本文由 莫潇羽@无忆研习社（www.wuyi.wiki）撰写，转载请注明出处。

快速摘要

2026 年 5 月初，豆包在苹果应用商店悄悄挂出一份付费订阅声明：标准版 68 元/月、加强版 200 元/月、专业版 500 元/月，基础版继续免费。这件事的本质，不是字节跳动单方面"想多收一笔钱"，而是国产 AI 被算力成本、边际成本和资本环境一起推到了商业化拐点。我自己把整条线索捋下来后的结论是：免费基础功能会长期保留，日常聊天、查资料、写短文案的轻度用户几乎不受影响；真正被纳入付费的，是长文档深度分析、批量内容生产、AI 编程、高清生图、专业建模这类高算力任务。 对普通人来说，短期没什么冲击，长期要面对的是三件事——职场里的效率分层、个人创作的工具成本结构变化，以及盗版工具带来的安全隐患。

这篇文章我会把六个层面讲透：豆包到底做了什么、它为什么不是第一个收费的、AI 的成本结构和传统互联网差在哪、行业绕不开的几个痛点、付费时代对普通人意味着什么，以及我自己总结的几条能直接落地的应对办法。想看完整拆解，往下翻。

一、先把事情说清楚：豆包这次到底做了什么

网上一传"豆包收费"，评论区瞬间炸出两种声音：一种喊"卸载"，一种说"国民 AI 也开始收割了"。但情绪归情绪，先把事实摆清楚再下判断，这是我做内容这些年养成的习惯。

1.1 三档订阅方案的具体内容

2026 年 5 月 4 日，有用户在 App Store 更新豆包时，发现版本页面多了一份"付费版本服务声明"。声明里写得很清楚：在免费版的基础上，豆包会推出包含更多增值服务的付费版本，并且一次性披露了三档价格。

我把这三档整理成一张表，方便你一眼看懂它们各自瞄准的是谁：

光看数字可能没感觉，对比一下就清晰了：68 元这一档，比海外同类产品的入门会员便宜了差不多一半，定价卡在大多数人"咬咬牙能接受"的心理区间；200 元那一档，对标的是海外的专业版；500 元这一档，基本是给那些把 AI 当成日常生产工具、天天高强度使用的人准备的。

这里要补一个新手容易混淆的点。"连续包月"和"连续包年"都属于自动续费——意思是你开通后，平台会在每个周期到期时自动从你绑定的账户里扣款，除非你手动取消。年付看起来单价更低，但它把你绑定了一整年，这个细节后面讲应对方法时我会重点说。

1.2 免费版不会消失，这点别误读

很多人第一反应是"以后用豆包都要给钱了"，这是个误解。官方很快做了回应，反复强调一句话：免费服务会持续保留。也就是说，豆包走的是"基础免费 + 高阶付费"的分层模式，而不是整体转向收费墙。

哪些功能大概率留在免费区？日常对话、基础问答、信息检索、写几句短文案这类轻量、低算力的需求。哪些会被划到付费区？长文档的深度拆解、成批量的内容生产、AI 写代码、高清智能生图、专业级办公建模——这些任务的共同特征是单次消耗的算力高、调用链条长。

说白了，付费分层做的是一件事：把"重度消耗算力的用户"筛出来，让他们为自己实际占用的资源买单，而不是让所有人陪着一起摊成本。

1.3 这其实不是豆包第一次想商业化

还有个常被忽略的背景：豆包大模型的"创收"早就开始了，只是没出现在大众入口上。

火山引擎那边的 API 是按量计费的，企业调用多少付多少；图像生成方向也早有自己的订阅产品。换句话说，面向专业人群、面向 B 端场景的变现，字节一直在做。这次真正变化的是——它第一次把"付费"两个字，直接贴到了 C 端用户每天打开的那个 App 界面上。

所以我的判断是：与其说豆包"突然要收费"，不如说它把藏在后台的商业化逻辑，搬到了前台。下一节我们就来看，为什么它选在 2026 年这个时间点搬。

二、豆包不是第一个：国产与海外 AI 的收费时间线

舆论之所以反应这么大，是因为豆包体量太大——它是国内月活规模最高、用户黏性最强的 AI 应用。但如果把视野拉开，你会发现一个反常识的事实：在收费这件事上，豆包不仅不是第一个，反而是动手相当晚的那一批。

