AI有很多优点，但赚钱不是其中之一。

不是因为它天生不赚钱，而是因为你收钱的方式错了。

一家做AI法律助手的明星公司Harvey，就亲身体验了这个教训。它从还算健康的财务状况，突然掉进巨额亏损。我把这叫做“Harvey时刻”——而且我确信，这种事会越来越常见。

一、Harvey的惊魂时刻

据Bloomberg报道，Harvey是一家完全做AI法律助手的公司。

它的毛利率，从2026年初的约50%，掉到6月份的负50%。

翻译一下：以前每收1块钱，能赚5毛毛利；后来每收1块钱，还没算工资、营销、股权激励，就已经倒亏5毛。

原因是什么？客户开始更多地使用它的AI智能体了。

3月份更新之后，客户用量上去了，然后利润就崩了。

这打破了软件行业的一条黄金法则：规模经济——用户越多，应该越赚钱。

但在这里，用户越多，亏得越狠。

这简直是成功把自己搞死，在软件行业闻所未闻。

后来联合创始人承认了负毛利，但说一个季度内就把毛利拉回正数，哪怕用量还在翻倍增长。

二、订阅制，在AI时代失灵了

第一个问题：固定定价。

Harvey收的是按用户协商的订阅费。客户按“照付不议”的方式付费——用不用都得付。

反过来，你也保证了不会再有额外收费，哪怕用户往死里用。

订阅制在软件行业非常流行，因为转化率高——客户能预测成本，就更愿意掏钱。

另一种模式是按用量付费，客户很怕突然收到一张天价账单，所以接受度低。

但订阅制之所以对软件公司好，是因为以前服务一个新用户的成本很低，而且用户成本可预测。毛利高，用户越多毛利越高，成本还可控。

但那是过去式了。在AI时代，这一切都不成立了。

AI打破了软件定价模型。大多数AI产品最终都会变成按用量付费。

为什么？因为边际成本。

三、重度用户能让你破产

传统软件里，用户的操作很便宜：查记录、验权限、跑规则、更新几条数据。都是定义清晰的窄计算。

所以服务普通用户很便宜，而且可以放心预测新用户也很便宜。

就算偶尔有人跑个巨贵的报告，那也是边缘情况，不是常态。

这意味着，前期砸钱建好基础设施之后，新用户可以轻松接入。规模要扩大，但单位成本递减。

换句话说，加新用户，计算资源只是缓慢增长。每个单位的算力被更多用户分摊，边际成本极低。

但AI完全相反，它集齐了最糟糕的两点：

平均工作负载本身就很吃算力

一个过度积极的用户，能花掉你想象不到的钱

也就是说，用户越多，毛利不一定越高。

四、AI工作负载不是开玩笑的

AI工作负载很重，原因有三个：

芯片密度高——每个用户需要的GPU数量远超传统软件

芯片本身贵得多

一个用户就能生成大量请求，而且持续时间任意长

芯片密度高，是因为AI推理需要大量内存。每个芯片的平均内存容量，远小于平均工作负载所需。每个用户可能需要几十块GPU，极端情况下甚至独占。

历史上，计算负载大多是计算密集型的，很少有一个用户需要超过一块CPU芯片。这塑造了几十年的硬件设计，大家拼命堆算力，而不是内存。

然后AI来了，要求正好相反。AI本质上是内存密集型的。

再加上硬件供应链完全没准备好应对内存需求的突然爆发，结果就是：内存成了地球上最贵的大宗商品，而现有硬件离AI真正需要的还差得远。

为了稍微好看一点，用户可以被池化到同一批GPU资源里（叫批处理），但这会严重拖累性能。你加进批处理的用户越多，其他人的响应速度就越慢。

想提高每个用户的响应速度，就得减小批处理大小。用户体验好了，但每块芯片的吞吐量也降了。

换句话说，改善个人体验，提供商每块芯片赚的钱反而少了。 因为AI工作负载里，收入和工作量成正比。

五、算一笔账：一个用户能吃掉多少资源

举个看似无害的例子。

一个用户跟一个流行的大模型聊天，让它处理大约100万token，大概75万词，比如讨论哈利波特全集的细节。

