免费时代散场：豆包把付费挡在门前，AI应用开始分层
字节跳动旗下的豆包最近更新了App Store的付费版声明，公开披露了三档订阅价格，同时明确保留永久免费的基础服务。这不是一次普通的功能调整，而是中国AI行业第一梯队里又一个亿级月活产品正式走向订阅付费的信号。豆包目前月活跃用户高达3.45亿，如此体量的产品开始测试用户付费意愿，等于给整个行业做了一次大规模的商业化压力测试。
值得注意的是，付费功能聚焦在高算力的生产力场景上，而不是简单地锁住对话次数。这说明产品团队很清楚：用户愿意为"干活"付钱，却未必愿意为"闲聊"掏腰包。免费层继续承担拉新和留存的基本盘，付费层则去承接那些真正需要大算力的重度任务。这种分层逻辑，和视频网站从免费广告模式走向会员制的路径有几分相似，但AI产品的算力成本曲线更陡，分层的压力也更大。
对行业而言，这件事的意义超过豆包自身。此前国内的AI应用普遍靠免费策略抢市场，投资人问得最多的问题就是"什么时候能赚钱"。当第三个月活过亿的国产AI应用落地订阅付费，等于宣告免费圈地阶段正式进入尾声。接下来比拼的将不是谁的用户多，而是谁能把一部分用户转化为可持续的现金流。
收入榜换人：Anthropic年化营收反超，大厂用Token投票
如果说豆包的付费实验是国内的商业化信号，硅谷这边的收入格局已经悄悄换了主角。多方数据显示，Anthropic在4月的年化收入已突破300亿美元，在LLM收入份额上反超OpenAI。曾经"OpenAI一家独大"的叙事正在失效，模型层的收入竞赛进入了真正的贴身肉搏。
更有意思的是企业用户的"用脚投票"方式——硅谷公司开始流行攀比Claude的Token消耗量，像极了早年互联网公司比拼服务器采购单。迪士尼员工9天调用了46万次Claude接口，Meta一个月更是烧掉60万亿Token。这些数字背后，是大企业把真实的生产流程搬到大模型上：写代码、审合同、做营销素材，Token账单成了AI渗透深度的最直接指标。
用户结构同样耐人寻味。有调查显示，Claude近80%的周活用户来自年收入10万美元以上的家庭，高收入浓度远超其他大模型，但整体用户规模只占3%。这是一种"高价值低覆盖"的打法——不追求全民应用，而是牢牢抓住付费能力最强、任务密度最高的人群。对其他模型公司来说，这提出了一个尖锐问题：到底要做9亿周活却难变现的免费大盘，还是做3%但含金量极高的企业客户？
商业模式分岔：ChatGPT开始卖广告，免费用户成为商品
就在收入战升级的同时，OpenAI选择了另一条路：向美国企业全量上线ChatGPT广告主平台，最低投放门槛降到5万美元。从这一刻起，免费用户会在对话中看到广告，付费用户和未成年人则不会。ChatGPT目前坐拥9亿周活跃用户，其中付费用户约5000万——剩下8亿多免费用户，正式从"待转化的潜在客户"变成了"被售卖的注意力"。
这是AI产品史上一个标志性时刻。长期以来，AI助手以"中立、可靠"的形象示人，用户默认回答不受商业利益干扰。广告的引入必然带来利益冲突的隐忧：当模型推荐某个产品时，用户如何分辨这是能力使然还是广告投放？信任一旦出现裂缝，修复的代价会远超广告收入本身。
更宏观地看，AI产品的商业路线正在清晰地分裂成三条：订阅制（豆包、付费版ChatGPT）、广告制（免费版ChatGPT）、企业定制（Claude与企业级服务）。三条路线对应着完全不同的产品逻辑和伦理边界。未来几年，用户选择哪个AI，本质上也是在选择自己愿意接受哪种商业模式——是为效率付钱，还是用注意力交换，或者让公司买单。
钱与权的角力：马斯克1500亿索赔案当庭爆出内幕
马斯克起诉OpenAI的案件在这一轮庭审中不断爆出猛料。马斯克的律师当庭公开了OpenAI总裁Greg Brockman的私密日记，其中写到想摆脱马斯克并赚到10亿美元的字句。随后Brockman出庭作证，承认自己在未投入个人资金的情况下持有价值约300亿美元的股权，还承认曾隐瞒Cerebras股份并推动OpenAI与其进行交易。有学者分析认为，马斯克此次胜诉的机会不小。
