基础大模型按量订阅（模型层变现）

📌 背景

资本正加速涌入基础模型层：按严格口径统计，2025年AI原生融资同比增长约146%、规模约1360亿美元（机构统计口径）。同时企业对大模型的采用从实验蔓延到生产，MaaS形态趋于成熟，推理用量成为可计量的消费型收入，Anthropic的ARR从2025年初的10亿美元升至2026年2月的140亿美元（公司披露口径），验证了模型层自身的规模化变现能力。

👤 目标客户

企业和中小开发者在需要快速集成AI能力（文本、图像、视频、代码生成或Agent调用）的场景下，按API调用付费或购买企业订阅。支付方既包括直接调用模型的开发者，也包括购买企业级服务的组织，付费动力来自希望用模型降低业务成本或创造新收入流。

💰 盈利点

1. API tokens按量计费：按输入/输出令牌数量或查询次数向开发者或应用商收钱，收入随推理用量实时波动，形成“消费型收入”，业界习惯以年化运行率衡量其规模。2. 企业订阅合同：为大型客户提供固定月费或年度合同的SaaS式套餐，含专用容量、SLA与安全合规，获得稳定现金流。3. 跨模态增值服务：在视频生成、agent编排、微调或定制模型等方面收取较高单价，带动客单提升和收入多元。4. 生态内分成：通过模型能力拉动合作伙伴开发或云承载上行，从而间接从云消耗或应用分成中获得补充营收。

🧮 成本结构

主要花销在于大规模算力和推理成本：自研或租用GPU/TPU所做推理的成本居高不下，随着token量上升，这些花费往往等比攀升。其次为研发相关的顶尖人才薪酬，以及持续获取训练数据、建设数据中心和基础设施的支出。营销与获客花销也不小，用于维持开发者关系和企业销售相关的开销。

🛡️ 护城河

1. 技术领先与模型效果差距：前沿模型表现达到或超过GPT等标杆，需要大量技术和资金壁垒，很难迅速复制。2. 规模效应与成本优势：当推理规模足够大，单位推理成本下降，给定价和市场攻防留出余地，缩小后发者的追赶空间。3. 锁定效应与生态黏性：企业一旦将API嵌入生产业务、Agent流程和内部工具，迁移到新供应商将带来高额切换风险与成本。4. 品牌与信任：企业倾向于采用风控经过验证、有较长合规背景的模型，这对新入局者形成向上压力。

🔑 成功关键

• 企业级与API业务复合增长
• 把消费型收入（token用量）跑成规模
• 跨模态能力（视频/agent）拉用量

⚠️ 风险

• 推理成本高企、定价战
• 被开源模型与国产模型分流

🏢 案例

• OpenAI、Anthropic（~$30B ARR）

📊 SWOT 分析