AI算力付费模式解析Anthropic与DeepSeek的行业启示

最近，Anthropic在一轮融资中展示的数据，让市场看到了AI模型层盈利路径的清晰信号。根据其向投资者披露的预测，公司一季度营收达到48亿美元，二季度预计将跃升至109亿美元，并在6月当季有望实现5.59亿美元的运营利润。更关键的是其成本结构的变化：一季度，每赚1美元，就要在算力上投入71美分；到了二季度，这个比例预计将降至56美分。要知道，就在去年，公司的口径还是至少要到2028年才可能实现全年盈利。如今，利润表率先动了起来。推动这一轮变化的，是企业客户对Claude编程工具和智能体能力的强劲需求。

需求暴涨的同时，一个根本性的转变正在发生：AI的收费模式已经彻底改变了。

知名科技投资者Ga vin Baker用了一个非常形象的比喻来概括这件事：AI正在从“自助餐”（all you can eat）走向“按杯付费”（pay by the drink）。他描述的是企业真实的部署场景：一个用户可能同时启动几十个甚至上百个智能体，去执行代码编写、信息检索、深度分析和多步骤推理等任务。过去那种平价的包月套餐，越来越难以覆盖背后真实的资源消耗。

对于企业而言，模型选择已经从单纯的技术工程偏好，演变为一项严肃的财务决策。最便宜和最昂贵的前沿模型之间，价格差可以拉开几十倍甚至上百倍。

供给侧的紧约束与“配给制”

供给侧并没有给行业留下太多缓冲空间。桥水联合首席投资官Greg Jensen在一场访谈中指出，当前世界上唯一比算力供应增长更快的，就是算力需求。配给（rationing）已经开始发生，其方式包括提价、限制访问权限，甚至在实验室内部暂停部分研究项目。在算力、电力、存储和机架系统持续紧绷的状态下，按量收费和访问限制同时出现，并不令人意外。

这背后引出了一个对市场至关重要的命题：在“卖铲子”（芯片、基础设施）的上游环节拿走了大部分早期利润之后，AI商业化的下一阶段故事将如何书写？

高盛与SemiAnalysis的分歧

对此，高盛和行业分析机构SemiAnalysis有着明显的分歧。高盛分析师James Covello关注的是第一阶段的价值分配：过去两年最确定的一轮利润，确实先留在了芯片、HBM、先进封装、数据中心和电力这些上游环节。云厂商将巨额资本开支背在了自己账上，而企业端的投资回报（ROI）尚未大面积体现在利润表中。

SemiAnalysis则看到了另一端的趋势：Token（代币）已经不再仅仅是问答的成本单位。代码生成、学术研究、数据建模、图表分析、财报解读这些高价值工作，开始把Token当作一种“生产资料”。如果高价值任务愿意为更强大的模型能力付费，同时缓存命中率提升、推理过程优化和硬件迭代又在持续压低单位成本，那么模型实验室这一层，就有可能从烧钱层向利润层移动。

Anthropic的盈利前景说明，顶尖模型厂商并不只是在讲述增长故事。代码生成、长链路智能体、复杂推理这些高价值任务，已经开始同时推动收入和成本结构向前演进。高盛原先最担心的下游利润表不够扎实的问题，至少Anthropic给出了一个明确信号：在最前沿的那部分任务里，高价值的Token已经能够产生利润。

DeepSeek的另一条路径

然而，Anthropic并不能代表模型层的全部。

5月22日，DeepSeek宣布将其V4-Pro API原本75%的折扣永久化。促销结束后，V4-Pro将正式按原价的四分之一计费：未缓存输入为0.435美元/百万token，输出为0.87美元；性能稍低的V4-Flash价格更低，分别为0.14美元和0.28美元。缓存命中的价格也一同被压低。报道特别指出，这种定价对智能体（agent）、编程助手、客服和文档处理等工作流尤其具有吸引力，因为这些场景天然依赖重复的上下文和高缓存命中率。DeepSeek为开发者提供的并非一个单一的低价模型，而是一套更适合进行流量调度（routing）的产品梯度：Flash处理廉价的日常负载，Pro则处理更复杂的智能体编码、长文档推理和高价值自动化任务。