2.1 海外早就是"基础免费 + 高阶付费"

全球头部的 AI 产品，几乎清一色采用分层付费模式。这套规则不是某一家的偏好，而是行业算过账之后的共识。

我顺手查了几个公开数据，挺能说明问题：海外某头部对话产品的周活跃用户已经逼近 9 亿，是全球第一个接近 10 亿周活的 AI 产品；但即便流量大到这个程度，它的个人付费订阅用户也只有 5000 万左右，付费率大约只有 5%。

更扎心的是后面这条：到 2026 年初，这家公司甚至开始向免费用户投放广告，而在此之前，它的高层一直公开排斥广告模式。一个连"付费土壤"都比国内成熟得多的市场，尚且要靠订阅 + 广告两条腿走路才勉强够本，这说明什么？说明单靠会员订阅，根本填不平大模型的算力开销。

欧洲市场的信号同样不乐观。有银行的研报指出，从 2025 年中开始，该产品在法、德、意、西、英五大市场的消费者支出几乎陷入停滞，付费用户增长可能已经见顶。

我再补一个能看清行业心态的细节。这家海外公司一度向投资人描绘过一个相当宏大的蓝图——希望未来从免费用户身上，通过广告和应用内商业活动获取规模可观的营收。但现实是，它的免费用户里近九成分布在北美以外的地区，而这些地区的广告价值远低于北美。同时它也在印度等市场尝试推出更低价的订阅版本，想把付费转化率拉上去。一边降价试探、一边试水广告、一边还在做巨额融资——这一连串动作拼在一起，恰恰说明：哪怕是全球最头部的玩家，也还没找到一条"能稳稳盈利"的清晰路径。

2.2 国内厂商的付费试探，比豆包早得多

把镜头转回国内，时间线更清楚。

2024 年前后，百度文心、月之暗面 Kimi、科大讯飞星火等玩家就陆续上线了成熟的订阅体系。也就是说，早在豆包动手两年前，行业里已经有人在收费了。

到了 2025 年第四季度，Kimi 先一步上线了"打赏"机制，单次打赏从 9.9 元起步。这个动作看着小，意义却不小——它是国内第一个在"亿级月活 AI 应用"层面跑通的小额付费模型，相当于给整个行业做了一次用户教育的压力测试。

豆包这次出手，等于给所有同行下了一道选择题。豆包付费消息发布后，竞品反应非常激烈：有的把主力模型 API 打到限时折扣，有的搞起补贴活动拉关注，还有的干脆直接打出"免费使用"的旗号。一张价目表，把所有竞品都逼到了两难——跟着收费，怕用户跑到对手那边；继续免费，又等于变相承认自己还停留在"花钱买用户"的阶段。

2.3 一张时间线，看懂行业的三个阶段

为了让你对整条脉络有个直观印象，我把国产 AI 应用这几年的商业模式演变画成一张时间线：

timeline
    title 国产 AI 应用商业化关键节点
    2021-2023 : 流量补贴期 : 用户免费用，公司白拿数据，靠资本叙事撑迭代
    2024 : 付费试探期 : 文心、Kimi、星火等陆续上线订阅体系
    2025 Q4 : 小额付费跑通 : Kimi 试水打赏机制，9.9 元起
    2026.5 : 价值定价期 : 豆包上线三档订阅，头部集体转向商业兑现

有行业观察者把这个过程概括为三段：第一阶段（2021—2023）是"流量补贴期"，大家用免费换规模；第二阶段（2024—2025）是"付费试探期"，头部一边抢用户一边小心试水；第三阶段（2026 年起）是"价值定价期"，产品逻辑从"加法"转向"减法"，衡量一家公司的标准也从"有多少日活"慢慢变成"每个用户能贡献多少价值"。

豆包收费这件事，恰好就踩在第二阶段迈向第三阶段的那个临界点上。它之所以引发地震，不是因为它开了先例，而是因为当国内月活最大的那个玩家都开始收费，"免费"这张牌就从竞争优势，变成了"我们还没找到出路"的暗示。

2.4 字节为什么偏偏选在 2026 年这个时刻出手

既然行业里早有人收费，那一个自然的疑问是：动作一向不算慢的字节，为什么在豆包这件事上反而落后了两年，又偏偏挑在 2026 年 5 月动手？我自己琢磨下来，背后是两笔账被算清了。

