对于部分AI巨头而言，算力正在由核心资产变成希望脱手的负担。近日美国互联网科技巨头Meta计划把富余算力租给外部客户的消息，导致美股芯片股遭遇集体抛售，而Meta自身的股价却逆势大涨。
对于一个“算力稀缺”的行业，为什么出租富余算力的公司反而得到了市场青睐？笔者认为，背后的核心原因在于，AI的商业模式至今仍未真正跑通，市场开始关注投入巨额资本建设的算力能否形成可持续的现金流。
首先，AI模型的边际成本并没有显著递减。互联网产品最核心的特征之一是边际成本递减，电商、外卖、打车等平台，新增用户的边际成本可以忽略不计，而AI大模型并不符合这一规律，虽然训练成本可以摊薄，但每一次推理都要消耗芯片、网络、电力和运营维护等成本。
虽然单位Token的推理成本一直在下降，但总成本并未随之降低。原因之一是，模型参数和能力持续提升，单次任务消耗的Token绝对量快速增加；原因之二是，AI正从一问一答的聊天工具进化为能自主执行任务的智能体（Agent），一次任务要进行任务拆解、反复试错、多次调用工具等，据研究机构Gartner测算，Agent系统的单任务算力消耗是普通对话的5到30倍。
其次，C端订阅的商业模式难以持续。现在主流的AI大模型公司都对C端个人用户提供了Coding Plan的订阅模式（指以固定月费换取一定周期内的模型调用额度），相比按Token流量计费的API模式，订阅制的单位算力价格显著更低，因此成为C端用户的主流付费方式。这一模式的商业逻辑有点类似于健身房月卡。不过月卡商业模式只有在大多数用户低频使用、少数重度用户的成本可控的情况下才能长期维持，但AI订阅并不符合这个商业逻辑：购买Coding Plan的用户往往也是高频、长文本、复杂Agent任务的重度使用者，恰恰会带来更高的推理成本。
另外在AI领域，还多出一个传统互联网产品不用面对的麻烦——中转黑产，某业内报告把这条灰色产业链拆成了四种模式：批量注册薅免费额度、邀请积分套利、高阶会员账号拼车、API逆向寄生。以账号拼车为例，黑产买入少量官方会员，一个账号同时分给多人使用，极大榨取订阅账号包含的使用额度。换成健身房的例子，这相当于把一张会员卡复制给多人使用，健身房7×24小时全负荷运行。更隐蔽的是API逆向寄生，黑产破解网页端的调用逻辑，把本该在网页内完成的交互封装成API对外收费，每次调用大模型都在真实消耗算力，收入却进了中转站的口袋。这条产业链已经形成从注册、养号到分销的完整链条，持续侵蚀订阅制本该产生的现金流。
第三，To C还是To B的战略方向仍在摇摆。AI大模型的战略路径还未明晰，虽然历史上不乏“C端先铺开、B端后变现”的成功先例：比如某主流电脑操作系统当年先培养用户的使用习惯和依赖，再靠企业授权和办公套件在B端实现盈利。但这条路径能否被AI大模型复制，要打个问号。
原因有几个：一是大模型厂商之间的竞争仍在激烈进行，还没有哪一家能让用户形成长期、稳定的重度依赖；二是同一家大模型厂商发布的新模型，能力未必显著优于旧模型，这让C端用户对于单一模型的长期持续付费保持谨慎；三是AI在C端的渗透速度远快于B端，员工早已自己掏钱用上了AI，站在企业管理者的视角，推广AI的必要性反而被削弱了，这与上述电脑操作系统当年“先普及，再向企业收费”的商业模式刚好相反。
如果AI大模型厂商迟迟找不到可持续的盈利路径，压力就会一步步传导到上游芯片、存储、数据中心这些硬件环节。Meta这次租算力的市场风波，某种程度上正是这种传导的预演。
这轮波动提醒我们，AI行业的定价逻辑可能正在从“谁投入得多”转向“谁能证明有真实回报”，对AI大模型的开发者而言，在继续卷参数、卷榜单之外，也要尽快探索可持续的商业模式，对上游硬件投资而言，这也是一个警醒：单纯押注“算力稀缺”的市场叙事，风险越来越高。
下一阶段AI市场的健康发展，或许不仅仅是发布了更强的模型，而是能够证明：高昂的训练投入可以转化为稳定的收入和现金流入，持续增加的算力投资可以创造超过资本成本的回报。在这个问题找到答案之前，上游硬件将继续反复承受市场预期摇摆的冲击。
