美华头条7月29日综合报道　2026年7月，随着中国人工智能企业连续推出新一代大模型，并在中国、美国及其他海外市场获得更多开发者和企业用户，行业竞争的焦点开始从模型性能和使用价格，转向商业模式能否持续。

阿里巴巴、字节跳动、深度求索、月之暗面和智谱AI等企业，正分别通过模型收费、分级订阅、云计算服务、企业解决方案、融资和上市等方式筹集资金。相关企业取得的阶段性结果是，中国模型的国际使用量和市场影响力明显上升，但模型训练、测试和大规模运行所需的芯片、服务器及数据中心支出仍然高企，尚未形成一条适用于整个行业的稳定盈利路径。

中国模型以低价和开放方式扩大市场

过去一年，中国人工智能企业持续缩小与美国领先企业之间的技术差距。多款中国模型在编程、推理、内容生成和智能体任务中表现出较强竞争力，并以较低调用价格向个人开发者和企业客户开放。

与美国部分企业主要提供封闭模型不同，中国企业普遍采取开放权重或部分开源方式。开发者可以下载模型、进行调整，并部署在自己的服务器或第三方云平台上。这种模式降低了使用门槛，使中国模型得以在较短时间内进入更多国家和行业。

从市场扩张角度看，开放模式有助于企业建立开发者生态，并提高模型的国际影响力。对于需要大量调用人工智能的企业而言，较低的价格也能明显降低软件开发和日常运营成本。

但从收入角度看，开放模式也存在结构性限制。模型一旦被下载，用户可以自行部署，原始开发企业未必能够继续收取调用费用。部分运行收入还可能流向提供服务器和云计算资源的第三方企业，而不是模型开发商。

这使中国人工智能企业面临一个直接矛盾：模型越开放，越容易扩大使用规模；但开放程度越高，企业越难依靠模型本身建立稳定收费体系。

阿里巴巴以云计算承接模型价值

总部位于杭州的阿里巴巴正在尝试把人工智能模型与云计算业务结合。公司继续向开发者提供开放模型，同时对部分性能更高的模型、模型接口及企业服务收费。

这一策略的核心并不是单独销售聊天机器人，而是利用模型吸引企业进入阿里云体系。客户使用模型时，还需要购买计算、存储、数据库、安全和行业软件等服务，由此形成更完整的收入来源。

阿里巴巴的优势在于，公司已经拥有云计算、电商、办公协作和企业服务平台。即使模型调用价格较低，人工智能仍可能通过增加云计算使用量、改善电商推荐和提高企业软件需求，间接创造收入。

不过，这种模式也存在成本压力。维持开放模型需要持续投入研发资源，而高性能收费模型又必须保持足够明显的技术优势，才能说服客户付费。随着竞争者不断推出价格更低的新模型，企业需要在开放生态与商业收入之间维持平衡。

字节跳动通过分级定价扩大付费范围

总部位于北京的字节跳动采取了另一种商业化路径。公司依托豆包、火山引擎、飞书及内容产品，将不同性能和使用量的人工智能服务设置为不同价格等级。

普通用户可以使用基础功能，需要更强模型、更大调用量或企业级服务的客户则支付更高费用。分级定价的目的，是在保持低门槛和用户规模的同时，把部分高频用户转化为付费客户。

字节跳动拥有庞大的消费端用户基础，也具备广告、内容分发和企业服务能力。人工智能模型可以被用于内容制作、广告投放、办公协作和软件开发，因此其商业价值并不完全依赖模型接口收费。

但字节跳动同样需要承担不断增长的基础设施支出。随着用户数量增加，模型推理所需的芯片和服务器数量也会同步上升。公司近年来寻求扩大国内芯片供应，并推进自研处理器项目，反映出人工智能部署已对硬件采购和成本控制提出更高要求。

初创企业依赖融资维持模型竞赛

与阿里巴巴和字节跳动不同，深度求索、月之暗面和智谱AI等初创企业缺少成熟的电商、广告或大型云计算业务，因而更加依赖投资、订阅收入和模型接口收费。

这些企业需要持续购买高性能芯片，用于模型训练、测试、优化和面向用户的推理服务。模型发布后，即使迅速获得大量用户，也可能因服务器容量不足而需要暂停新用户注册或付费订阅。

月之暗面的模型在发布后曾因需求快速增长而面临算力压力。这一情况表明，用户增加并不必然立即改善盈利能力。对于模型服务商而言，每一次用户提问都会产生计算成本；如果调用价格过低，使用量越大，企业承担的基础设施支出也可能越高。

智谱AI则通过香港资本市场筹集资金，并计划将相当一部分资金继续投入芯片和模型研发。公司收入保持增长，但亏损规模仍然较高，显示人工智能初创企业距离稳定盈利仍有较长距离。