第一笔，是增长这本账。用免费换规模这条路，边际效益差不多见底了。有数据显示，2026 年一季度国内 AI 应用的月活规模已经到了 8.5 亿量级，当前具备 AI 使用条件的用户，基本都已经被覆盖。换句话说，国内的用户大盘就这么大，该接触 AI 的人都接触了。这时候再砸钱维持全免费，已经拉不来多少新增量了，反而要为每一次新增对话，实打实地承担算力成本。当"免费"换不来增长，它就从一项投资，变成了一项纯粹的成本。

第二笔，是市场这本账。国内用户对 AI 付费的接受度，经过两三年的培养，已经今非昔比。2023 年大模型刚火时，普通人还把 AI 当"新鲜玩具"，对掏钱有明显的抵触。但到 2026 年，行业已经走完了一轮完整的用户教育。有研究机构的调研显示，约四分之三的 AI 用户已经付费或愿意付费，而在已付费的人里，超过一半月度支出在 100 元以内。豆包标准版 68 元的定价，正好卡在大多数人能接受的心理区间里——这不是拍脑袋定的数字。

两笔账一摆，结论就清楚了：不是字节突然想收费，而是"收费的条件"在 2026 年初这个节点上，第一次同时凑齐了。增长见顶、成本承压、用户教育完成，三者交汇，豆包出手只是顺势而为。

三、为什么免费撑不下去：AI 的成本结构和互联网完全不同

理解豆包收费，最关键的一步，是搞懂一件事：AI 产品的成本结构，和我们过去二十年熟悉的互联网产品，根本不是一回事。这一节我尽量讲得通俗些，新手也能跟上。

3.1 AI 是"重工业"，不是"轻资产"

过去的互联网产品——社交软件、短视频、资讯应用——本质上是"轻资产"生意。一份代码写好，多一个用户使用，服务器那边增加的成本几乎可以忽略不计。这就是互联网"边际成本趋近于零"的魔力，也是免费模式能成立的根基。

AI 不一样。每一次对话、每一次内容生成，背后都在实打实地消耗 GPU 算力。豆包这种体量的产品，月活已经突破 3.45 亿，日均对话量到了 18 亿次量级；从算力侧看，豆包大模型的日均 Token 调用量在 2026 年初已经突破 120 万亿，而且在不到两个月里涨了六成。

这是什么概念？它意味着每多服务一个用户、每多处理一次请求，公司就要多烧一份真金白银的电费和算力。所以我常跟身边的朋友打比方：传统互联网像开软件公司，AI 更像开钢铁厂——它是算力密集型的"重工业"，烧的是电、是芯片、是机房。

3.2 电费到底占多少：被低估的硬成本

具体到钱上，最容易被外行忽略的就是电费。

行业里有个被反复引用的说法：大模型训练成本中，相当大的比例是电费开销，不少估算给出的数字在六成上下。还有院士做过测算，大模型训练过程里约七成开销花在算力上，推理环节这个比例甚至更高。

我再举两个能帮你建立体感的数据。有技术团队测算，要把一个五千亿参数规模的单体大模型充分训练一遍，光是每年的电费就要五亿元人民币级别；运营一座能同时支撑训练和推理的万卡规模智算中心，一年的投入要按 10 亿人民币来算。

这些钱花在哪？一个常被忽略的细节是：数据中心的耗电不只是芯片本身。在典型的数据中心里，IT 设备大约占总耗电的一半到六成，散热冷却系统又要吃掉三到四成。GPU 越密集、算得越猛，发热越厉害，散热这块的账单就越长。

叠加上高端芯片进口受限、硬件价格持续走高，结论很清楚：没有哪家公司能无限期地为亿级用户的免费推理买单。

3.3 边际成本不为零，这是最关键的一条

如果只让你记住这一节的一个知识点，我希望是这条：AI 的边际成本不为零。

我们可以把一个 AI 服务的总成本，粗略拆成两块：一块是固定成本，比如模型研发投入、硬件采购折旧；另一块是随用量变化的可变成本，也就是每多一次调用就多花一笔的推理开销。