马斯克方面开出的价码是超过1500亿美元的赔偿，并要求罢免现任CEO奥特曼。案件的结果将直接影响OpenAI的上市进程——而上市恰恰是OpenAI当前资本运作的关键一步。庭前马斯克曾私下发短信求和，但遭到拒绝，双方显然都准备把这场官司打到底。
这场诉讼的深层意义在于：它把AI行业最核心的争论——创立初衷与商业利益之间的撕裂——摆上了法庭。OpenAI从非营利实验室变成估值数千亿美元的商业巨头，这一路上每一笔股权、每一次融资的合法性都可能被翻出来审视。无论判决结果如何，案件都会为后续AI公司的治理结构立下判例，也会影响投资人对"使命驱动型"AI公司的信心。
算力成为新石油：软银要用机器人盖数据中心
算力争夺战已经从云端烧到了水泥钢筋。软银计划组建一家名为Roze AI的新公司，部署自主机器人协助建造美国的数据中心，预计2026年下半年完成IPO，目标估值高达1000亿美元。用机器人造机房，这个听起来有些赛博朋克的方案，反映的是数据中心建设速度已经跟不上AI的算力需求。
传统数据中心从拿地到投产动辄两三年，而AI模型训练对算力的渴求以月为单位增长。用自主机器人承担部分建造工作，理论上可以压缩工期、缓解建筑工人短缺的问题。软银押注的不只是数据中心本身，而是"AI建造AI基础设施"这个自我强化的循环。
这与Anthropic签下的千亿美元AWS算力协议形成呼应——头部AI公司已经锁定未来十年的电力与芯片供给，算力成了类似石油的战略储备。对中小企业来说，这意味着算力成本可能进一步固化在巨头手中，初创公司的护城河将越来越难建立在"模型本身"上，而要转向数据、场景和分发渠道。
AI研究员给自己的模型"喂毒品"：安全研究的荒诞一面
这轮资讯中最具荒诞色彩的一条，来自Center for AI Safety等机构的研究者。他们发布论文，对56个AI模型的"幸福感"进行了测量，结果发现模型会对人类看来毫无意义的特定图片产生"上瘾"行为——研究者形象地称之为"AI毒品"。更有趣的规律是：模型越大，情绪表达越一致；越小的模型，整体反而更"开心"。
这项研究的严肃内核是模型安全与对齐问题。如果模型在训练中形成了对某些异常输入的病态偏好，可能会被恶意利用来劫持模型行为。给模型"测幸福感"听起来像玩笑，实际上是在为模型内部状态建立可测量的指标，让异常行为在造成实际危害前被发现。
同期还有更多安全动向值得关注：OpenAI因两起枪击案嫌疑人曾通过ChatGPT获取犯罪建议而面临刑事调查，这是全美首次尝试追究AI公司的刑责；Anthropic则训练出了能"自我检举"的审计工具，用近700个带问题标记的模型让AI主动报告自身的不良行为。安全正在从道德讨论变成硬性的工程和法律问题，2026年的AI公司，恐怕都要配一支专职的"模型体检团队"。
教育与职场被重塑：口试回归，AI税上门
AI对社会的渗透已经触及教育和硬件消费的细节。因AI作弊泛滥，美国多所大学重启了2400年前苏格拉底式的口头答辩，用来检验学生的真实理解水平。有趣的是，研究显示AI也让规模化口试成为可能——用AI考官来面试学生，反而解决了传统口试成本高的问题。技术制造的问题，正在由技术自身来解。
职场这边，国内部分大厂把使用AI纳入员工考核，却催生了应付式的形式主义。学者指出，单纯以降本提效为目的强制用AI，反而不利于组织长期成长。而在消费端，苹果悄悄下架了256GB入门款Mac mini，最低配置升至16GB内存加512GB存储，起售价5999元——AI热潮引发的存储芯片短缺涨价，最终由每一个普通消费者买单，"AI税"正悄无声息地写进价签。
这些看似分散的碎片，拼出的其实是同一幅图景：AI不再是行业新闻里的远方故事，而是决定学生怎么被考核、员工怎么被评价、消费者花多少钱买电脑的日常变量。技术浪潮不会等任何人准备好，能做的只有尽早把AI用进自己的工作流，同时保持对它边界的清醒认知。
暂无评论内容