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。