写成一个简化的式子，方便你看清结构：

[

C_{\text{总}} = \underbrace{C_{\text{研发}} + C_{\text{硬件折旧}}}{\text{固定成本}} + \underbrace{n \times c{\text{单次推理}}}_{\text{随用量线性增长}}

]

其中 (n) 是总调用次数，(c_{\text{单次推理}}) 是每处理一次请求的边际成本。

传统互联网产品之所以能"无限免费"，是因为它那个 (c_{\text{单次}}) 几乎等于零，用户再多，第二项也撑不起来。而 AI 产品的 (c_{\text{单次推理}}) 是一个实实在在大于零的数，用户规模一旦冲到亿级，(n) 变得极其庞大，第二项就会膨胀成一座压在公司头上的大山。

我用一段伪代码，把这两种生意的差别再演示一遍：

# 传统互联网产品的成本模型
function cost_internet(用户数):
    固定成本 = 服务器 + 带宽 + 研发        # 基本恒定
    边际成本 = 用户数 × ≈0                 # 多一个用户，几乎不增加成本
    return 固定成本 + 边际成本             # → 用户越多，人均成本越低

# AI 产品的成本模型
function cost_ai(调用次数):
    固定成本 = 模型研发 + 芯片折旧          # 本身就很高
    边际成本 = 调用次数 × 单次推理成本      # 单次推理成本 > 0，且不可忽略
    return 固定成本 + 边际成本             # → 调用越多，总成本线性飙升

看懂这段，你就明白豆包为什么必须分层收费了。它不是不想免费，而是当 (n) 大到 18 亿次对话/天、120 万亿 Token/天的时候，那个"大于零的边际成本"已经变成天文数字。把高消耗用户筛出来单独计费，本质上是让成本和使用量重新挂钩——谁用得多，谁多付一点，这在经济逻辑上并不算苛刻。

3.4 训练和推理：两笔账，性质完全不同

讲到这里，我得再帮新手厘清一对很容易混为一谈的概念——训练成本和推理成本。这两个词在 AI 报道里反复出现，但很多人没分清，结果对"AI 烧钱"的理解一直是模糊的。

打个生活化的比方。训练，就像让一个学生把图书馆里的书全部读一遍、把知识装进脑子里——这是一次性的、极其耗能的过程。一个万亿参数级别的顶级模型，单次训练往往要连续跑上几十天，期间消耗的电量足够一座小城用上一阵子。但训练有个特点：它是阶段性的，模型练好了，这笔大钱就暂时告一段落。

推理则完全不同。它是这个"学生"毕业之后，每天接待访客、回答问题的过程。你每问豆包一句话，它就要做一次推理。推理的单次成本看起来不高，但架不住量大——亿级用户、每天十几亿次对话，这些零散的小开销累加起来，会变成一条永不停歇、且随用户增长而水涨船高的成本曲线。

我把两者的差别整理成一张对照表：

理解了这组区别，你就会明白：免费模式真正撑不住的，其实是推理这一头。训练再贵，也是公司自己关起门来花的钱；可推理成本，是亿万用户每天一点一点"用"出来的。豆包日均 120 万亿 Token 的调用量，绝大部分都压在推理这条线上。分层付费瞄准的，正是推理成本——让那些把模型当生产力工具、天天高强度调用的用户，为自己实际占用的推理资源买单。

这也是为什么我一直说：这次收费与其理解成"企业变心"，不如理解成"行业还债"。前两年靠资本输血撑起来的免费狂欢，账总是要还的。

四、六个绕不开的行业痛点

豆包收费像一根针，戳破了国产 AI 行业积压数年的几个矛盾。这一节我把六个最核心的痛点逐个拆开讲——它们环环相扣，共同决定了"全民免费 AI"这个模式注定走不远。

4.1 算力成本是个填不满的无底洞

第一个痛点最直接：钱不够烧。

大模型单次训练动辄耗资数千万，海量用户的日常调用又在持续吞噬稀缺的高端芯片。国内的算力供给本就偏紧，国产化替代还在爬坡阶段，整个行业每天烧掉的钱以亿计。结果是——到目前为止，没有任何一家面向 C 端的 AI 产品，跑出过健康的正向盈利闭环。

