国内大模型公司，也没有错过今年的 618.
" 降价 97%!"" 免费!" 过去一个月，各大国产大模型厂商喊出了不要钱的架势，降价之狠，让外行惊叹。
谁也没想到，这场价格大战是由一家本不在牌桌上的公司掀起的。
5 月 6 日，知名私募机构幻方量化创立的大模型公司 " 深度求索 "(英文名：DeepSeek)，发布了第二代 MoE 模型 DeepSeek-V2.模型迭代的同时，其 API 调用价格直接降至每百万 tokens 输入 1 元、输出 2 元。
仅为 GPT 4-Turbo 百分之一的定价，让这家公司在 AI 界迅速崭露头角，也让一众互联网大厂和大模型独角兽坐不住了。
不出半个月，智谱 AI、字节跳动、阿里云、百度、腾讯云、科大讯飞等头部玩家纷纷加入降价行列，你追我赶地大举下调了模型价格。
这番场景，让人不禁回忆起 ofo 和摩拜的 " 单车之争 "、滴滴与快的的 " 合并之战 "。短短两年间，大模型这场不见硝烟的战争，似乎也步入了最简单粗暴的阶段。
然而，这场声势浩大的降价潮，究竟是单纯的成本让利，还是一场精心策划的营销之战?为何一众大厂迅速响应，大部分初创公司却持观望态度?大模型客户们真的能从这波降价中获益吗?参与降价的企业，真正的目的是什么?
真降价还是假噱头?
截至发稿，公开宣布参与本次价格战的公司共有 7 家，其中包括字节、腾讯、阿里、百度四家互联网大厂，大模型创业公司 " 智谱 AI"、老牌 AI 上市公司 " 科大讯飞 "，以及这次价格战的发起者 "DeepSeek"。
镜相工作室研究发现，这波来势汹汹的价格大战，不像宣传中那么简单直降，而是一场精心计算的策略游戏。
首先，降价最狠的基本都是入门级的基础模型，而那些最高配的模型其实并不打折。
每家大模型公司，都有一个 " 模型家族 "，里面有性能不一的通用模型，也有擅长某些场景的专用模型。比如 OpenAI 旗下的 GPT-3.5 和 GPT-4.以及文生视频模型 Sora。
以百度为例，百度宣布降价的两款大模型，分别是适合在特定场景作为基座模型进行精调的轻量级模型 ERNIE Speed，和参数更小、适合搭载在低算力卡上的 ERNIE Lite。而最新发布的超大规模模型 ERNIE 4.0 系列并未降价。
最先坐不住的智谱 AI，第一次宣布降价的也是其最基础的模型 GLM-3 Turbo，最先进的 GLM-4 并未搬上价格战的牌桌。直到 6 月 5 日第二次降价，才将 GLM-4 系列中的图生文模型 GLM-4V 加入降价行列，但最常用的对话版模型依然没有降价。
巧的是，部分公司降价的，也只是输入部分的 tokens 使用量，输出部分的价格不仅没降价，还在各家打出的降价广告语中被悄悄隐藏了。
在 API 调用中，推理费用的具体定价，分成 " 输入 " 和 " 输出 " 两部分。输入指的是，用户向大模型提出的问题，输出则是大模型给出的答案。
例如腾讯的混元 -Pro 大模型，虽然输入价格大幅下降了 70%，但输出价格并未优惠，依旧保持原价。同样，阿里云的 Qwen-Max 模型输入价格下调了 67%，输出费用也维持不变，没有折扣。
在各家的宣传里，有不少是拿自己降价的模型与别家最贵的模型作对比，才有了动辄 " 比行业水平便宜 90%" 的降价幅度，让外界以为下了血本让利客户。实际上，模型之间性能不同、使用场景不同，有的降价是真有用，有的更多只是一个营销噱头。
其次，同一个模型不同的交付模式，也对应着不同的价格。根据使用场景、部署方式和用户需求，大模型的交付模式通常会分为基础服务、进阶服务和高阶服务。
基础服务指的是，用户直接调用平台已经预设好的 API，来使用模型的功能。而进阶服务意味着，用户可以把模型部署到自己的服务器或云平台上，然后根据使用场景对模型进行微调，可以理解为定制产品，在特定任务上的性能和准确性会更高。
当用户觉得，大模型的响应速度不够快时，可以选择高阶服务，不再需要和其他人抢计算资源，用户可以独占所有计算资源，来确保调用频率和响应时长满足业务诉求。
目前各家企业大幅降价的焦点，更多集中在基础服务，即直接调用预置模型进行推理。如果初级服务无法满足需求，就需要更高级的模型微调和部署服务，这部分其实并未降价。
以阿里云参与降价的通义千问主力大模型 Qwen-Long 为例，降价只针对基础服务。对于寻求更高级服务的用户来说，需要转向其他模型产品，因为 Qwen-Long 模型本身不支持微调和自定义部署。
而百度宣布的两款免费模型，仅限于初级的平台预置服务阶段。一旦用户需要模型部署或进一步的精调服务，免费优惠便不再适用。
以百度的 ERNIE Speed 模型为例，虽然基础服务免费，但一旦用户升级至进阶服务，费用即提高到 0.005 元 / 千 tokens。若用户选择更高级的服务，价格则进一步增至 0.008 元 / 千 tokens。随着服务级别的提升，费用也会相应增加。