就算这是你唯一的用户，你也得把整个模型准备好放在服务器上。 这个模型有2.4万亿参数，实际大小约5TB。

一块NVIDIA B300 GPU有288GB内存，所以你至少需要18块加速卡来部署推理。 加上那个序列的工作内存，还要额外94GB，好在18块卡还装得下。

需要将近20块紧密连接的GPU，你就得用NVIDIA最大的服务器，72块GPU的版本，大约400万美元，每块GPU约6万美元。

也就是说，服务那一个用户，硬件成本就是100万美元。 虽然现实中你得为整个服务器买单。

一个用户，工作量就巨大。来几个这样的用户，硬件需求直接起飞。

OpenAI公布过自己员工的成本分布：中位数研究员每天花650美元，前10%每天至少7000美元。

有个OpenAI员工甚至说，他一个月能在AI上花130万美元。

这意味着单位成本根本不随规模改善。 用户越多，算力需求同步增长。毛利的改善只来自固定成本摊薄。

对提供商来说，你根本不知道新用户是低用量，还是一个人能顶前面1000个。这种不可预测性，让Harvey无法预判：更好的模型带来更高用量，而它收的订阅费是固定的，不会跟着涨。

一个毛利率能突然变负的订阅生意，你敢投吗？

六、时间也是问题

传统负载里，CPU很快处理完请求，不断加载新任务。但AI请求可能几秒、几分钟、几小时，甚至几天。

用户不仅能霸占大量资源，还能霸占很长时间。

总之，服务AI就是一团乱麻。

用固定价格卖AI产品，就像开20美元随便吃的自助餐，但只接待训练有素的橄榄球运动员。

除非你设限制（那就不是随便吃了），否则就是自寻死路。

提供商确实会设“速率限制”，相当于订阅有固定资源配额。但这会导致极差的客户体验和不信任，还不如一开始就按用量收费。

AI定价的未来，一定是按用量付费。

七、Harvey怎么把毛利拉回来的？

据Harvey总裁说，他们通过模型路由、改进智能体协调软件、以及后训练，改善了毛利。

翻译一下：还是收一样的钱，但降低了服务成本。

具体做法是，把请求路由到更便宜的模型，同时做我认为唯一正确的长期策略：训练自己的模型。

Harvey八月的研究更新里有个例子：他们进一步训练了Moonshot AI的开源模型Kimi K3，做出了Tenet，在很多关键任务上得分很高。

这是一个古老的故事：深度胜过广度。 针对手头任务训练一个能打的模型，会打败没有你的数据的通用模型。

但这没有解决根本问题：经济模型仍然是坏的。 可能没那么坏了，但本质上还是坏的。

有趣的是，Harvey的销售成本飙升，是因为它跑OpenAI/Anthropic的模型是按用量付费的。你用得越多，实验室收得越多，这正是AI该有的收费方式。

用按用量付费的成本，去支撑订阅制的生意，只要你在乎成交和收入、不在乎利润，就能玩下去。

这不是成熟生态的标志。

很多AI初创公司活在仙境里：他们不是在构建可持续的生意，而是在构建一个在风投面前看起来足够好的故事，指望未来靠增长变得可持续。

当爸妈付账单，你不用操心可持续，你可以扮演成功创业者。但你的公司还在亏钱，所以你不是。

八、规模救不了你

这个策略在客户增长不能改善毛利时，根本行不通。规模不是解药。 1万用户和100用户一样不赚钱，只是账单更大。

固定成本摊薄能带来一些毛利改善，但边际成本才是真正的问题。

最令人担忧的是，行业正在逼近一个流动性悬崖：风投的钱不够了，债务开始登台。债务投资者和风投不同，他们关心利润和现金流，因为要靠这些拿回钱。

所以很快，利润会成为唯一重要的东西。我严重担心，大多数AI初创公司不仅不敢把客户转向按用量付费，而且不敢，因为他们知道自己没有足够好的护城河去推按用量定价（那可能让客户成本翻四倍）。

