在过去的一年里，大模型赛道掀起了一场“血拼式”的价格战，而硝烟并未随着新年的到来而消散。这场战争的逻辑并不复杂：降价是一种市场教育工具，也是一种生存策略，但最终谁能笑到最后，还得看技术、生态和用户的选择。

就在2024年的最后一天，阿里云宣布了年度第三轮大模型降价，旗下通义千问视觉理解模型的价格降幅超过80%。这并不是孤例。几周前，火山引擎在Force大会上宣布豆包视觉理解模型输入价格降至0.003元/千tokens，相当于1块钱处理284张720P图片,这种“白菜价”几乎让人怀疑利润空间的存在。而百度智能云更是激进，直接宣布其两款文心大模型核心产品全面免费开放。

降价并非没有代价。在这场价格内卷中，小玩家的生存空间将进一步被压缩。对于巨头而言，降价是为了构建生态壁垒，但对中小型大模型厂商来说，利润被压榨、研发资金不足可能导致技术迭代乏力，最终只能被迫退出赛道。随着竞争加剧，价格战的背后实际上是行业对生存权的争夺。

如果想看清大模型行业的降价策略，首先需要拆解其商业模式。归根结底，这是一场围绕基础服务、精细化需求和算力独占的复杂博弈，而降价只是表象，真正的“套路”藏在细节中。

根据目前的市场调研，大模型厂商的商业模式可以分为三种：

1. 基础服务：这是用户最直接接触到的部分，即根据输入的内容生成输出，也就是模型推理过程。这个环节定价门槛最低，各家厂商的价格战主要集中于此。

2. 模型微调：厂商根据客户需求对模型进行定制化训练，通常按训练文本的token数量和训练迭代次数收费。这部分费用相对高昂，且通常按量后付费。

3. 模型部署：针对大型客户，厂商提供专属算力资源，按实际消耗的算力或token数量计费。这一服务更接近“个性化定制”，收费逻辑复杂且溢价显著。

从浅到深，这三种模式反映了大模型从入门到高阶的服务路径。而厂商疯狂降价的焦点，主要集中在第一种服务——基础模型推理的价格上。

厂商的降价并非毫无章法，甚至可以说是“降价有术”。以豆包的通用模型Pro-32k为例，其输入价格为0.8元/百万tokens，比行业均价低99.3%。然而，输出部分价格却高达2元/百万tokens，与同行相比并不算特别低。这种“输入便宜、输出略贵”的模式，正是为了吸引开发者试用，同时确保利润空间。

再看视觉理解模型Doubao-Vision-Pro-32k，其输入定价为3元/百万tokens，输出高达9元/百万tokens。虽然声称整体降价幅度达85%，但与阿里Qwen-VL或Gemini 1.5 Flash等直接竞争者相比，价格并不占明显优势。

更有意思的是，国内其他厂商也有类似的“套路”。百度推出的ERNIE-Speed-8K虽然对外宣传“免费”，但一旦实际部署，便按5元/百万tokens收费。阿里的Qwen-Max和豆包Pro-32k也采用类似策略，只在基础服务上“卷”得厉害，而高端服务价格却始终居高不下。

表面上看，降价是为了抢占用户，但实质上这是厂商争夺市场话语权的战略手段。通过“白菜价”降低中小开发者的试用门槛，厂商能快速积累用户数据，优化模型性能，同时为后续的高端服务埋下伏笔。

然而，真正的利润增长点并不在这些轻量级的“基础服务”中，而是集中在定制化训练和专属算力部署上。以豆包Pro系列为例，其精调服务价格高达50元/百万tokens，比基础服务高出数十倍，远超行业降价幅度。

虽然大厂为了抢占市场不惜大幅降价，但这样的策略并非没有代价。轻量级模型的低价竞争可能降低行业整体利润率，同时也可能让中小厂商无力参与竞争。然而，用户真正关心的是模型性能和实际应用效果。

更值得关注的是，降价带来的用户增长是否能持续转化为收入？如果用户仅停留在基础服务层面，而未能深入使用微调或部署服务，那么厂商的降价投入可能无法收回成本。

大模型的价格战，就像一款免费网游：入门容易，但想要更强大的装备、技能，就必须不断“氪金”。厂商通过低价吸引用户，实际上是在为高端服务蓄水。然而，这种模式能否长期奏效，取决于用户是否愿意为性能提升买单，以及厂商能否在降价中保持技术竞争力。

纵观大模型赛道，字节跳动绝非起跑最快的那一批选手。CEO梁汝波曾在内部坦言，字节对大模型的敏感度“迟钝”，尤其与2018年至2021年间成立的创业公司相比，字节直到2023年才开始讨论GPT。然而，后来者往往最需要通过内卷弥补差距，而字节的打法则是“砸钱制造热度”。

在C端市场，豆包以一种“无孔不入”的姿态席卷线上线下。数据显示，2024年上半年，字节通过豆包在广告投放上持续加码。仅4月至5月的投流金额就达到1500万至1750万元，而到6月上旬，这一数字飙升至1.24亿元。此外，字节充分利用旗下抖音的强势流量池，几乎屏蔽了其他AI应用的投放，豆包成为独占资源的明星产品。