一分钱一分货，想要得到更高级的服务，用户就需要花费更多的钱。进阶服务和高阶服务，一般依照消耗的计算资源来计费，即实际训练过程中使用的计算资源和训练时长。
以智谱 AI 的 ChatGLM-130B 模型的私有化部署为例，企业用户一年需要支付高达 3960 万元的费用。这一价格显然只有具备一定规模和财力的大型企业客户才能承担。
因此，这一波降价，只能说降低了企业用户使用大模型的门槛，利好一些个人开发者和小创业公司，真要大规模使用大模型，依旧省不下太多钱。
为什么创业公司不参与价格战?
与火药味十足的大厂相比，资金有限的初创公司显得更为冷静。
除了智谱 AI 之外，包括百川智能、月之暗面、零一万物在内的几家头部大模型初创公司并未加入降价行列。MiniMax 虽然宣布了价格调整，但仅针对其语音模型进行了调整，文本大模型的价格则保持不变。
创业公司是否跟风降价，主要得看几个条件：一要看商业模式，有没有必要跟;二要看技术能力，能不能跟得动;三要看生态，能不能跟下去。
商业模式决定收入来源，大模型企业主要有两种盈利途径：一是面向企业客户(B 端)，销售 API 服务或定制化大模型;二是直接面向消费者(C 端)，提供终端产品。
出售 API，是大模型公司常见的赚钱方式。企业训练出自己的模型后，通过 API 将其功能提供给开发者或企业。这样，开发者无需从头开始训练模型，只需输入自己的数据进行微调，便能迅速开发出定制化的应用程序。因此，降价主要受益的是开发者和企业客户，对普通消费者没有直接影响。
以 C 端市场为主战场的创业公司，就没有必要卷入这场价格竞争。
一位头部 VC 机构的投资人也认为，智谱 AI 面向的主要是企业客户，因此它调整价格以适应市场是符合逻辑的。相较而言，其他几家 AI 创业公司专注于 C 端市场，它们的盈利并不完全依赖 API 销售，自然没必要趟这个浑水。
但对于那些靠卖 API 活着的创业公司，就难以保持从前的从容了。面对大厂的搅局和收入的减少，这些公司的市场空间逐渐缩小，必须开始寻找新的商业模式。
百川智能在发布新模型 Baichuan 4 时，也同步推出了 AI 助手。这也意味着，百川正在寻求销售 API 之外新的盈利模式，以应对大模型低价战。
猎豹移动董事长兼 CEO 傅盛也表示，这次大降价基本宣告了大模型创业公司必须寻找新的商业模式。降得最凶的都是有云服务的大公司，通过大模型来获取云客户，" 羊毛出在猪身上，降得起 "，而大模型创业公司没有这样的生态，必须另寻商业模式。
2024 北京智源大会上，几位头部大模型初创公司创始人同台论道。摄影：赵一帆
技术的差距，也是一些创业公司打不出低价牌的重要原因。算法的不断优化，使得大模型的训练和推理效率得到提升，这直接导致了成本的大幅下降。
从算法逻辑来看，传统 Transformer 架构的大模型运作起来，就像一个不论任务大小，总是启动所有机器的工厂，这种无差别的运作方式容易导致资源的浪费。
而打响价格战的深度求索，采用了更聪明 MoE 算法架构。在这种模式下，工厂可以实现资源的精准分配，只需特定的机器，其他机器保持待命状态就好。更加智能的分工，优化了成本和效率，这也是它能够提供更低价格产品的关键。
零一万物的 CEO 李开复对大模型成本下降持肯定态度。他在接受采访时表示：" 未来整个行业的推理成本每年降低 10 倍是可以期待的，而且也应该是必然发生的。"
头部云厂商的中层管理者田梦怡更谨慎看待这个问题。她告诉我们，" 在过去两年，大厂在模型训练和推理的提效上，每年降低到之前的 1/10 是正常的，但未来空间可能也没多大了。"
此外，大厂凭借长期积累所构建的生态，也是创业公司难以快速复制的竞争优势。参战的云厂商，客户众多，商业模式多元，有能力同时响应不同的需求，通过提高资源利用率，进一步压缩了成本。
田梦怡解释道：" 大厂可以超卖，可以自用和售卖结合，这是庞大业务规模带来的腾挪空间，也是其挣钱的重要来源，小厂没有这种条件和人才。"
以阿里云为例，为了提高资源利用率，其研发出了 " 动态资源超卖 " 的技术。简单来说，就像一个智能监控系统，可以实时查看服务器资源的使用情况，在不影响服务质量的情况下，将同一资源分配给更多用户。不仅极大降低了单位成本，也为其提供了更大的降价空间。
大厂完备的供应链体系和配套服务，也成为创业公司难以跟随的障碍。
大模型从接入到部署，具有一定技术门槛，不是每个企业客户都具有这些能力。大厂通过提供模型服务和开发工具，助力企业更快地部署和开发。同时，企业还能利用大厂平台发布新应用，借助其用户基础来增加曝光和流量。
综合看，大模型降价，大厂更有实力，也更有动力。对创业公司来说，性价比却不高。
大模型降价，到底图什么?
