夜雨聆风 > > 办公文件 > AI 巨头排队 IPO,先被翻出来看的是这张账单
当前时间： 1970-01-01 08:00:00
分类：办公文件
评论(0)
6 月 1 日，GitHub Copilot 的新计费规则生效。根据 GitHub 官方博客，Copilot 各档套餐转向按用量计费（usage-based billing），原先按 premium requests 计量的方式，被一种叫 GitHub AI Credits 的新单位取代。GitHub 给的理由很直白：一次简单问答，和一次让 AI agent 跑上几十分钟的编码任务，背后的推理成本早就不在一个量级上。 也是这几天，TechCrunch 在一档播客里给这场变化起了个名字，叫「Tokenpocalypse」，token 末日。词当然夸张，但它戳中了 AI 行业眼下最硬的一条线索：过去几年，用户看到的是包月订阅、低价试用、几乎免费的智能助手；公司咽下去的，是模型推理、上下文窗口、工具调用和云算力合同一路抬高的真实成本。这两条曲线，迟早要对账。 同样是 6 月 1 日，Anthropic 宣布已向美国 SEC 保密提交 S-1 草案，为拟议中的 IPO 做准备。三天前的 5 月 28 日，它刚关掉一轮 650 亿美元的 H 轮融资，投后估值冲到 9650 亿美元，逼近万亿关口。Anthropic 还称，公司的年化收入运行率（run-rate revenue，即把某一时点的收入速度年化外推得到的数字）已在 5 月早些时候越过 470 亿美元。需要说明的是，这个数字并不等于已经入账的全年会计收入。 一边是开发者工具重新计价，一边是头部大模型公司准备接受公开市场的审视。放在一起看，结论并不复杂：模型能力这场考试，行业已经答得差不多；下一张卷子，考的是每一次调用背后的成本。 Copilot 的问题，是整个 AI 应用层的问题 GitHub Copilot 这次调整，表面是一道产品计费题。 长期以来，用户习惯用 SaaS 的眼光打量 AI 工具：每月交一笔固定钱，换来代码补全、问答、代码审查和 agent 任务，像订阅一个软件。但在服务商那一侧，这笔账更像云计算。模型越强，单次任务越重。 一次普通的代码补全，可能只烧掉很少的 token。一次 agent 编码会话则完全不同：读取整个仓库、分析 issue、调用工具、生成代码、等测试跑完，再回头反复修改。用户屏幕上仍然只显示「一次请求」，服务商付出去的，却是一长串推理成本。 GitHub 在官方说明里承认，Copilot 叠加了更多高级功能之后，一部分长时间、并行化的工作流，已经开始挑战原有的基础设施和定价结构。翻成大白话：AI agent 把过去藏在后台的成本差异，摆到了台面上。 这正是 Copilot 的样本价值所在。它未必是最烧钱的 AI 产品，却是最早被企业账单反复检验的那一类应用，有真实付费用户，有高频使用场景，有企业采购流程，也有看得见的月度账单。当连这样一款产品都要从「按人头收费」改成「按用量收费」，传统 SaaS 那套财务模型，在 AI 软件身上已经快套不上了。 毛利率会比模型榜单更刺眼 Anthropic 的 IPO，把同一个问题抬进了资本市场。 光看增长，Anthropic 的故事讲得很漂亮：650 亿美元融资、9650 亿美元投后估值、越过 470 亿美元的年化收入运行率。这样的体量，足以让它的招股文件成为外界拆解大模型公司财务结构的第一个关键样本。 一旦 S-1 真正揭开，对二级市场投资人来说，最可能被反复追问的是三件事：客户结构、推理成本、毛利率。收入到底来自多少家企业客户？这些客户续费、扩容稳不稳？每挣到一美元收入，背后要垫进去多少 GPU、多少云资源、多少研发投入？ 在一级市场，「先增长、后盈利」是可以被接受的叙事，大模型公司的理由也够硬：模型要持续训练，企业市场还在扩张，算力是战略资产。到了公开市场，问题会被问得细得多。 说到底，传统软件卖的是一张一次性许可证，AI 公司卖的是一种持续吃算力的服务。用户越活跃，收入往上走，成本也跟着往上走。如果模型降价的速度不够快，或者客户不肯为更高阶的 agent 多掏钱，收入增长就未必能干净地变成利润。 这会换掉 AI 公司的估值语言。过去市场聊的是参数规模、模型榜单、用户数和融资估值；接下来，高频词会变成毛利率（gross margin）、推理成本（inference cost）、算力承诺（compute commitment）和客户留存（customer retention）。AI 公司仍然可以很贵，但它得说清楚自己为什么贵。 买单的人，从工程师变成 CFO AI 工具早期的买单人，大多是工程师、产品经理和一线业务团队。 他们看的是体验：代码能不能写得更快，PPT 能不能一键生成，客服能不能自动回，搜索能不能更聪明。只要单价不高，不少团队都愿意先试一把。 可当账单开始按 token、按 agent 会话、按高级模型用量往上涨，企业里拍板的人就换了。CFO 接手后问的是另一串问题：这笔 AI 开支，对应省下了多少人力？agent 干完的活，有多少真的进了生产环境？员工用得越多、公司花得越多，那还要不要鼓励敞开了用？它到底是在抬高利润率，还是把原来的软件预算，悄悄换成了一笔云资源开支？ GitHub Copilot 计费改动惹出争议，根子也在这里。用户不是不肯为 AI 付钱，而是不肯在没有预算预期的情况下，为每一次更重的调用承担说不准的成本波动。 矛盾摆得很清楚：AI 公司有动机提高计费精度、把一部分推理成本转嫁出去，因为成本是真的；企业客户必须控费，因为预算也是真的。这道题，靠一句「AI 提升效率」糊弄不过去，只能靠更透明的定价、更稳的成本曲线和算得清的 ROI（投入产出比）来解。 这道题，国内大模型公司也绕不开 按恒生指数公司此前公布的调整安排，智谱与 MiniMax 自 6 月 8 日起纳入恒生科技指数。据中国金融信息网等报道，智谱董事会已审议通过建议 A 股发行、申请科创板上市的议案，拟募集资金净额 150 亿元；MiniMax 也已与中信证券签署 A 股上市辅导协议。国内头部大模型公司，正从一级市场的融资故事，挤进二级市场的估值体系。 一级市场愿意为长期研发、算力投入和商业化探索买单；到了二级市场，财务报表会把账摊开来看：收入主要靠 API、企业私有化部署，还是 C 端订阅？毛利率能不能随规模往上走？训练和推理的算力，怎么计进成本？客户愿不愿意持续扩容？ 国内公司头上还多悬着一个变量，就是算力供给和国产化适配。