你把客户从低价、可预测的环境，推到更高价、下个月账单更不确定的环境。换我我也怕。

所以我认为，今天很多AI初创公司，哪怕是十亿美元级的，都处在一个“有趣”的境地：

他们需要转向按用量付费才能赚钱，但一旦转了，生意对客户可能就没吸引力了。

亲爱的读者，这算好生意吗？

我坚持：像Harvey那样把更多产品路由到内部模型，只解决了一半问题。 你的AI，再本地化，也逃不过上面说的那些病。

九、我懂订阅的性感，但它不可行

我懂。作为创业者，我懂那种想做容易签约的定价模式的冲动。订阅制让成交容易得多。

但订阅制的关键卖点之一是：用限制你每用户收入为代价，换取巨大的规模经济。 这就是为什么软件风投一直痴迷增长。

规模经济的要点是：固定成本被更大的客户池摊薄，推高毛利。

但如果任何一个人都能花掉相当于几千人的钱，这个方案就无法可预测地扩展，会导致Harvey经历的那种突然的、巨大的毛利震荡。

订阅制对创始人还有另一个吸引力：投资者。 它给你和投资者强大的经常性收入指引，这对想上市或融下一轮的大初创公司很重要。因为经常性收入让投资者可以折现未来现金流，并舒服地给你高估值倍数。

我再说一遍，我懂。

但只要订阅制还是常态，低毛利和随用量增长的巨大成本 spikes 就会是常态。 不可预测性也会是常态。

你可能猜到了，我特别好奇Anthropic和OpenAI上市后会怎么处理这个非常真实的问题，尤其是后者，订阅客户占比更大。

目前，他们沉迷于只能被称为离谱的订阅补贴，同时把大客户积极转向按用量付费。

据SemiAnalysis测算，一个200美元/月的ChatGPT订阅，按用量计价，等值使用量可以高达14000美元。

Anthropic已经把订阅限制在150个许可证，超过就得纯按用量付费。

幸运的是，他们在按用量付费的API产品上有高毛利，部分补贴了订阅制。

但他们仍在大量失血，证明规模解决不了问题。

十、模型坏了，请修

AI行业目前主要是私营的，公开的那面是五家最富的公司花光自己的钱和借来的钱，掩盖整体的不盈利。这个领域一直靠把全部精力放在展示强劲收入增长上混日子。

盈利是有潜力的，有些公司确实盈利。比如主要做推理的Neoclouds，AI可以是很赚钱的生意（比如SpaceX和Anthropic的交易），能产生正现金流；CoreWeave或Nebius也有正的经营现金流。

但严格说，他们还不“盈利”，因为花在扩张算力上的钱超过现金流。

但硬道理是，这些公司避开了训练、数据生成、研究等巨额成本，这意味着整体的“AI生意”仍然在以前所未有的速度亏钱。

问题在于，这个行业卖的东西，远低于它的成本，因为订阅补贴。

没有补贴，客户可能不愿意支付超过AI实际成本的价格，我这么说，尽管我很看重AI产品（而且我付费）。

但我不确定我不是少数派，而这个少数派要承担所有成本。所以，我告诉每个我见到的客户高管：请规划全面转向按用量付费，因为你最终一定会走到那里。

这不是一时兴起。不是威胁。只要你看看这项技术底下怎么运作，就一目了然。

准备好吧，否则就等着体验你自己的“Harvey时刻”。

你已经被警告了。

本文话题 #AI经济 #订阅制 #按用量付费 #Harvey #OpenAI #Anthropic #AI创业 #商业模式 #毛利率 #算力成本 #AI定价