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
- 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。
- 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。
- 单位经济模型:一个 AI 产品的完整单位经济表。
- 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。
- 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 |