如果说 2023 年是大模型的资格赛，融资额度决定了能否晋级，2024 年已然快进到了淘汰赛的阶段。

字节跳动、阿里云、百度智能云、腾讯云等先后在 5 月中下旬加入“价格战”，轻量级模型直接免费，主力模型的 API 价格普遍下调了 90%以上。曾经以“烧钱”著称的大模型，迅速进入到“白菜价”时代。

当时就有人提出这样的问题：大厂选择“烧钱狂飙”，大模型创业公司怎么办？

时间过去半个多月，几家独角兽级的大模型创业者纷纷表明了态度：智谱 AI 果断跟进，一个月里两次下调价格；MiniMax 悄然启动了注册认证赠送 1 亿 tokens，以及 TPM 扩容不收费的活动；百川智能创始人王小川公开表态不会跟风降价；零一万物 CEO 李开复直言“国内大模型市场疯狂降价是双输的打法”。

作为大模型行业真正意义上的“第一战”，大厂们不计成本的拼价格，到底会对初创企业产生什么样的影响？

三种可能的结果

截止到目前，大模型降价潮还在蔓延中，市场格局的变化至少需要半年乃至更长时间。但在故事尘埃落定前，并不难揣测一些可能的结局。

第一种比较理想化的结果：大模型降价利好开发者，AI 原生应用加速爆发，逐渐从量变引发质变。

目前大多数中小企业和个人开发者是通过 API 接口来调用大模型能力的，疯狂降价前的价格普遍在 0.02 元/千 tokens 上下，对于缺少盈利模式的开发者来说，算力成本俨然是一座沉重的大山。

大模型降价甚至免费，意味着开发者的成本曲线将大幅下降，促使开发者更低成本进行开发、试错，进而打造出更多的 AI 原生应用，让大模型能力渗透到更多场景中。也许当下的应用仍存在同质化，主要以智能助手和情感陪伴为主，却不乏从量变引发质变，孕育出超级应用的可能。

可以佐证的是，百度宣布 ERNIESpeed 和 ERNIELite 免费开放使用后，两款模型的日调用量翻了 10 倍。有点像移动互联网早期的一幕，因为运营商下调了流量费，用户开始尝试各种新奇应用，最终迎来了百花齐放的繁荣景象。而在一个生机勃勃的生态里，每个大模型厂商都将是受益者。

第二种更符合现实的结果：部分缺少“护城河”的大模型厂商被淘汰，算力、人才和资本越来越集中。

一种较为流行的观点是：谁的用户多，产生的数据就越丰富，投喂给大模型的“饲料”就越多，越有可能训练出更好的 AI。大模型厂商降价的目的，是为了吸引更多人使用，将用户的真实使用数据反哺给大模型，然后进行训练迭代。

资本市场的谨慎态度，让“百模大战”的局面昙花一现，但不少拿到了融资的中腰部创业者，仍在炼模型这件事上苦苦挣扎。头部玩家们打出的价格牌，有望让部分摇摆的创业者放弃自研大模型，将注意力转移到应用层或其他领域，避免大模型在底层硬件、软件等方面的重复建设，推动整个行业朝同一个方向发力。

不管是出于什么样的考量，行业集中度的提升都不是什么坏消息。大模型属于极限考验算力资源和人才密度的赛道，即使“百模大战”没有上演，活跃的大模型厂商仍然多达两位数，还需要进一步优胜劣汰。

第三种相对悲观的结果：价格战是同质化的表现，当价格成为市场的主导力量，将上演“圈地运动”。

网约车、外卖、社区团购等移动互联网时期的经典战役，无不经历了价格战的阶段，且或多或少是同质化竞争导致的。倘若大模型卷性能带来的收益越来越低，而且能力大同小异的时候，价格无疑是攻城略地的有效手段。

可能在一些人眼中，大模型的关键在于效果，比起价格，客户更在意落地带来的价值。这样的观点没有错，却忽略了价格战的时机：如果企业已经深入使用了一段时间，价格上的差异很难撬走客户；如果客户还处于选型的阶段，谁能吸引到更多的客户，谁就在竞争中拿到了先手棋。

借用智源研究院总工程师林咏华的说法：“大模型的降价潮是一场生态的争夺战。当一家企业已经适配了一个模型，他未必还愿意再去适配更换另一个，在更换成本客观存在的前提下，行业企业会希望先通过价格的方式拉拢一批用户。”沿循这样的逻辑，大模型的价格战和网约车、共享单车等并无本质的区别，都是一场有预谋的“圈地运动”，不过是目标对象不同而已。

客观的说，大模型价格的下降是必然的结果，毕竟推理成本下降了。就像百度创始人李彦宏在 Create 2024 百度 AI 开发者大会上提到的：“相比一年前，文心大模型推理的成本降到了原来的 1%。”

问题在于，国内大模型的价格几乎是断崖式的，并未给大模型创业者足够的缓冲时间，尚未找到行之有效的盈利方式。

这场价格战中最活跃的选手，基本都是云厂商，降价乃至免费获取到的客户，可以通过模型微调、模型部署以及各种配套云服务对冲成本。而大模型创业者缺少足够厚的生态，甚至要向云厂商租赁算力，API 的商业模式被“切断”后，短期内恐怕难以实现“自我造血”。

