

面对 " 用得越多亏得越多 " 的局面，创业者们能走的路其实不多，无非几条，而且方向是一致的：先筛人，再省钱，最后才考虑换一群更好算账的客户。

第一步不是无差别涨价，而是更精准地限流：把免费额度从一项福利改造成一道筛选器。这也是最近大半年行业里能明显看到的趋势——越来越多 AI 工具砍掉了 " 永久免费 " 选项，把免费额度从按月发放改成按次数严格配给，甚至直接把入门价格抬高一截。这能立竿见影地止血，但代价也很现实：粗暴涨价容易把刚刚攒起来的用户池冲走一大半，尤其是那批本来就是冲着 " 便宜 " 或 " 免费 " 才进来的人。

第二步不是盲目换模型，而是做成本分层：把调用大模型的部分需求换成参数更小、成本更低的模型，能在本地跑的尽量放到端侧推理，用混合路由把简单问题甩给便宜模型、复杂问题才调用贵模型。这条路能从根上压低单次调用成本，但门槛也最高——需要团队有足够的工程能力做模型蒸馏、量化和路由调度，不是每个创业团队都耗得起这个研发周期。

第三步不是一头扎进 B 端，而是换成更能算账的客户：C 端用户对价格敏感、忠诚度低、产品稍微收紧免费额度就可能流失，相比之下企业客户的付费逻辑更清晰——只要能把效率提升、合规风控、降本增效这些结果讲清楚、算明白账，企业愿意为结果买单。这也是为什么过去这一年，不少最初冲着 C 端流量起家的 AI 应用，陆续开始把资源往企业服务上倾斜。但 B 端这条路同样不轻松，需求碎片化、交付周期长、销售门槛高，对缺乏行业资源的团队来说，转身没那么容易。

三步都走不通的，最后只能选择关停。这中间，" 还没等到商业模式跑通，账上的钱已经先被用户花完 " 几乎是出现频率最高的死亡原因。

谁在这场游戏里永远不会输

这场 " 用户越多越危险 " 的悖论里，有一群参与者几乎是稳赚不赔的。

不管下游的中转站、套壳应用、AI 原生产品是活下来还是死掉，云服务厂商的算力租金、基础模型公司的 API 调用费都不会少收一分钱。换句话说，创业者和用户在台前打补贴战、拼套利手法，真正稳坐收钱的是站在产业链最上游的那一层。基础模型公司近一段时间持续压低 API 价格，看起来是在让利下游开发者，但价格越低，接入的应用层创业者就越多，生态锁定也就越深——一旦基础模型方在未来某个时点上调价格，下游早已对其形成依赖的创业者，几乎没有讨价还价的空间。从这个角度看，这场补贴大战的真正赢家从一开始就不是创业者，也未必是用户，而是这条产业链里离算力和模型最近的那一层。

写在最后

AI 创业不是不能免费，也不是不能补贴。真正的问题是，免费和补贴在 AI 时代不再只是一笔市场费用，而是会实时发生的交付成本——传统互联网里，错误的用户最多让转化率变难看；AI 应用里，错误的用户会直接让现金流变难看。

传统互联网创业最怕没人用。AI 创业正在进入另一个阶段：最怕来了一群很爱用、很会用、但不愿意付钱的人——他们看起来像种子用户，实际上是一张正在变厚的账单。

说到底，免费用户在 AI 时代不再只是一笔可以慢慢转化的资产，更像一张有账期的应收款：转化成付费，它就是收入；过了账期还没转化，它就会变成坏账。

区别只是，传统坏账记在财务报表上，AI 应用的坏账，会先记在创始人的云账单里。