深度求索通过低成本模型和开放策略获得广泛关注，但同样需要在研发投入、服务器建设和商业收费之间作出选择。若长期维持低价或免费服务，公司需要依靠投资者、企业客户或其他业务为模型运行提供资金。

模型训练之外，推理成本成为长期负担

人工智能企业的成本并不止于完成一次模型训练。企业还需要反复测试模型、调整参数、处理安全问题，并建设足以同时服务大量用户的计算系统。

随着智能体技术发展，模型需要连续执行搜索、分析、编程和文件处理等多步骤任务。一次任务可能调用模型数十次甚至更多，使推理成本明显高于普通问答。

这也是低价竞争可能带来的风险。较低价格有助于吸引客户，但如果收费不足以覆盖芯片、电力、数据中心和技术人员支出，企业可能出现收入增长而亏损继续扩大的情况。

中国企业在高端芯片供应受到限制的背景下，提高了计算效率，并推动国产芯片替代。这种资源约束促进了模型架构和工程方法改进，但并未消除算力需求。模型用户越多，对稳定芯片供应和数据中心容量的要求越高。

支持者认为开放生态具有长期价值

支持开放模型的行业人士认为，基础模型未来可能逐渐成为标准化技术，单纯依靠模型调用收费未必能够建立长期优势。企业更重要的资产，是开发者生态、企业客户、云平台以及模型在真实业务中的应用能力。

按照这一观点，即使开放模型本身不能立即产生高额利润，也可以帮助企业建立行业标准，吸引开发者围绕其技术开发软件，并带动云服务和企业解决方案收入。

开放模式也有助于中国企业进入价格敏感的发展中市场。对无法承担高额模型费用的中小企业、学校和开发者而言，低成本中国模型提供了新的选择。

从长期看，广泛采用可能形成技术生态。一旦企业的软件、数据和业务流程建立在某一模型体系上，更换模型的成本就会提高，模型开发商也可能获得后续服务收入。

质疑者担忧低价竞争难以持续

持谨慎观点的投资者和行业分析人士认为，人工智能模型更新速度较快，领先优势可能只能维持数月。客户可以在不同模型之间切换，企业很难仅凭一次技术突破建立长期定价权。

大型科技集团可以利用其他业务补贴人工智能投入，但初创企业没有同样的资金来源。如果资本市场降温，或者投资者要求企业尽快实现盈利，部分公司可能被迫减少研发、提高价格、转向特定行业，或寻求并购。

低价竞争还可能使市场进一步集中。拥有云计算基础设施、消费平台和充足现金的大型企业能够承受更长时间的亏损，而规模较小的公司可能难以持续承担芯片和数据中心支出。

因此，中国人工智能市场未来可能出现分化：大型科技集团继续发展通用模型；部分初创企业转向医疗、金融、制造、编程等专业领域；缺少资金、客户和技术差异化的企业则可能退出市场。

中美政策分歧增加海外经营风险

中国模型在美国及其他海外市场使用量上升，也引发知识产权、数据安全和国家安全争议。美国部分人工智能企业指称，中国开发商可能利用美国模型输出训练自身系统；中方则否认有关指控缺乏依据。

美国政策制定者正在讨论是否限制中国开放模型进入本国市场。支持限制的一方认为，先进模型可能涉及技术转移、安全和数据风险；反对者则认为，过度限制将减少美国企业的技术选择，提高中小企业使用人工智能的成本，并削弱开放技术生态。

中国有关部门也在研究如何处理先进模型、训练技术和模型权重向海外流动的问题。政策需要在扩大国际影响力和保护核心技术之间取得平衡。

若中美双方分别加强模型出口和市场准入限制，中国企业的海外商业化空间可能受到影响，全球人工智能市场也可能形成相互分离的技术体系。

行业竞争从模型性能转向商业能力

中国人工智能企业已经证明，较低成本、开放模型和快速迭代可以缩小与国际领先企业之间的差距。但模型获得高排名、下载量和用户规模，并不等于企业已经建立可持续业务。

现阶段，阿里巴巴主要依靠云计算和企业生态承接人工智能价值，字节跳动通过分级收费和内容产品扩大收入，初创企业则继续依赖融资、订阅及模型接口服务。

未来决定行业格局的因素，将不只是模型在测试中的表现，还包括企业能否控制计算成本、建立稳定客户关系、进入实际业务流程，并形成持续付费需求。

从这一角度看，中国人工智能产业正在进入第二阶段。第一阶段解决的是能否开发出具有竞争力的模型，第二阶段需要回答的是，这些模型能否在激烈的价格竞争、庞大的算力支出和不断变化的监管环境中形成长期收入。最终胜出的企业，未必是短期内模型排名最高的公司，而可能是能够把模型、云计算、应用场景和客户服务整合成完整商业体系的企业。