夜雨聆风前几天我参加了一个 AI 销售系统的培训。
讲到模型的 API 接入的时候，我问了一句：
能不能接自己的大模型？
对方很干脆——
不行，只能用我们的。
理由听着也挺合理：
我们这套系统有开发成本，算力也有成本，所以不支持外接。
对方还打了个比方：
我们都已经把面粉做成了面包，直接给你用，价格自然高一些；你要是自带面粉，那当然便宜。
在场不少人点头觉得合理。
这个比方确实顺耳——
面粉做成面包，加了工，加了值，卖贵一点，天经地义。
但当时我心里就有一个声音：
不对。
这不是面粉和面包的关系。
你做的是电器，不是面包。
做电器的，不该收电费。
英萨尔那一战
100 多年前，美国没有公共电网。
想开工厂，得先筹钱建一座发电站。
建发电站可能比建工厂还贵。
万一经营不善，工厂倒闭，发电站就彻底报废。
每个公司自备发电机，效率极低，风险极高。
但没有人觉得这有什么问题——
电，就是私有财产，是锁在围墙里的力量。
改变这一切的人叫英萨尔，爱迪生曾经的秘书。
他在芝加哥干了一件当时没人理解的事：
拼命把电变便宜。
他建超级发电机，收购几千家小电力公司合并，把规模做到极致。
他甚至主动接受政府监管，换取长期特许经营权和公平电价。
他还成立广告部推广家用电器，签一年合同就送六个免费插座，在已布线社区赠送风扇和熨斗。
他的逻辑很清楚：
让人们发现电器的好处，他们就会想要更多。
一战前，只有 16% 的美国家庭有电。
到 1920 年代末，城市家庭几乎家家都能用上。
美国家电销售额从 1915 年的 2300 万美元，涨到 1920 年的 8300 万美元。
电力史的反常识就在这里：
电变成基础设施之后，做电器的公司从来没有收过电费。
你买冰箱，不会接受冰箱厂商按度数收你电费。
你买洗衣机，不会因为用了哪个品牌的电就多付钱。
电费是电力公司的事，电器公司挣的是电器的钱——这两层收入，从来就是分开的。
今天的 AI，正在重演这段历史
今天的 AI 正在重演这段历史。
算力，就是当年的电。
德意志银行 2026 年 6 月的研报指出：
AI 能力的成本正以每年约十倍的速度下降。
前沿模型的单任务成本是开源模型的 65 倍，但在日常 90% 的通用任务中，两者表现几乎相当。
德银的比喻很精妙：
前沿模型是“咆哮的全新超跑”，开源模型是“称职的二手家用旅行车”。
绝大多数企业用户为超跑支付的溢价，并非来自实际业务需求，而更多源于品牌认知和“用最好的 AI”的身份认同。
算力正在像电力一样，走向公共基础设施化。
在这个趋势上叠加溢价，等于逆流而行。
回到那场培训
回到那场培训。
对方说算力有成本，所以不让你外接。
这话没错，算力当然有成本。
但问题是：
这个成本该由谁来付，怎么付？
我自己就订阅了好几个 AI 工具的 plan，加起来每个月四百多块。
这些订阅里已经包含了足够的算力——
我已经付过电费了。
现在你的应用又要把算力裹进产品定价里，再收我一次。
我的模型 4 分钱出一张图，在你的平台上变成了 2 毛钱。
5 倍的价差。
我不是只用你一个工具。
我用好几个，所以我天然要想办法把已经订阅的算力价值最大化。
你不让我外接，等于让我已经付过的电费白花，再重新按你的电价交一遍。
哪个消费者会接受？
这就是“做电器的收电费”在真实业务里的样子——
不是理论上的不合理，是账算不过来。
你再怎么说“面包比面粉贵”，我用不起就是用不起。
AI 应用公司该收什么费？
做电器的不能收电费。
那做电器的该收什么费？
想清楚这个问题，得先把 AI 应用公司的收入拆成三层来看。
第一层：算力层——电费
第一层是算力层——模型推理的算力成本。
这是电费。
电本身是同质化的，你家的电和我家的电没区别，所以电费只能按度数收，谁便宜用谁。
算力也一样——GPU 跑一次推理，不管谁家的 GPU，产出是一样的。
这一层没有差异化，只有价格战。
电费正在以每年十倍的速度降价，正在变成像空气一样的基础设施。
在这一层上叠加溢价，短期也许能收到，长期必然被基础设施化冲掉。
豆包就是一面镜子：
日活 2 亿，日收入不足百万，日消耗数千万——
算力裹进产品定价，结果就是收支倒挂。
这就是“在算力层叠加溢价”的下场。
第二层：能力层——插座生意
第二层是能力层——把 AI 能力封装成稳定、易用的 API 和工具。
这是电线和插座的生意。
电本身不值钱，但“把电安全地送到你家里、让你随时能插上用”这件事，是有技术含量的。
电线有粗细，插座有安全标准，配电箱有智能调度。
对应到 AI，就是“把大模型的能力变成一个稳定好用的接口”这件事。
这一层有差异化空间——
你不会因为隔壁电线便宜一块钱就把墙拆了重铺。
但这个空间在收窄：
API 价格两年跌去超过 60%，轻量级模型已经进入“厘时代”，“送电”这件事本身也在标准化。
这一层的钱，管道公司可以挣，但做应用的别指望它撑起商业模式。
第三层：场景层——灯泡生意
第三层是场景层——在具体业务场景里解决问题、创造价值。
这是设计灯泡的生意。
Seedance 做企业级视频生成，年化收入 20 亿美元，毛利率 70%。
Claude Code 做编程助手，上线不到一年年化收入冲到 25 亿美元。
它们挣的不是算力的钱，不是能力的钱。
是“我知道插上插座之后做什么”的钱。
这就是场景层的生意——
不是把电送到你家，是设计一个让你想要插电的产品。
看一个 AI 应用公司，先看它挣的是哪层钱
所以，看一个 AI 应用公司值不值得合作、值不值得投资，先看它挣的是哪层钱。
如果它的主要收入来自算力溢价——它是在收电费。
如果它靠能力封装吃饭——它是在卖插座。
只有当它的核心价值落在场景层——它才是在设计灯泡。
就像看一个 AI 应用值不值得买，不看它背后跑的是哪个模型。
看它解决的问题，是不是只有懂行的人才能想到。
做电器的，不该锁你的插座。
锁插座的公司，不是在设计灯泡，是在阻止你用更便宜的电。
真正有底气的 AI 应用，不怕你外接。
因为它知道，你换了插座，还是会回来买它的灯泡。
参考资料：
1. 英萨尔（Samuel Insull）与芝加哥电力公用事业史相关研究
2. 德意志银行 2026 年 6 月 AI 算力成本与模型定价研报
3. 豆包日活与收入结构相关公开数据
4. Seedance、Claude Code 等 AI 应用公司公开收入与毛利数据
5. 动龄健康医疗 AI 智能体项目订阅成本与算力使用观察