无论以哪一种结果收场，大模型创业者都是弱势的一方。

怎么才能活下来

历史经验告诉我们，在充满不确定的赛道里，从来都没有稳操胜券的战局。大模型的背后是一场万亿级的资本盛宴，比起场上的几家云厂商，初创企业的想象空间更大，总有人希望他们可以留在牌桌上。

云厂商推波助澜的价格战，无疑会加重大模型初创企业的危机感，但并不意味着没有破局的可能。

对策一：技术侧破局，在大模型性能上抢先打破天花板，或者在大模型的落地部署上找到最优解。

按照猎豹移动董事长傅盛的说法：“短期来看，大模型的性能遇到了瓶颈。谁也甩不开谁，谁也拿不出撒手锏，降低推理成本、降低售价成了现在每一家的高优先级任务”。拨开价格战迷雾最好的方式，正是在大模型性能上甩开对手。面对不明晰的技术路线，不乏“运气”的成分，但初创企业往往更有“赌”的勇气。

即使不能在性能上拉开太大差距，提升大模型工程化能力也是一个可行方向。目前 API 调用的是“标准版模型”，想要将大模型能力和场景深度融合的企业类用户，仍需要对大模型进行精调或本地化部署。如果能够进一步降低大模型的落地门槛和成本，不无对冲“价格战”冲击的可能。

这也是一些大模型创业者正在尝试的应对方案。比如智谱 AI 在 MaaS 2.0 大模型开放平台上推出的一键微调功能，用户仅需准备训练数据，不需要代码即可完成一个“私有大模型”的训练。

对策二：专注提升大模型的差异化能力，做云厂商的“ISV 服务商”，低姿态熬过大模型浪潮的淘汰赛。

鉴于隐私、安全、性能等种种因素，行业内一直存在“模型混用”的现象，即在不同场景调用不同的大模型。在各家模型能力水平相近、价格不相上下的情况下，打造某一块的“比较优势”，同样是一种活法。

况且阿里云、百度智能云等云厂商，也在“拉拢”大模型创业者：一方面在算力资源上和大模型厂商绑定，比如阿里云对 MiniMax、月之暗面的投资，都将一部分资金限定用于购买阿里云服务；另一方面积极布局一站式大模型开发及服务运行平台，比如百度智能云千帆大模型平台，用户可以同时调用不同大模型的能力。至少就现阶段而言，没有云厂商愿意为了大模型的“芝麻”，丢了云服务的“西瓜”。

就像许多行业曾出现的，价格战常常是行业进入“大混战”的标志。对于那些没有拿到巨额融资的大模型创业者，以 ISV 服务商的身份“苟活”，熬过大模型浪潮的淘汰赛，何尝不是一种生存哲学。

对策三：绕过或弱化在 To B 市场的竞争压力，选择 To C 作为突围方向，试图成为下一个时代的行业巨头。

王小川不掺和“价格战”的理由是：“在国内的商业环境里，To B 的市场比 To C 小十倍。”百川智能同步发布了 AI 助手“百小应”，开启“超级模型+超级应用”双轮驱动模式，希望能够和云厂商进行错位竞争。

有相似想法的不只有王小川。MiniMax 先后孵化出了星野、海螺 AI 等多款日活超过百万的产品；月之暗面一开始就专注于 To C 路线，推出了 Kimi 智能助手；对价格战诟病连连的李开复，出任零一万物旗下 AI 助手“万知”的“首席体验官”；就连 To B 布局最深的智谱 AI，也开始加码推广 AI 助手智谱清言。

踏足 To C 赛道就能避免内卷了吗？正如前面所提到的，目前 To C 应用以智能助手和情感陪伴为主，大模型初创企业尚未给出更好的产品形态，同样集中在陪聊、提效等场景，功能大同小异。不过，相较于 To B 价格战的被动性，To C 承载了大模型创业者的希望。

创业从来都是九死一生，所有的成功之路都充满荆棘，没有人能提前知道哪种对策是正确的选项。

至少就目前而言，情况远没有到糟糕的程度。字节跳动放出的降价“大招”，并未影响智谱 AI、月之暗面的新一轮融资，且估值均已超过 30 亿美元；布局多模态通用大模型的生数科技，凭借对标 OpenAI Sora 的视频大模型 Vidu，日前完成了百度领投的数亿元 Pre-A 轮融资......

然而，并非所有的创业者都这么“幸运”。前微软（亚洲）互联网工程院副院长简仁贤创办的竹间智能，已经在现金流压力下停工了 6 个月；凭开源模型 Stable Diffusion 走红的 Stability AI，传出了寻求被收购的消息......

突如其来的大模型价格战，某种程度上为行业敲响了警钟，在信息差越来越小的语境下，像互联网时代那样照搬国外的商业模式，抑或是踩着时间窗口和红利窗口“一步登天”，已经没有生存的土壤。