DeepSeek把AI應用創業者的春天帶來了

原文標題：《DeepSeek把AI應用創業者的春天帶來了》
原文作者：動察Beating

7 月 31 日，DeepSeek V4-Flash 正式版 API 上線公測。

每百萬輸入 token，1 元；每百萬輸出 token，2 元。快取命中後，每百萬輸入 token 只要 2 分錢。它支持 100 萬上下文、思考模式、工具調用和 Responses API，單帳戶並發連接上限達到 2500。

DeepSeek 接下來還會採用峰谷定價，高峰時段價格翻倍。即便如此，價格依然便宜得有點不講武德。

按照 DeepSeek 官方給出的粗略換算，1 個中文字符大約消耗 0.6 個 token。一百萬 token，可以讀入約 167 萬個中文字符。單看輸入成本，讀入約 167 萬個中文字符，賬面價格只要一塊錢。

過去一年，大模型行業已經習慣了更長的上下文、更複雜的推理，以及越來越能幹的 Agent。每次模型更新，討論總會落到誰又超過了誰、benchmark 往前挪了多少、距離 AGI 還有多久。

對 AI 應用創業者來說，還有一個問題更加現實：

一個任務到底要花多少錢。

模型能力決定產品理論上能做什麼，調用價格決定團隊敢把多少能力真正放進產品裡。

今天下午，我在語音裡和 ChatGPT 掰扯了很久。我說，現階段 AI 應用跑通的商業模式，說白了就是倒賣 token。

它幾次想幫我換一個體面的說法，比如「推理能力零售」或者「智能服務封裝」。我說別替這門生意想措辭了，倒賣就是倒賣，難聽不等於不對。

AI 應用看起來是過去幾年最新的創業方向，底層做的卻是一門很老的生意：

進貨、加工、定價，再把貨賣出去。

而很多產業變化，最早就是從進貨價突然掉下來開始的。

AI 應用，就是一門倒賣 token 的生意

過去，人們習慣用互聯網產品或者 SaaS 的框架理解 AI 應用。

軟件開發完成以後，可以分發給一千個人，也可以分發給一百萬人。新增一個用戶當然還會產生帶寬、存儲和服務成本，但這些成本通常會隨著規模擴大被逐漸攤薄。

AI 應用不太一樣。用戶每生成一張圖片、寫一份報告、完成一段代碼，或者讓 Agent 多執行一個步驟，應用公司都要重新調用模型。用戶每按一次按鈕，上游都要再收一次錢。

所以，大多數純軟件 AI 應用目前跑通的基礎商業模式其實很簡單：

從模型公司採購 token，把通用模型能力包裝成寫作、編程、設計、客服、視頻或者 Agent 產品，再通過會員、積分和按次收費賣給用戶。

以 Poe 為例，它在推出 API 時直接表示，附加點數的定價目標，就是按照底層模型供應商向它收取的價格來收費。

上游按照模型和 Token 收錢，Poe 把它們換算成平台裡的點數，再連同統一入口、支付、切換模型和開發接口一起賣給用戶。

一些公司會說自己不賣 token，賣的是結果。客服軟件公司 Intercom 為 AI 客服 Fin 設計的價格，是每完成一個結果收取 0.99 美元。用戶確認問題已經解決、沒有繼續要求人工幫助，或者 Fin 成功完成一條工作流程，都可以算作一次結果。

這只是換了一張價簽，按座席收費、按任務收費、按成功解決的問題收費，改變的是用戶看到的計價單位。應用公司背後依然要調用模型，依然要計算完成一次交付需要消耗多少 token。

南宋畫家李嵩畫過一幅《市擔嬰戲圖》。貨郎挑著一擔貨走村串巷，鍋碗、針線、零食、玩具全掛在擔子上。一副貨擔就是一間移動的小百貨店，貨郎賺的就是選貨、配貨和送貨的錢。

AI 應用公司做的事情也差不多。模型廠商生產智能，應用公司把智能挑進具體場景。底層買進來的是 token，最後賣出去的應該是一份報告、一張設計圖、一段視頻。

模型公司賣智能，應用公司賣完成。

這門生意的利潤，主要取決於三筆差價。

第一筆是採購差價。

同一種模型，不同團隊拿到的實際成本未必相同。調用量大的公司可以談折扣，工程能力強的團隊可以利用快取、異步處理、峰谷調用和模型路由，把平均成本繼續壓低。別人一塊錢辦完的事，你五毛錢就能辦完，剩下的五毛就是利潤。

說簡單點，同樣是進貨，有人拿的是批發價，有人拿的是景區價。

第二筆是使用差價。

有人買了會員以後天天把 AI 當牛馬一樣壓榨，也有人充值時雄心壯志，半個月以後連產品都不用了。只要整個用戶群的平均消耗低於套餐設計時的預估，沒用完的額度就會形成利潤空間。