这里还藏着一个不常被提起的隐性浪费：智算中心的"空转"。我查资料时看到一个案例，某地一座挂着大牌子的智算中心，每年固定投入数千万，但机房里真正上架运转的服务器还不到一百台，大量算力处于闲置状态。算力建起来了却没被充分用上，固定成本照样要摊——这是行业另一种形式的失血。

还有一层压力来自芯片本身。训练和推理高度依赖高端 GPU，而这类芯片的进口又受到限制，国产替代方案虽然在快速追赶，但成熟度和生态完善度还需要时间。供给偏紧 + 价格偏高 + 替代尚未完全到位，三个因素叠在一起，让算力这项成本不仅高，还很难在短期内靠"买更便宜的硬件"压下来。对企业来说，这意味着免费模式的窟窿，是结构性的、短期内补不上的。

4.2 "羊毛出在猪身上"的老路，在 AI 这儿走不通

第二个痛点，是变现逻辑的失灵。

过去二十年，短视频和社交软件靠的是经典的"羊毛出在猪身上"：用免费内容换流量，再靠广告把流量变成营收。这套打法之所以成立，前提是产品能大规模承载广告。

但 AI 对话产品不行，原因有两个。一是形态不兼容：AI 是高频、私密的交互工具，用户是带着真实问题来的，硬塞广告会严重破坏体验，转化效果也难看。二是合规红线：数据合规要求严格禁止倒卖用户信息，那种"靠数据精准变现"的老路在 AI 领域根本不能碰。

海外那家头部产品的窘境很说明问题——它最近虽然开始试水广告，但更多是被营收压力逼出来的无奈之举，而不是一条被验证跑通的康庄大道。沿用了二十年的互联网变现逻辑，在 AI 这里需要重新发明。

4.3 产品高度同质化，缺少定价的底气

第三个痛点，是产品本身。

坦白讲，国内大多数大模型的功能高度重合：你能写文案，我也能；你能总结文档，我也能。真正拉开代差的独家技术优势并不多见。结果就是大家陷在低价内卷里，靠免费补贴互相抢用户。

这带来一个很现实的麻烦：一旦停止免费补贴，用户极容易转身就走。因为对用户来说，A 产品和 B 产品体验差不多，谁免费用谁，谁收费换下一家。缺少差异化，就缺少支撑用户持续掏钱的理由，高价订阅自然站不稳。

我在不同模型之间来回切换测试时，对这点感受很深：对 99% 的日常需求，几款主流国产大模型的表现都"够用"，彼此之间的差距，远没有发布会 PPT 上写得那么大。同质化越严重，定价权就越弱。

往前回看，这种同质化还引发过一轮惨烈的价格战。前两年，国内厂商在 API 调用价格上互相砍价，有的旗舰模型输入价格被一路下调，降幅高达九成以上，有的厂商干脆把主力模型直接做成免费。价格战看着热闹，伤害却实打实地在行业内蔓延——大家把本该用来打磨产品的资源，耗在了互相压价上。当一个行业只能靠"比谁更便宜"来竞争，就说明它还没真正建立起属于自己的价值壁垒。豆包这次用一张价目表重新立起定价标尺，某种意义上也是想结束这种内耗。

4.4 AI 不是刚需，付费意愿天然不足

第四个痛点，关乎人性。

我们得承认一个事实：AI 目前还只是个效率辅助工具，不是社交、出行那种"离开就没法过日子"的刚需。普通人每天的需求——聊聊天、写两句话、查点资讯——免费功能完全覆盖得了。

有调研数据给了个量化的参照：中国用户的 AI 付费意愿，大约只有美国市场的三分之一到四分之一。同时还有一个行业反复观察到的现象：哪怕是公认能提升生产力的工具，用户也普遍是"够用就行"的心态，付费转化长期卡在 5% 上下，像撞上了一层看不见的玻璃天花板。

这背后是"价值感知错位"——消费级 AI 多用在内容生成、信息检索这类辅助场景，用户很难产生"非它不可"的强依赖。工具好用是一回事，愿意为它每月固定掏钱，是另一回事。

