夜雨聆风这两个数字放在一起，比任何分析文章都更残酷。
2026年第一季度，中国大模型全球周调用量12.96万亿Token，是美国的4.3倍。与此同时，OpenAI年化收入250亿美元，Anthropic年化收入突破300亿美元，微软AI业务年化收入超过370亿美元，谷歌Cloud单季突破200亿美元——仅这四家，年化AI相关收入已经超过千亿美元量级。
中国这边，月之暗面、MiniMax、智谱三家最能赚钱的独立大模型创业公司，把各自最新的ARR加在一起，不到5亿美元。
调用量是美国的4倍，独立AI收入是美国的零头。
我把这两组数字反复比对了很久。很多人看到这个差距，第一反应是：等技术再追一追，商业化自然就上来了。这个判断，我认为是错的，而且错得很彻底。
技术差距是可以追的，DeepSeek已经证明了这件事。但商业化的差距，背后是一套关于"为什么值得付钱"的完整认知体系，是二十年前就已经定型的社会土壤，是一层叠一层的结构性问题。
中国AI现在是世界上最被使用、最不被付钱的技术之一。这件事怎么发生的，值得从头认真说一遍。
大模型层：同样的竞争烈度，为什么收入差了百倍
先把美国这边的数字铺开来看，因为这组数字本身就很说明问题。
OpenAI年化收入250亿美元，ChatGPT付费用户超过三千万，消费者订阅占总收入大约六成，企业API和企业版占四成左右。Anthropic年化收入突破300亿美元，在超过四万五千家美国企业的调查中，为Anthropic付费的企业占比接近三成，是增长最快的企业级AI供应商。微软AI业务年化收入超过370亿美元，Copilot付费用户突破两千万，Azure AI的企业合同平均价值两年内从3.9万美元涨到了53万美元，今年预计达到100万美元。谷歌Cloud单季收入突破200亿美元，同比增长63%，Gemini企业版付费月活季度环比增长40%，AI方案已经成为谷歌Cloud增长的最大驱动力。
不同公司，不同路径，但有一个共同特征：用户在直接为AI付钱，而且越付越多，合同价值越谈越高。
中国大模型的数字表面上也不小。百度2025年全年AI业务收入400亿元人民币，阿里云AI相关产品收入连续九个季度三位数同比增长，字节火山引擎MaaS业务收入在20亿元量级，并且定下了今年要冲到百亿的目标。
但仔细拆开看，这些收入的本质是什么。
百度400亿的AI业务收入里，包含了AI云基础设施（算力租用）、AI应用（文库、网盘、数字人）、AI原生营销服务——后者本质上是把AI能力嫁接在广告业务上产生的收入增量，不是用户直接为AI付的钱。阿里云的AI收入，大部分是企业采购GPU资源和调用API的算力钱，以及AI驱动的电商广告效率提升带来的收益。字节的MaaS收入，来自开发者和企业调用豆包API的费用，但豆包面向普通用户本身是完全免费的。
这是AI赋能旧业务之后产生的增量收入，而不是用户直接为AI的价值本身掏腰包。
区别极其关键。前者的天花板是旧业务的总盘子，增长空间有上限；后者的天花板是AI能创造的全部新价值，理论上没有上限。
C端的差距更是触目惊心。豆包月活3.45亿，千问月活1.66亿，DeepSeek月活超过1亿——全部免费，没有C端付费产品形态。ChatGPT的付费率大约4%到5%，按月活折算，付费用户超过三千万。同样的月活规模，一个在收钱，一个在烧钱。
更极端的是定价。DeepSeek的API价格是OpenAI同类产品的二十分之一到五十分之一。这不是竞争策略，这是主动告诉市场：我的东西不值钱。
中国AI是人类历史上规模最大的免费知识服务供给之一。没有之一。
AI应用层：一个在创造新市场，一个在重新分配旧市场
把视野从大模型层移到应用层，差距就从"量级不同"变成了"方向不同"。
美国那批跑得最快的AI应用公司，有一个共同特征：每一家都在创造一个之前根本不存在的付费场景，而不只是在已有市场里提升效率。
Cursor用12个月做到1亿美元ARR。它做的事情，是让工程师愿意每月付20美元，为"AI辅助写代码"这件事直接付钱——三年前，这个付费场景不存在。没有Cursor，就没有"为AI编程付费"这个市场。
