AI 学位·
全部课程 / L4 判断层

L4-06 成本与商业模型

学时 5h(3 次) 前置 L4-01 性质 判断课


为什么学这门

因为你每次调 API 都在参与这个模型。理解成本结构,你才能判断:

  • 这个价格能持续吗?
  • 我自己的用量该用什么策略?
  • 一个 AI 产品的毛利能有多少?

这门课也是你判断「某家公司能不能活下去」的基础。


课时拆解

第 1 次(2h)Token 经济学

  • 输入 token vs 输出 token 的成本差异(为什么输出贵 3–5 倍)
  • 缓存命中为什么便宜(prefill 复用)
  • 批量 API 为什么打折(利用率)
  • 上下文长度的非线性成本
  • 算一笔自己的账:你每周的用量对应多少成本,哪部分最贵

动手:用你的实际使用模式,建一个成本模型(不同任务类型的 token 分布)。

第 2 次(1.5h)训练与推理的成本结构

  • 训练成本:一次性,但会重复(每一代都要重训)
  • 推理成本:边际成本,随用量线性增长
  • 固定成本 vs 变动成本
  • 规模效应从哪来(GPU 利用率、批处理、自研芯片)
  • 为什么「训练便宜」不等于「服务便宜」

动手:建一个简化模型——给定 GPU 时租价、吞吐、利用率,算每百万 token 的成本。

第 3 次(1.5h)商业模式

  • API 按量计费
  • 订阅制(为什么对重度用户亏钱)
  • 企业定制
  • 开源 + 托管服务(Open Core)
  • 应用层抽成
  • 毛利结构对比:谁的毛利高,为什么

动手:为一个假设的 AI 产品做单位经济模型(获客成本、ARPU、毛利、回本周期)。


核心概念清单

  • 输出 token 为什么贵
  • 缓存与批量的定价逻辑
  • 训练成本的摊销方式
  • 规模效应的三个来源
  • 订阅制的结构性问题
  • 单位经济的核心指标

材料

  • 各家 API 定价页(一手信息,直接看)
  • 任一份云厂商的 GPU 实例报价
  • 上市公司财报中的 AI 相关成本披露

验收作业

  1. 个人成本模型:你的使用模式 → 周成本 → 哪类任务最贵 → 优化建议。
  2. 推理成本测算:给定硬件与吞吐假设,算出每百万 token 成本,与市场价对比。
  3. 单位经济模型:一个 AI 产品的完整单位经济表。
  4. 定价合理性分析:选一家 API,分析其定价是否覆盖成本,依据是什么。
  5. 一句话判断:为什么纯粹按 token 计费的商业模式对长上下文场景不友好?

常见卡点

卡点 真相
「算不出真实成本」 公开数据不全。用区间估算 + 敏感性分析,比精确但错误的数字好
「为什么价格战打得下去」 因为边际成本在降,且玩家在抢生态位。不可持续,但能撑很久
「订阅制为什么亏」 重度用户用量无上限,轻度用户补贴不了重度用户