夜雨聆风上周看到一条新闻，愣了好几秒。
微软正在评估引入 DeepSeek V4 ，给 Copilot 用。不是试水，是认真的——因为算了一笔账之后发现，同样的 API 调用量，用 Anthropic 的 Claude 和用 DeepSeek ，成本差了 25 倍。
25 倍。
不是性能差 25 倍，是价格差 25 倍。性能呢？斯坦福 2026 AI 指数报告刚出来，中美顶级模型的差距只剩 2.7%。
2.7% 的性能差距， 25 倍的成本差距。这道数学题，微软的 CFO 不可能算不明白。
美国 AI 的"贵"，已经不是溢价，是失控
说实话，看到美国 AI 的定价，我第一反应是荒谬。
Claude Opus 4.7 ， Anthropic 目前的旗舰模型，每百万 token 输入 5 美元、输出 25 美元。 OpenAI 的 GPT-5.5 也差不多在这个价位。而 DeepSeek V4 Pro 呢？输入 1.74 美元，输出 3.48 美元。
这价格差，说难听点，就是抢钱。
注意，这已经是 DeepSeek 降价 75% 之后的价格了——对，它之前还贵一些，后来觉得还能再便宜，就真降了。降完还是别人的零头。你说这找谁说理去。
有人算过，用 DeepSeek 写 4 天代码， API 费用 35 块人民币。 35 块。同样的活，用 Claude 大概要几百——不对，我刚才说保守了，按 Opus 的定价得上千。这不是溢价，这是两个平行世界的物价。一个地球，两种账单。
Anthropic 当然知道这个问题。他们最近的策略是猛推企业签单——七成企业客户选了 Claude 的年度合约。但说实话，靠锁客户来维持高价，这吃相——算了，我不想说太难听。就像一个健身房，不靠课程质量留人，靠的是年卡不能退。恶心不恶心？
纳德拉上周说了一句话，挺有意思："AI 不能被少数模型垄断。"翻译一下：我们扛不住了，得找便宜的。堂堂微软 CEO ，被逼到这个份上。
中国 AI 的"便宜"，不是补贴，是结构性优势
很多人第一反应是：便宜？肯定是亏本赚吆喝，或者政府补贴。
还真不是。
DeepSeek V4 Flash 的定价——每百万 token 输入 0.14 美元，输出 0.28 美元——比 GPT-5.5 和 Claude Sonnet 4.6 便宜 97% 到 99%。这不是"稍微便宜一点"，这是降维打击。
怎么做到的？
最核心的是算法。 DeepSeek 在 MoE 架构上的优化不是微调级别，是底层重构——搁那些搞技术的朋友话说，这叫"从地基重盖"。同样的推理任务，需要的算力更少。再加上基础设施的差距，中国的工业电价大约是美国的 60%，数据中心运营成本天然就低一截。还有工程师成本、上下游产业链的集聚效应……整条链拉下来，成本结构从根上就不一样。
这就好比两个厨师做同一道菜。一个用的是进口有机食材、法国进口锅具，另一个用的是本地菜市场的新鲜货、自家锻打的铁锅。味道差不多，但成本差了十倍。你说后者是"补贴"？不，人家就是能便宜做出来。
而且，便宜这件事本身会改变行为模式。当你用 AI 几乎不花钱的时候，你会疯狂调用。中国 AI 模型的周调用量已经到了 14.19 万亿 token ，连续七周超过美国。背后是 6 亿用户的实际使用。
6 亿。这个数字不是"未来预期"，是现在。
当成本优势变成生态优势：一局乒乓球和一场足球赛
好，到这里可能有人会说：便宜归便宜，性能不行有什么用？
这个问题放在两年前成立。放在今天，已经过时了。
斯坦福那份报告说得够清楚了——2.7% 的差距，在大多数应用场景里约等于"没有差距"。你让一个普通开发者同时用 Claude 和 DeepSeek 写一周代码，他大概率分不出区别。但你让他看账单，他一定能分出区别。
真正有意思的事情在这里。
当成本差达到 25 倍，竞争逻辑就变了。美国 AI 在比谁的模型更聪明——跑分更高、参数更大、推理更深。中国 AI 在比谁能把成本压到更低，让更多场景跑得起来。
这两条路，短期看美国那条更"高级"。长期看？
打个比方。美国 AI 像在打乒乓球单打——技术精湛，每个球都精确到毫米，但选手就那么几个。中国 AI 像在踢足球——配合多、跑位多、参与基数大。单打你可能还赢，但足球是 11 个人的运动。
500 多家企业已经迁移到了 DeepSeek 上。不是做实验，是真实的生产环境在跑。这些企业用省下来的钱干了什么？更多场景的部署、更多的迭代、更多的用户反馈。
便宜到一定程度，门槛就消失了。开发者愿意试，中小企业用得起，大公司愿意在非核心场景部署——生态就是这么长出来的。
美国不是没看到，是看到了也追不上
OpenAI 已经开始降价了。 Google 也在调。但问题是，他们的成本结构决定了降不到 DeepSeek 的水平——想降？行啊，先砍掉一半员工再说。
人力成本、算力成本、合规成本——每一项都是刚性支出。你让 OpenAI 把 API 价格降到 DeepSeek 的 1/25 ，它明天就得裁员 80%。这账谁都会算。
而中国这边，推理成本已经只有美国的 15%。 15%。这意味着什么？意味着同样一笔预算，中国企业能调用的 AI 算力是美国企业的将近 7 倍。
7 倍的调用量，带来 7 倍的用户反馈、 7 倍的数据积累、 7 倍的迭代速度。这个差距——说实话，越看越让人心里发毛。
斯坦福报告说中美差距 2.7%。但很多人忽略了另一个数字：中国的周调用量已经是美国的 4 倍多。 2.7% 的性能差距，乘以 4 倍的调用量优势——这个公式算出来的未来，不太乐观。不，应该说，挺绝望的。如果你站在美国那边。
成本优势 → 生态优势 → 竞争格局重写。这条路， Android 走过一次了。 Android 不比 iOS 好，但 Android 便宜到人人都用得起，到头来生态本身成了最大的护城河。 iOS 现在后悔吗？不知道。反正也来不及了。
所以，这对我们意味着什么
说了这么多宏观的，说点跟个人有关的。
如果你是一个开发者，或者你想做一个 AI 产品，现在的局面其实很清楚：以前你需要融资几百万美元才能跑起来的 AI 项目，现在可能只需要十分之一的钱。中国 AI 的成本优势，最终会变成普通人的机会优势。
当然，中国 AI 也不是没有问题。顶尖模型的能力差距还在，芯片供应的不确定性还在，企业级服务的成熟度还有距离。但当价格差距是 25 倍的时候，这些差距正在被快速抹平。
我也说不好最终谁会赢。也许没有"赢家"这回事——市场足够大，容得下好几套生态并存。
但有一件事我比较确定：当所有人都在讨论谁的模型更聪明的时候，真正改变游戏规则的，可能是谁让所有人都用得起。
这才是 1/25 这个数字背后，真正值得盯着看的东西。