我自己观察身边人的使用习惯，也印证了这一点。绝大多数人对 AI 的使用是"浅尝辄止"型的：心血来潮问几个问题，新鲜感过去就放在一边。这种使用强度，免费额度绰绰有余，自然也就谈不上付费动力。真正会持续付费的，是那一小撮把 AI 深度嵌进工作流的人——他们每天高频调用，付费对他们来说是"省时间"的划算买卖。问题在于，这一小撮人占总用户的比例并不高，而免费的那一大批人，恰恰是消耗算力成本的主力。这就是 C 端 AI 商业化最拧巴的地方：消耗成本的人最多，愿意付费的人最少。分层收费，本质上就是想把这两拨人重新对齐。

4.5 资本耐心见底，野蛮扩张时代结束

第五个痛点，来自钱袋子的另一端——投资人。

前两年的 AI 行业，很大程度上是靠一级市场融资在"续命"。但资本不会永远为亏损故事买单。当市场不再轻易相信"先烧钱、后盈利"的剧本，压力就会顺着资金链传导下来，倒逼所有玩家加速把商业化落地。

后果是行业格局的快速收敛。没有充足资金、又拿不出差异化的中小玩家，会被成批淘汰；头部的生态优势则会进一步固化。截至 2026 年，国内大模型市场已经从当年的"百模大战"，收敛成"巨头生态领跑 + 少数技术新贵突围"的格局。野蛮生长的窗口，正在关上。

4.6 合规与运维成本，还在持续往上走

第六个痛点，是一笔容易被忽略的"隐性账单"。

AI 内容审核、版权溯源、数据安全监管，这几年的要求只会越来越细、越来越严。这意味着平台要在合规上持续追加投入——审核团队、溯源系统、安全防护，每一项都是钱。

这笔开支不像电费那样显眼，却同样真实，而且只增不减。当固定成本、算力成本、合规成本三座山一起压上来，纯免费模式早已无力覆盖整条链路的运营开销。

我多说一句，合规这件事虽然增加了成本，但它的方向是对的。AI 生成的内容一旦失控，版权纠纷、虚假信息、隐私泄露都可能找上门来。平台在审核和溯源上多投入，受益的其实是每一个普通用户——你跟 AI 的对话更安全了，看到的内容更可靠了。所以合规成本不是"白花的钱"，它是这个行业走向规范必须交的"学费"。只不过，这笔学费同样需要一个可持续的商业模式来支撑，而纯免费显然撑不起。把这六个痛点连起来看，你会发现它们指向同一个结论：免费不是不能做，而是不能"永远免费、且对所有人免费"。

把这六点连起来看，结论其实很冷静：豆包收费不是哪一家"想通了"，而是算力、变现、同质化、付费意愿、资本、合规六重压力共同作用下，行业被推着走到的必然路口。这也是我（莫潇羽）反复想跟读者强调的——看一个商业动作，要看它背后的结构性约束，而不是只看情绪。

五、付费时代来了，普通人会受到哪些真实影响

讲完行业，回到我们自己身上。AI 全面进入付费时代，对普通人到底意味着什么？我把影响拆成"短期"和"长期"两段来说，免得你被标题党带偏。

5.1 短期：日常轻度使用，几乎不受影响

先说结论，帮你把心放回肚子里：如果你只是把 AI 当成一个偶尔用用的小助手，那么短期内你基本不受影响。

日常闲聊、基础文案、简单问答这类普惠功能会长期保留免费。豆包官方反复强调"免费服务持续保留"，不是一句客套话——基础版的存在，本身就是它维持国民级流量入口的根基。对绝大多数休闲用户来说，付费这件事更像"别人的新闻"。

真正会被划进付费区的，是那些高消耗、高阶的功能：长文档深度分析、批量生产力创作、AI 编程、高清智能生图、专业办公建模。一个简单的判断标准——你用 AI 的方式越接近"生产工具"，越可能撞上付费墙；越接近"日常玩具"，越安全。

我知道有人会担心："会不会免费版被故意做差，逼我去付费？"这种担心可以理解，但我倾向于认为，至少在可见的将来不会太离谱。原因很现实：豆包这类产品，免费版承载的是它最宝贵的国民级流量入口，把免费版做得难用，等于自断流量根基。更可能的情况是，免费版保持"够用"，付费版在算力配额、处理速度、专业功能上做出明显加量——用"更好"来吸引你付费，而不是用"变差"来胁迫你付费。这两种策略，对企业的长期价值完全不同，理性的公司会选前者。

5.2 长期影响一：职场里的"效率分层"

长期来