一家大模型公司若同时背着高研发、高推理成本和国产算力适配的投入，就需要更强的融资能力，也需要一条更清楚的商业化路径。回 A 股、进指数，都只是资本化的第一步。真正的考题，还压在损益表里。 AI 商业化，进入账单阶段 ChatGPT、Claude、Copilot、Gemini 让市场相信，大模型能进办公、编程、搜索、客服和企业流程，资本也照着这份相信，给出了足够高的估值。 从 2026 年起，行业要证明的是另一件事：这些能力，能不能跑出一个健康的单位经济模型。 Copilot 的计费改动只是一个切口，它把用户原本感觉不到的 token 成本，翻译成了一张看得懂的账单。Anthropic 的 IPO 则可能更进一步，把大模型公司的收入、成本、客户和风险因素，一并摊到公开市场面前。 AI 产品不是没有商业模式。它的商业化已经走到了更细的颗粒度。每一次调用、每一个 agent 任务、每一份企业合同，都要回答同一个问题： 模型榜单仍然会牵动叙事，但账单，会更早走进投资人的估值模型。 表：从传统 SaaS 到 Agent 时代 AI，商业模型的三次转变 GitHub Blog｜2026-04-27｜https://github.blog/news-insights/company-news/github-copilot-is-moving-to-usage-based-billing/｜核验 Copilot usage-based billing 及 AI Credits 计费规则 GitHub Docs｜访问日期：2026-06-08｜https://docs.github.com/en/copilot/concepts/billing｜核验 Copilot billing、AI Credits 和 token usage 说明 Anthropic｜2026-06-01｜https://www.anthropic.com/news/confidential-draft-s1-sec｜核验 confidential draft S-1 及 IPO 条件性表述 Anthropic｜2026-05-28｜https://www.anthropic.com/news/series-h｜核验 650 亿美元 H 轮、估值及 run-rate revenue TechCrunch｜2026-06-07｜https://techcrunch.com/2026/06/07/is-this-the-dawn-of-the-tokenpocalypse/｜核验 Tokenpocalypse 表述及 AI 产品成本转嫁讨论 中国证券报｜2026-05-27｜https://epaper.cs.com.cn/zgzqb/images/2026-05/27/A06/zqDB0627.pdf｜核验智谱、MiniMax 纳入恒生科技指数 中国金融信息网｜2026-06-02｜https://www.cnfin.com/gs-lb/detail/20260602/4420558_1.html｜核验智谱科创板发行及 MiniMax 辅导协议
上一篇FP-V3-H打印机视频安装教程
下一篇Codex这8类Skill,把AI变成你的工作流助手
基本
文件
流程
错误
SQL
调试
请求信息 : 2026-06-09 10:11:16 HTTP/1.1 GET : https://www.yeyulingfeng.com/a/727138.html 运行时间 : 0.114214s [ 吞吐率：8.76req/s ] 内存消耗：4,659.84kb 文件加载：145 缓存信息 : 0 reads,0 writes 会话信息 : SESSION_ID=178ed98767f1f3a8ca0a2a293195e416
CONNECT:[ UseTime:0.000441s ] mysql:host=127.0.0.1;port=3306;dbname=wenku;charset=utf8mb4 SHOW FULL COLUMNS FROM `fenlei` [ RunTime:0.000704s ] SELECT * FROM `fenlei` WHERE `fid` = 0 [ RunTime:0.000319s ] SELECT * FROM `fenlei` WHERE `fid` = 63 [ RunTime:0.000272s ] SHOW FULL COLUMNS FROM `set` [ RunTime:0.000475s ] SELECT * FROM `set` [ RunTime:0.000193s ] SHOW FULL COLUMNS FROM `article` [ RunTime:0.000558s ] SELECT * FROM `article` WHERE `id` = 727138 LIMIT 1 [ RunTime:0.000647s ] UPDATE `article` SET `lasttime` = 1780971076 WHERE `id` = 727138 [ RunTime:0.015030s ] SELECT * FROM `fenlei` WHERE `id` = 64 LIMIT 1 [ RunTime:0.000416s ] SELECT * FROM `article` WHERE `id` < 727138 ORDER BY `id` DESC LIMIT 1 [ RunTime:0.000614s ] SELECT * FROM `article` WHERE `id` > 727138 ORDER BY `id` ASC LIMIT 1 [ RunTime:0.000456s ] SELECT * FROM `article` WHERE `id` < 727138 ORDER BY `id` DESC LIMIT 10 [ RunTime:0.003780s ] SELECT * FROM `article` WHERE `id` < 727138 ORDER BY `id` DESC LIMIT 10,10 [ RunTime:0.000650s ] SELECT * FROM `article` WHERE `id` < 727138 ORDER BY `id` DESC LIMIT 20,10 [ RunTime:0.004102s ]
0.115848s
夜雨聆风