ElevenLabs用不到两年做到超过3亿美元ARR。它的核心客户是影视制作公司、游戏开发商、媒体机构——这些客户用AI语音替代了部分配音演员和录音棚费用，但他们愿意为ElevenLabs的结果直接付高价，因为省下来的成本远高于订阅费。这个付费逻辑三年前也不存在。
Perplexity做AI搜索，让用户每月付20美元到200美元，为"不需要自己整合信息、直接得到答案"这件事付钱。没有Perplexity，这笔钱根本不会流出用户的钱包，因为这个需求原来就是靠自己搜索解决的。
还有Lovable，8个月ARR破1亿，靠让非技术人员为"自然语言直接生成Web应用"付费——这个场景以前不可能存在，因为以前必须找工程师。
这些都是增量市场：新的付费行为，新的收入池，从零开始往上长。
美国44家员工少于50人的小型AI公司，总收入超过40亿美元，平均每名员工年创收超过250万美元。这组数字不只是在说这些公司有多能赚钱，更是在说：在一个付费土壤成熟的市场里，AI的商业化可以是什么样的量级。
中国应用层的AI变现，几乎全部发生在存量市场的重新分配里。广告投放效率用AI提高了，所以广告收入增长了，是旧市场的钱流得更快。电商推荐用AI优化了，GMV涨了，是旧市场的份额重新分配。AI驱动的营销数字人带来了新的直播收入，本质上还是在广告和电商的盘子里做文章。
这些都是真实的商业价值，但增量空间被旧市场的天花板卡死了。
更根本的问题是，中国目前几乎没有一家像Cursor、ElevenLabs这样从零开始定义一个新付费场景的AI应用公司——或者说，这类公司出现了，但他们的主要收入来自海外，在国内市场没有形成完整的商业闭环。
第一层：免费文化基因，二十年前就写进DNA里了
2003年，奇虎360推出免费杀毒软件，在一年内打死了卡巴斯基和瑞星的中国业务。同一时期，QQ用免费即时通讯服务教育了整整一代中国用户：在网上和人交流，不需要付钱。2006年，百度完成了对谷歌的彻底超越，核心武器之一就是对用户全面免费，收入来自广告主而非用户。
这三场战役都赢了，而且赢得很漂亮。但它们共同完成了一件事：向整整一代中国用户建立了一个根深蒂固的认知——软件是免费的，信息是免费的，用工具不需要付钱，有人在背后给你补贴。
这套逻辑在当时是理性的。中国互联网在2000年代的核心命题是先占用户，再找变现路径。流量是基础，付费是之后的事。先用免费锁住用户，再靠广告、游戏、增值服务变现——这条路，腾讯、百度、阿里都走通了，而且走得极好。
但它留下了一个深刻的历史遗产：中国用户从来没有形成"为软件和信息服务直接付钱是天经地义的事"这个认知体系。
今天豆包不敢收钱，不只是竞争压力的问题，是第一个收钱的人真的会被第二个免费的竞争对手打死。这个博弈格局在二十年前就固化了，现在所有人都被锁在里面出不来。
用户习惯可以培养，但要培养一个与二十年免费心智对抗的新习惯，需要的时间和成本远超大部分公司的等待能力。
第二层：ToB软件历史欠账，付费土壤从来没有长出来过
C端的问题很多人看到了。但ToB端的问题，才是真正的结构性伤口，而且这个伤口从来没有愈合过。
美国ToB软件市场，是在20世纪70年代那一轮企业信息化浪潮中建立起基础的。SAP 1972年成立，微软1975年，甲骨文1977年——这批公司花了二三十年时间，教育了整整一代美国企业管理层：软件是需要花大钱买的资产，不是可以随便盗版或替代的消耗品。美国企业今天愿意为一套SaaS产品签一份百万美元的合同，是几十年付费习惯积累下来的结果。
中国企业软件市场的起步，比美国晚了将近三十年。当中国企业开始大规模上信息化系统的时候，互联网免费文化已经成型，盗版软件已经横行了十多年，整个社会对软件付费的认知基础是破碎的。
在这个背景下，中国企业软件市场发展出了一套独特的采购逻辑：买软件的不用软件，用软件的不买软件。管理层决策采购，基层员工实际使用。采购决策的核心标准不是产品好不好用，而是关系够不够铁、汇报够不够好看、方案够不够全面。
