AI成本反思，生产力市场先算账

最近看到王莆中反思全员AI普及造成的浪费，单日算力成本最高冲到一千万元。这个细节比生产力市场更值得估值圈盯住。大厂把AI从口号拉回成本表，说明先铺模型、再找场景的路线，到了要交作业的时候。

这个赛道的天花板，取决于客户愿不愿意为结果持续掏钱。模型参数和免费额度都不决定它。刘炽平把AI商业化新滩头叫生产力市场，本质是抢工作流入口。问题是定价还粗放，订阅、按量、免费补贴混着来。生成一份周报和一份投研底稿，Token可能一样，商业价值差得远。

我这边这阵子用GPT-4和LiST做数据梳理，DeepSeek Harness用了两周，Trae和QoderWork也搭过工作流。感受挺明显。真正省钱的，是模型能不能把脏活累活变成可验收交付。最近帮朋友看一家SaaS公司，采购AI办公工具。买方问的是能不能替代岗位、几个月回收成本，会不会写代码反而排在后面。卖方还在按调用量讲故事。

以前我担心AI基建资产证券化，因为芯片会落伍，软件迭代太快。现在想法有一点变化。算力可以定价，但不能按资源卖，得按结果卖。谁能让企业把AI预算从创新费用挪进经营成本，谁就有定价权。竞争格局怎么样？短期靠补贴，中期看场景理解，长期拼生态。大厂有流量和云，中小公司更懂流程。最后大概率不是一家独大，但会先洗掉一批只会卖Token的。