這和健身房年卡、手機流量套餐的邏輯接近。

但這裡有一個問題要注意。上游採購足夠靈活，用戶少用才會增加利潤。公司如果已經簽死了一筆年框，剩下的 token 還躺在帳戶裡，那不是利潤，只是一倉庫賣不出去的貨。

用戶沒用完的叫沉澱，公司賣不掉的叫壓貨。

第三筆是產品差價。

同樣消耗一萬 token，有的產品只吐出一段需要用戶繼續修改很久的文字；有的產品已經完成資料整理、內容生成、事實核驗、格式調整和最終導出。底層花的錢可能相近，用戶願意支付的價格完全不同。

一家 AI 應用真正的價值，就取決於此。採購決定這門生意能不能成立，產品決定這門生意值多少錢。

倒賣的 token 只是底盤，產品才是差價的理由。

產品經理，先成了帳房先生

麻煩在於，AI 應用需要不斷進貨，於是，產品問題很容易變成成本問題。

Manus 的官方使用說明裡，已經可以看到這種成本怎樣反過來塑造產品。Manus 按照任務的複雜程度和需要消耗的資源扣除每月訂閱的積分。同樣是向 AI 提問，官方建議簡單問題儘量使用 Chat 模式，不必啟動完整的自主 Agent；複雜任務則最好先檢查中間結果，免得 Agent 沿著錯誤方向繼續執行，白白消耗更多積分。

這些建議當然合理。可它也揭示了 Agent 產品最麻煩的一面，模型越主動，產品公司越難預測成本。

聊天機器人回答一次就停下來，賬還比較容易算。Agent 會自己拆分任務、反復搜索、打開網頁、調用工具，再根據中間結果決定下一步。用戶只下達了一條指令，背後可能已經發生幾十次模型調用。

於是，產品開始教用戶怎樣少讓 Agent 工作。怕的是算盘打久了，帳房先生開始接管產品。一項功能要不要上線，團隊首先考慮的不再是用戶需不需要，而是單次任務會貴幾分錢。模型已經具備更強的能力，應用卻不敢把這些能力完整交給用戶。

公司當然需要控制成本。沒有哪家創業公司可以把最貴的模型當成自來水讓用戶隨便用。

還有一些產品把效果更好的模型塞進高價套餐，普通用戶拿到的是一個經過層層限流的版本。模型能力沒有消失，只是在算完帳以後，被分給了不同的人。

久而久之，行業出現了一種很別扭的倒置。

用戶購買 AI 應用，希望模型多理解一點、多思考一步、多完成一些工作。應用公司為了守住成本，卻要讓模型少讀一點、少想一步、少做一點事情。

產品賣的是智能，團隊最熟練的動作卻成了克扣智能。

而且上游一漲價，應用公司就要縮減額度；競爭對手拿到更低的成本，市場上的會員費馬上會被打下來；新的便宜模型出現，原來的路由和套餐又要推倒重算。應用公司看上去掌握著產品，最重要的變量卻一直攥在上游手裡。

過去兩年，AI 應用創業者缺的未必是想法。他們更缺一種足夠強、足夠便宜，可以放心塞進產品裡的智能。

DeepSeek 把「智能過路費」砍了下來

DeepSeek 的價值，首先在於它並不是一款單純為了降價而做的殘血模型。它擁有 100 萬上下文，支持思考模式和工具調用。

4 月發布預覽版時，DeepSeek 稱其推理能力接近 V4-Pro，在簡單 Agent 任務上表現相近。7 月 31 日更新的正式版沒有改變模型結構和規模，主要重新進行後訓練，多項 Agent 基準成績已經超過 V4-Pro 預覽版。

這很重要。

便宜模型以前也有。問題是，拿貨便宜，貨不能總是殘次品。AI 應用真正需要的，是單位價格之下盡可能穩定的智能。

至少從 DeepSeek 公布的 Agent 和代碼基準看，V4-Flash 已經跨過了一批高頻任務的「夠用」線，價格又低到團隊敢於高頻調用。

對於大多數普通用戶而言，大模型很可能已經走過了一個臨界點。

普通人不關心 benchmark。他很少在意一個模型在某項測試裡領先三分還是五分，只關心自己手裡的事情能不能辦好。當模型已經可以讀材料、做推理、調工具、交結果，繼續提高能力當然有價值。可這部分價值還能不能支撐幾倍的價格，需要重新算算。

過去，模型公司說自己更強，價格更貴似乎天經地義。但現在這個理由禁不起推敲了，貴在哪裡、多出來的能力解決了什麼問題、又有多少用戶真的需要，都得擺到桌面上好好談談。

DeepSeek 沒有讓所有模型都變便宜，它讓高價模型變成了一件需要向用戶解釋的事。

拼多多早期真正擊穿的，也不只是商品價格。它讓消費者第一次看到，很多日用品原來可以賣得這麼便宜。過去被認為理所當然的品牌溢價、渠道成本和中間環節，突然需要給自己找一些存在的理由。