这条路，与Anthropic截然不同。

Anthropic代表的是美国顶尖模型厂商的典型路径：先攻克最难、最值钱、最敏感的任务，再让高端工作流来证明模型的溢价是合理的。它争夺的是“能力密度”，考验的是企业是否愿意为更强的推理能力、更长的任务链路、更稳定的输出结果支付更高的价格。

DeepSeek则更像是选择了另一条道路。它没有复制同样的高溢价闭源逻辑，而是将单位调用成本、产品层级划分和缓存友好度，尽可能优化到最适合大规模部署的状态。对于许多应用而言，价格不再仅仅是节省一点预算，而是直接决定了某个功能能否成立、某条工作流能否进入生产环境。

两条路径，共同做大蛋糕

放到高盛和SemiAnalysis的争论框架里看，这两家公司各自回答了问题的一半。

Anthropic证明的是，高价值Token能赚钱。DeepSeek证明的是，低成本Token能放量。前者致力于抬高单次调用的经济价值，后者则致力于将总调用量的边界向外大幅推移。高盛最担心的，是下游赚不到足够多的钱，最终无法支撑上游已经形成的利润规模和资本开支需求。但当Anthropic和DeepSeek同时出现后，这个判断就需要调整了。模型层开始分化出两条不同的经营路径，而且这两条路都在把市场的总蛋糕做大。

这对上游而言，是一个更偏积极的信号。原因很直接：Anthropic这条路证明，高价值工作负载愿意为更强的模型能力买单；DeepSeek这条路证明，当价格降到某个临界点，大量原本因成本问题无法实现的应用会被释放出来。只要算力和基础设施仍处于供给偏紧的状态，上游获得的就不仅是“稀缺溢价”，还会叠加一层由总需求扩大带来的增长。Greg Jensen所说的“配给”并未结束，反而让这件事更加清晰：高价值Token和低成本Token的需求都在增长，供给约束依然存在，上游厂商很难立刻从这场盛宴中退场。

中间层的价值重构

变化可能更大的，是中间层。

当模型层不再只有一种玩法时，企业真正需要购买的就不再是单一的模型，而是“调度能力”：什么任务该走Anthropic，什么任务该走DeepSeek Flash，什么任务又该交给DeepSeek Pro；哪些任务需要高合规性保障，哪些任务可以充分利用缓存，哪些任务需要在高低配置模型之间动态切换。模型分层越明显，路由、编排、工作流入口和预算控制这些中间层能力就越有价值。

当然，高盛的担忧并未完全消失。Anthropic证明的是顶尖模型厂能在高价值场景中更早盈利，DeepSeek证明的是低价能催生更多产品形态，但这并不等同于普通企业已经能够稳定地将AI成本转化为利润表上的回报。DeepSeek自身的低价策略，也伴随着利润压力。这是一种用利润换取市场触达、用规模培养开发者使用习惯的打法。能否最终跑通，还要看其架构效率、资金续航能力、开发者采用度能否沉淀为稳定的平台生态，以及地缘整治和合规限制会否拖慢其全球渗透的步伐。

不过，市场讨论的核心问题已经发生了转变。它不再只是追问“谁在卖铲子”，也不再只是质疑“模型厂什么时候才能赚钱”。Anthropic和DeepSeek将模型层拆解成了两条清晰的路径：一条是把单个Token做“贵”，另一条是把Token总量做“大”。只要这两条路不是孤例，SemiAnalysis关于“行业利润池仍在扩张”的判断，似乎就比高盛那套“上游先赚满、下游供养不足”的框架更接近现实。上游的增长空间，依赖的已经不只是稀缺性，也包括下游第一次开始用两种不同的方式，共同将这门生意做大。

下一阶段的观察焦点

接下来几个季度，财报中最值得关注的将是以下几类数字：Anthropic这类高端模型的收入质量和毛利率改善能否持续；DeepSeek这类低价路线能否将开发者采用率转化为稳定的调用量增长；云厂商的巨额资本开支能否更顺畅地转化为收入和长期合同；上游的内存、算力和机架瓶颈是否会继续将需求向前挤压。

市场的下一轮分歧与共识，大概率就会沿着这些关键数字继续展开。