8.3
深览指数
商业虎嗅·防冷涂的腊··AI 生成
DeepSeek把大模型拖进“斩杀线”后，谁还能赚钱？
本文以DeepSeek V4 Flash的超低价API发布为引，提出“斩杀线”概念，即性能不如DeepSeek但价格更高的模型将失去规模化的理由。文章核心观点是：大模型技术虽重要，但作为一门生意，其长期资本回报率堪忧。作者通过分析资本开支、定价权和迁移成本三个指标，论证了基础模型公司面临的优势窗口短、降价快于降本、客户粘性低的结构性困境，并对“规模效应和寡头化”的反方论点进行了检验。适合关注AI产业投资逻辑、商业模式分析的读者。原文 ↗
核心观点
- ▍大模型虽是一项重要技术，但基础模型公司未必能自然长成一门长期高回报的好生意，因为其面临资本开支高、定价权弱、客户迁移成本低的结构性困境。
- ▍模型公司的护城河最终不在模型权重里，而在于芯片/基础设施的成本优势、垂直行业的专有数据与合规体系，或客户日常使用的工作流资产。
- 01DeepSeek V4 Flash与Gemini 3.6 Flash智能指数相同，但按混合成本计算，前者每百万Token 0.06美元，后者1.16美元，相差约19倍。
- 022016年以来，前沿模型训练成本年均增长约2.4倍，Epoch AI估算最大训练运行在2027年前后可能超过10亿美元。
- 03Amazon、Alphabet、Meta 2026年资本开支合计预计超5000亿美元，AI算力是主要驱动；Amazon自由现金流由流入182亿美元转为流出76亿美元，Meta自由现金流仅7.84亿美元。
- 04Stanford AI Index统计，同等GPT-3.5水平系统的查询成本从2022年11月每百万Token 20美元降至2024年10月的0.07美元，18个月下降超280倍。
- 05截至2026年3月，Arena榜单前四家公司聚集在25个Elo分以内，顶级闭源和开源模型差距仅3.3%，能力趋于收敛。
反方 / 局限
- — 反方论点：推理具有规模经济、前沿智能稀缺可支付溢价、巨额资本开支形成寡头壁垒。但作者认为这些只解释少数公司能活下来，不能证明基础模型层平均是好生意。
- — 大厂做模型不靠API单独赚钱，而是获得全栈回报（如Google用Gemini保护搜索、Meta提高广告效率），因此大厂的成功不能反推纯基础模型也是好生意。
DeepSeekGeminiArtificial AnalysisEpoch AIAmazonAlphabetMetaStanford AI Index巴菲特LiteLLMTerminal Bench 2.1斩杀线
11 分钟 · 4 卡片 · 12 资料
读原文 →