在大模型的世界里，时间仿佛被压缩。仅仅花了一年时间，大模型厂商们就从技术竞争迅速过渡到了比价大战。
多家云厂商负责人公开表示，降价是希望吸引更多开发者，加速 AI 应用的爆发。但事实果真如此么?他们又为何选择这一时间点降价?降价究竟有没有用，又能持续多久?
To C 流量难增长、To B 业务难挣钱，成为点燃价格战的导火索。
随着时间推移，业界开始意识到，仅靠一个交互式聊天窗口是无法持续吸引用户的。傅盛的说法，也印证了这一事实。他表示：" 现在各个大模型 App 基本都是免费的，本质上应该是各个大模型 App 用户量涨不动了，包括 OpenAl。"
而大模型在 B 端的应用场景又太少，在日常工作生活里，其实很少能感受到大模型能力的落地。
一位火山引擎内部人士向我们透露，国内大模型卖 API 的 To B 收入，现在非常少，相比训练侧的投入可以说是杯水车薪。
因此，降低定价其实是一种营销策略，目的是让更多开发者先把大模型用起来。比如，要用 100 亿 tokens 打磨一个业务场景，以前要花 100 多万，起码得立项审批到副总，还有很大概率会失败。现在 8000 块钱就能做，小组长就能批。
这样做的好处是，可以快速地吸引到开发者，应用多了，需求也就多了，他们才愿意为后续的服务付费。
从短期角度来看，降价策略可能会导致赔本。然而，官方口径的背后，打包出售整套云服务、提振公有云业务才是降价背后的长期目标。
上述投资人和田梦怡都认为，价格战的玩家都是在用降价来换市场空间。用大模型客户撬动公有云业务虽然是未来，但是要先保证自己在餐桌旁，否则就在餐桌上了。
对于客户来讲，打折的大模型固然诱人，但模型性能仍是决定购买的关键。
Max 是一家 AI 教育创业团队的联合创始人，该团队致力于构建学习能力分析模型，从而提供更加个性化、数据驱动的教育服务。在谈及团队的选购标准时，他表示，会先看模型能不能完成场景任务，然后才会横向对比价格、稳定性，最终选出一个性价比最高的产品。
但 API 作为开发过程中的一项大额开支，降价确实能帮助开发者以更低成本构建应用。" 降价的吸引力确实很大，它给很多过去难以达成盈利的项目带来了机会。"Max 坦言。
Max 的团队在 API 价格调整后，也享受到了实实在在的好处。在价格调整之前，他们每月调用 GPT 的成本在一万元左右。但随着价格的降低，他们转而使用了智谱的 GLM 和 DeepSeek 的服务。即便他们的调用量有所增加，整体成本却下降了 30%。
目前来看，价格的下降暂时还没有刹车的迹象。上述投资人判断，不管是从技术还是从市场看，降价都是可持续的，并且不好说 " 底 " 在哪里。
正如滴滴和快的通过合并结束了烧钱的补贴战，美团也以其创新和激进的市场策略在团购大战中崭露头角。大模型行业的价格战可能会一直持续下去，直到某个突破性的杀手级应用或场景出现，才能宣告结束。
在这一决定性的时刻到来之前，不断转动的车轮下，将有无数企业被市场淘汰。