拼多多擊穿的是商品的價格心智。

DeepSeek 擊穿的是智能的價格心智。

### 創業者終於可以低頭做產品

對 AI 應用行業來說，接下來最重要的事情，是創業者終於可以把目光從上游收回來。

過去，大模型更新得太快，應用公司很容易被它牽著走。今天接入更長的上下文，明天換上新的推理模型，後天又把 Agent 能力掛到首頁。產品看上去一直在升級，路線卻不是自己定的。模型廠商發布什麼，應用公司就展示什麼。

典型的上游繁榮、下游走神。

現在，底層模型有機會變成一種相對穩定的生產資料。團隊不用每天圍著模型榜單打轉，也不用把「接入最新模型」當作最重要的產品進展。

模型穩定下來以後，產品才終於沒有藉口了。

模型能夠完成一項任務，只是起點。產品要做的，是把任務放進真實流程裡，處理權限、數據、協作、審核和失敗，讓用戶不需要每次都重新教 AI 怎樣工作。這些事情沒有模型參數那麼性感，也很難登上 benchmark。可用戶第二個月還願不願意繼續付錢，往往就取決於這些細節。

AI 應用的價值，不在於把模型擺到用戶面前，而在於讓模型消失在工作裡。

當用戶不再需要選擇模型，不再需要研究提示詞，也不必關心這項任務背後調用了幾輪推理，應用才真正完成了自己的工作。

到了這裡，應用公司競爭的就不再是誰先拿到模型，比的是誰更懂一項工作，誰能夠把行業裡那些寫不進說明書的規矩變成產品的一部分。

模型可以在一夜之間變強，行業理解不能。API 可以被所有人接入，一套被用戶真正接受的工作方式很難照搬。

這也讓許多過去看起來不夠宏大的生意，重新有了成立的可能。

AI 創業不一定非要從「下一代入口」開始，也不一定每家公司都要做一個服務全人類的超級 Agent。它可以只解決外貿詢盤裡的一個麻煩，只服務連鎖門店的一套流程，只替某類專業人員省掉一段重複勞動。

市場不用大到容納所有人。只要問題足夠具體，交付足夠穩定，用戶得到的價值高於支付的價格，這門生意就可以先活下來。

過去，模型太貴的時候，小市場很難支撐一套完整產品。團隊必須追求更大的用戶規模、更高的客單價和更快的融資速度，才能覆蓋不斷發生的推理成本。很多創業項目還沒找到真正的用戶，就已經被迫講起了一個過於龐大的故事。

現在，故事可以小一點了。

小團隊可以先服務一小群人，把一件事情做透，再一點點往外走。

這很像現在很多「百年老店」過去的樣子。開門時沒有想着統治一條街，只是先把門口幾桌客人招呼好。飯做得不錯，價格合適，客人下次還來，生意自然就有了。

大模型行業喜歡講規模、參數和終局。應用創業最終仍然要回到這種樸素的邏輯裡。

你服務誰、你替他解決了什麼、為什麼換一家不行，這三個問題，DeepSeek 不會替創業者回答。

它只是讓團隊不必再把大部分時間花在和上游討價還價上，也讓那些沒有能力訓練大模型、沒有資格拿到特殊價格的小團隊，獲得一張相對公平的入場券。

過去，模型本身就是壁壘。接下來，模型人人都可以買，區別在於拿來做什麼。真正稀缺的東西，會逐漸轉向用戶、數據、流程和信任。誰離真實工作更近，誰就更有機會。

DeepSeek 把智能的門檻降下來以後，AI 應用終於從一場模型競賽，重新變成了一門產品生意。

西漢晁錯在《論貴粟疏》裡寫過一句話：「貴五穀而賤金玉。」

過去幾年，大模型更像金玉。參數越來越大，榜單越來越高，被擺在發布會的燈光下面，人人看得到它的珍貴，卻很少有人能夠把它真正用進每天發生的工作裡。

應用層要做的，是把金玉變成五穀。

DeepSeek 沒有替創業者把飯做好，它只是把米價降了下來。

至於誰能把飯館開起來，就看各自的手藝了。

**-**END-

本內容僅供參考，不構成任何金融、投資、法律或稅務建議。文中提及的任何活動、獎勵、線上活動或相關資訊，不應被視為對購買、出售或交易任何加密資產的推薦、招攬或邀請。加密資產具有高波動性，存在價值損失風險。WEEX服務、產品及相關活動的可用性可能因地區而異。用戶在參與前有責任確保符合當地適用法律法規。