据AppGrowing统计，2024年11月，豆包和另一AI原生应用Kimi成为国内广告投放最激进的两款产品，分别投入5.4亿元和4亿元。这种不计成本的投流策略让豆包一跃成为国内用户量断层式第一的AI软件，然而，这背后的隐忧同样显而易见。

高昂的广告投入并未带来预期中的用户粘性。数据显示，豆包的用户活跃度平平，每周仅活跃2至3天，用户每天发送消息轮次仅为5到6次，人均使用时长仅为10分钟。这些数据在过去一年中增长并不显著，反映出用户对产品的实际依赖度较低。

字节管理层的内部判断也显得克制：“豆包这样的AI对话类产品，可能只是AI产品的‘中间态’。”用户付费订阅模式在中国难以走通，而用户时长和交互轮次的低迷，又限制了广告空间的开发潜力。这种双重困境为豆包的商业化路径设下了隐形天花板。

C端市场的瓶颈迫使字节将更多精力转向B端业务。从大规模降价到大力推广豆包的多模态模型，字节试图通过企业级服务建立稳固的现金流。然而，中国市场与美国大相径庭，AI产品很难通过单纯的订阅或平台销售实现盈利。更多时候，商业化的成败依赖于具体项目和工程，而这些项目通常与厂商的热度和品牌信任度密切相关。

正因如此，无论是初创公司还是巨头，都必须善于维持行业热度。初创公司制造热点是为了融资，而豆包这样的巨头则希望通过热度锁定更多客户。但这种策略同样有代价：热度本身无法直接转化为长期收益，尤其是当产品的用户价值尚未充分体现时。

从字节的战略转向看，“更低门槛、更多模态”的方向或许是未来的突破口。以剪映和即梦为代表的视频模型，可能成为大模型落地的关键场景。豆包在最新的Force大会上将部分重点放在视频领域，显然是看中了这一领域的潜力。

然而，市场的最终选择权仍在用户手中。

字节的路径选择无疑有其深思熟虑的一面，但也暴露出行业普遍的问题：过度依赖热度，而忽略了用户价值的真正沉淀。豆包的现状说明了一个事实，仅靠“砸钱”吸引用户，并不能填补产品体验上的短板。而这种“中间态”的焦虑并非字节独有，而是整个大模型行业在价格战和用户体验之间难以找到平衡的缩影。

大模型行业从来不是温情的竞技场。2024年，随着市场洗牌的加速，这场被称为“去九存一”的淘汰赛已将大部分二线厂商挤出局。然而，这并不意味着幸存者可以松一口气。新一轮的竞争已经开始，而这一次，价格不再是唯一的胜负手，技术才是决定生死的关键砝码。

从2023年起，二线及以下大模型厂商纷纷通过“烧钱买流量”的方式试图留住用户。这种打法简单粗暴：降价、免费、疯狂投流，只为吸引C端用户并抢占市场份额。然而，事实证明，这种模式难以持久。

国内大模型应用的获客成本正在快速上升。即便是“撒币”最狠的厂商，也发现免费产品并不能直接转化为收益。与此同时，C端的用户粘性不高，用户流失率居高不下。更重要的是，企业最终需要抓住那些愿意付费的B端客户，例如金融、政务等高附加值行业，而B端客户看中的从来不是价格，而是技术和服务能力。

随着市场趋于冷静，简单的价格战逐渐被技术竞速取代。谁能以更低的成本提供更强的技术能力，谁就能在竞争中活得更久。

技术成本的降低，取决于硬件能力和算法优化，而国内主流厂商在这方面的差距并不明显。此时，差异化的技术路线成为突围的关键。例如，最近引发热议的DeepSeek-V3，通过蒸馏技术实现了生成式AI性能的精简与优化，为行业提供了新的探索方向。然而，这种技术也引发了“优化GPT”的争论，业界对其真正价值仍存分歧。

技术竞速的焦点，从“生成式AI”开始向“推理式AI”转移。OpenAI推出的o1模型成为行业风向标。这款产品通过延时推理的方式模拟人类逻辑推演能力，迈出了AI从“生成”到“推理”的关键一步。更具爆发力的是，o1发布后仅三个月，迭代版o3便迅速面世。o3进一步优化了推理时间与任务适配能力，并推出精简版mini版，展现了OpenAI在技术革新中的压倒性速度。

相比之下，国内厂商虽然在快速追赶，但与OpenAI的差距依然明显。国内企业尝试通过集成思维链、树搜索以及反思策略优化推理性能，但仍未完全超越o系列的领先水平。一位行业专家表示，国内厂商如果能获得支持o1架构的开源模型，或许可以加速追赶，但在此之前，现有技术仍将面临诸多瓶颈。

以往GPT系列的发展节奏表明，从领先厂商推出革命性技术到行业全面跟进，大约需要一年时间。2025年上半年，国内厂商大概率会完成对o系列的初步追赶。但在此之后，现有的生成式AI技术可能逐渐被淘汰。

对于国内大模型厂商而言，留给他们的时间并不多。在下一轮淘汰赛中，价格将不再是决定胜负的关键，技术能力将成为生存的唯一筹码。与其坐等被淘汰，不如趁着“生成式AI”尚未完全退出历史舞台，尽可能提高产品性能、优化服务体验，为自身赢得更多的竞争筹码。