夜雨聆风
一、续费日
2026 年 Q3，CFO 们打开软件账单时，发现 Microsoft 365 涨了 5% 到 33%，Google Workspace 涨了 17% 到 22%。同期 CPI 是 3.5%。
这不是通胀。这是定价逻辑换了底层。
过去二十年，企业买软件像买工具：按账号付费，一次买断或年费续费，成本可预测，用不用得满都一样。现在，AI 功能被塞进每一张续费单，价格标签后面跟着一串小字——"AI 功能已包含，按实际用量计费"。
Tropic 的合同数据显示，2026 年 AI 相关的续约涨价幅度在 20% 到 37%之间。企业谈判之后，最终落地价仍然比 AI 前的基线高出 12%。
一个概念正在浮现：认知租金（cognitive rent）。企业不再只是买工具，而是为每一次思考、判断和执行持续付费。智能从"可选功能"变成了"中间投入"，像水电一样，用多少交多少，停不下来。
二、从账号到 Token：成本结构的断裂
传统 SaaS 的经济学建立在一条铁律上：边际成本趋零。软件写好了，多一个用户几乎不增加成本。所以按账号收费是合理的——你卖的是访问权，不是计算力。
AI 打破了这条铁律。
每一次查询都要跑模型，消耗 GPU 算力，消耗电力。模型越强，消耗的 Token 越多。Anthropic 的 Claude Opus 4.7 比上一代多消耗约 30% 的 Token，因为推理链更长了。对一个规模化部署的企业来说，这意味着没有新增一个客户，运营成本就涨了 30%。
GitHub Copilot 是标志性转折。2026 年 6 月 1 日，它从固定请求数切换到了按 Token 计费的 AI Credits。同一个 $39/月 的企业席位，现在能买多少计算力，取决于你的开发者选哪个模型、写多长的 Prompt。输入价格从 $0.20 到 $10 每百万 Token，差 50 倍。
结果：成本从"固定资产"变成了"中间投入品"。
传统 SaaS 的毛利率是 80% 到 90%。AI 应用公司的平均毛利率只有 52%。这不是效率问题，是结构问题：你卖的不是软件，是计算力，而计算力有真实的物理成本。
三、停不下来的中间投入
AI 嵌入业务流程之后，停止付费不等于节省成本，等于生产力下降。
Klarna 是教科书级的案例。2024 年 2 月，它上线了 OpenAI 驱动的 AI 客服。首月处理了 230 万次对话，相当于 700 名全职客服的工作量。平均处理时间从 11 分钟降到 2 分钟以内，重复咨询减少 25%。单交易成本从 $0.32 降到 $0.19。2024 年预计节省 4000 万美元。
数字漂亮到可以写进任何一份"AI 替代人工"的 PPT。
但 2025 年 5 月，Klarna 的 CEO Sebastian Siemiatkowski 对彭博说，公司在客服上砍得太深了，要重新招聘人类客服。不是撤回 AI，是重新划界：AI 继续处理高流量、低情绪的日常咨询，人类回归复杂场景和高价值客户。
这个案例揭示了一个更深的经济学事实：AI 正在变成"电力"，而不是"软件"。
你砍电力预算不是省钱，是停电。工厂可以少开几条产线，但不能"暂停电力"。AI 嵌入核心流程后，问题从"要不要用"变成了"用谁的"。生产函数里多了一个不可中断的投入品，而这个投入品的定价权不在企业手里。
四、租金向谁流
认知租金的流向，取决于谁掌握了稀缺资源。
OpenAI 和 Anthropic 2025 年合计支出近 650 亿美元用于模型训练和运行。英伟达走得更远：它不是卖芯片，是在做"算力央行"。2026 年 8 月，英伟达与 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs、KKR 六家机构合作，撬动超过 5000 亿美元第三方资本投入 AI 基础设施。黄仁勋的原话是："在 AI 里，算力就是收入。"
更结构性的问题是：全球前 20 大科技公司中，只有英伟达、谷歌、亚马逊和阿里四家能同时覆盖 AI 的五大生产要素（硬件、云、数据、模型、应用）。BIS 2026 年 2 月的报告指出，每个要素的 HHI10 集中度指数都超过 1800，意味着前十个经济体掌握了几乎全部份额。
五大要素分散在全球不同经济体，没有任何一个企业能垂直整合全部。企业创造的价值，正在持续流向掌握基础模型和算力的平台。
这不是竞争问题，是结构问题。
五、降低智能依赖的四条路径
多模型策略。 不绑定单一供应商。按任务复杂度路由：简单任务用开源小模型，复杂任务用前沿模型。Stanford HAI 2026 年 AI Index 显示，开源与闭源模型的能力差距已缩小到约 3 个月。Anthropic 的缓存读取价格是 $0.30 每百万 Token，新输入是 $3.00，差 10 倍。路由层设计得当，成本可以砍掉一半以上。
本地模型。 对数据敏感或合规要求高的场景，自建推理基础设施。边际成本趋零，不用为每次调用付钱。但前期资本投入大，且模型更新速度跟不上前沿。适合有稳定工作负载、数据不能出域的企业。
数据自主权。 专有数据加上工作流深度嵌入，构成结构性壁垒。不依赖外部模型也能维持核心业务。这是目前最被低估的护城河。
基础设施监管。 欧盟 AI Act 在 2026 年 8 月对高风险场景生效，美国 2026 年 4 月发布了《国家 AI 立法框架》。监管的方向：确保企业有退出能力和议价能力。
六、不是税，是地租
经济学中，"地租"是土地所有者因稀缺性获取的超额收益。亚当·斯密在《国富论》第一卷讨论地租时的逻辑是：土地数量有限，需求增长，所有者坐享涨价。
AI 智能正在成为新的"土地"。不是谁发明了它，而是谁掌握了稀缺的算力和模型。企业不是在"缴税"，税是对行为的强制征收；企业是在为一种新的生产要素支付地租。
关键问题不是"要不要用 AI"，而是"智能的定价权在谁手里"。当智能像电力一样成为基础设施，谁来监管"电价"？这个问题，2026 年的 CFO 已经开始问了。