这导致了一个极其奇特的结果：中国企业软件公司的核心竞争力，长期不在产品本身，在销售关系。功能越多越显得"专业"，哪怕这些功能没人用。价格越低越容易签单，哪怕低到覆盖不了研发成本。很多地方的软件招标，到今天还是按"人头和工时"定价，本质上是在买劳动力的时间，而不是在买软件创造的价值。
一个已经在某大型金融机构运行了七年的核心系统，里面沉淀了这家机构所有的业务规则、审计路径、组织逻辑、以及很多已经离职的人留下的判断残留。这套东西的价值，用工时怎么计算？没有人算得清楚，所以也没有人愿意真正为它定高价。
这个土壤问题，不是发展阶段问题，是结构性问题。中美两国ToB软件市场的差距，不只是因为中国起步晚，而是因为整个市场的运作规则就不支持"为软件价值付高价"。
AI来了，直接继承了这个遗产。企业客户对AI的采购，很自然地套用了原有的软件采购逻辑：按项目、按工时、按模块定价，而不是按AI帮你解决了什么问题、节省了多少成本、带来了多少收益来定价。
第三层：巨头战略锁死了独立AI付费市场
这是最少被讨论、但我认为影响最深远的一个原因。
中国AI的主力玩家——字节、阿里、腾讯、百度——他们做AI的根本动机，不是让AI本身成为一门独立的生意，而是让AI成为强化自己原有生态的基础设施。
字节的底层逻辑：豆包用户越多，抖音和头条的用户数据越丰富，广告投放越精准，广告收入越高。豆包是字节广告生态的训练集和流量池，而不是一个独立的收入来源。所以字节没有动力让豆包收费——收费反而会降低用户规模，削弱广告数据的质量。
阿里的底层逻辑：千问和AI助手让用户在淘宝和天猫买更多东西，让商家用AI投放广告效率更高，带来平台GMV和广告收入的增长。AI是阿里电商生意的增长剂，而不是阿里的第二主业。所以阿里没有真正的动力建立独立的AI订阅收费体系。
腾讯的底层逻辑：元宝和混元帮助微信生态更黏，帮助微信广告的精准度更高，帮助腾讯云的企业服务更有竞争力。AI是腾讯社交和广告生意的护城河加固工具，而不是独立的变现方向。
百度相对特殊，因为搜索广告受到AI冲击最大，百度有最强烈的动力把AI变成独立收入。百度2025年AI业务收入400亿元，是这几家大厂中AI独立变现走得最认真的一家。但即便如此，400亿的体量放在美国AI市场里，也只是OpenAI一家的零头不到。
这四家巨头，没有一家的生存依赖于直接向用户收AI的钱。这意味着他们不只是自己不愿意收钱，他们的免费策略客观上还在向整个市场施压，压低了整个行业建立付费认知的可能性。
当豆包免费、千问免费、文心一言免费，一个想靠AI订阅收费的创业公司，面对的是国内最强大的几家科技公司的免费竞争。这个竞争，大部分情况下是打不过的。
反观美国，OpenAI和Anthropic没有广告业务，没有电商，没有游戏，没有任何其他生意来交叉补贴AI的免费提供。他们必须让用户直接为AI付钱，否则公司活不下去。这不是战略选择，是生存压迫。
没有退路，才逼出了完整的付费体系。没有退路，才逼出了一个又一个新的付费场景创新。没有退路，才让美国AI公司学会了如何向企业客户解释清楚AI的价值边界，怎么为"结果"而不是"功能"定价。
中国巨头有的是退路，所以从来没有被逼到这个位置上。
第四层：价格战是自己浇的那桶汽油
如果说前三层是历史遗留的土壤问题，第四层是整个行业在2023年到2025年之间自己做的一件事：把价格打到了能摧毁任何付费认知的程度。
中国大模型API的价格战，堪称这个行业史上最密集、最激烈的一次自我价值毁灭。
百万Token的调用成本，从2023年的几十元，卷到2024年的几元，卷到2025年的几毛，现在有的产品接近零。这个过程里，每一轮降价都被当成"普惠AI"的善举来公告，每一次价格战都被包装成"让更多人用上AI"的战略。
这套逻辑没有错，普惠是真实的。但它带来的认知后果，是灾难性的。
当所有人都在把AI的价格打到接近零，这个行业实际上是在集体完成一件事：向市场宣告AI是不值钱的。
这个认知一旦建立，就极难逆转。一个已经习惯了几分钱API的用户和企业，你要如何说服他为一个AI决策结果支付几十万的年费？哪怕这个AI决策结果真的帮他省了几百万的成本，他的参照锚点是已经存在的"几分钱"，而不是"被AI解决的问题值多少钱"。
比价的出发点变了，后面所有的商业化都会跑偏。
反观美国：Anthropic的Claude Pro订阅20美元一个月，企业级订阅从每席位几十美元到几百美元，大企业合同平均价值已经超过53万美元。ChatGPT Pro订阅200美元一个月，Sam Altman公开说这个定价还在亏损。他的意思是：即便定到200美元，目前的算力成本还是覆盖不了边际成本。但他没有因此降价，因为他知道一旦降下去，付费认知会断裂，之后再想重建更难。
这是一种很清醒的定价哲学：宁可亏损，不砸定价。中国的逻辑正好相反：宁可砸定价，把用量做上去再说。这条路在互联网时代走通了，在AI时代，代价正在浮现。
第五层：最深的根——从来没有人练习过"为结果定价"
说到这里，还差最后一层。
前四层原因，合在一起都有一个共同的底层假设：付钱这件事，是用户的问题，是付费习惯的问题，是教育用户的问题。
但这个假设本身，可能也是错的。
"为价值付钱"这件事，不只是用户习惯的问题，还是供给侧有没有能力说清楚"这个价值值多少钱、怎么证明"的问题。
中国AI公司里，有多少家能做到这一点？
一个企业客户问：你的AI系统帮我做什么？大部分AI公司能回答。他再问：帮我做完这件事之后，我能节省多少成本，多赚多少钱，怎么量化？大部分AI公司开始支吾。
这不是定价策略的问题，是整个行业还没有形成"AI结果商业化"的完整方法论。
做过企业级AI落地的人都知道，最难的不是模型，是这道关：客户的哪个业务指标，在AI介入之前是什么值，AI介入之后变成了什么值，这个变化值多少钱，谁来负责核实，怎么纳入合同条款。
这道关在中国几乎没有人做好。合同还是按项目收，按功能模块收，按部署费收，鲜有人按"AI帮你实现了什么结果"来收。
美国AI公司里，这件事已经有了成熟的探索。Salesforce当年把CRM从按许可证收费改成按订阅收费，彻底改变了整个企业软件行业的定价逻辑。今天的AI公司，正在尝试再进一步：从按使用量收费，到按业务结果收费。OpenAI前董事会主席创办的AI客服公司Sierra，采用的就是这套逻辑——AI自主解决了用户问题才收费，没解决不收。成立18个月，估值100亿美元，年收入接近1亿美元。
这不只是一种商业模式创新，这是整个行业向"为结果付钱"这件事迈进的一步。中国这边，几乎还没有人走到这一步。
这件事比技术差距更难解决，但不是没有出路
说完这五层，我想说一件更直接的事。
做企业AI落地，我们在这个市场里正面打了好几年。我见过太多项目，最后被卡在的地方，不是模型不行，不是数据不足，而是没有人能在合同签订那天说清楚一件事：用了AI之后，这件事值多少钱，怎么衡量，谁来负责结果。
一家金融机构上了AI分析系统，分析师从每份报告花三个小时压缩到了半个小时。节省了两个半小时，值多少钱？这取决于这个分析师的时薪，取决于她在这两个半小时里原本要做什么，取决于这个时间被解放出来之后到底去做了更高价值的事还是继续摸鱼。这笔账，很多人没有算清楚，也没有把算清楚这笔账当成AI项目成功的标准。
这不是某家公司的问题，是整个行业的问题。在中国，AI项目的成功标准，太多时候停留在"上线了""跑通了""用户反馈还不错"，而不是"帮客户赚了多少钱，省了多少钱，量化证明了什么"。
没有量化的证明，就没有可信的定价基础。没有可信的定价基础，就没有真实的付费行为。没有真实的付费行为，就没有这个行业的商业化。
中国AI的调用量差距，技术追平之后会消失。中国AI的商业化差距，技术追平之后还在。
付费土壤的建立，不是靠一次行业宣传，不是靠一篇文章，是靠一笔一笔真实合同里的"结果条款"积累出来的。
这件事有没有人在做，以及有多少人在认真做，是衡量中国AI商业化是否真正在往前走的唯一标准。
作者：黎科峰博士，数势科技创始人兼CEO。本文为个人观点。
