AI 创业者还没赚钱，先被自己的用户用破产了

文 | wiwi 一个AI应用最吓人的时刻，可能不是没人用，而是突然有人用了。 后台注册数上涨，生成次数上涨，用户停留时长上涨。放在传统互联网产品里，这几乎是一组值得庆祝的数据：流量来了，验证开始了，接下来只要想办法转化就行。但AI产品的后台还有另一张表——Token消耗在涨，模型调用在涨，失败重试次数在涨，月底账单也在涨。更尴尬的是，最活跃的那批人，未必是最愿意付钱的人，他们可能只是最会试、最会改、最会把免费额度用到极致。 过去，免费用户的问题是不给你钱。现在，免费用户的问题是不给你钱，但会花你的钱。 这就是5月AI模型调用"补贴战"真正值得看的地方。 先是孙宇晨上线了一个叫B.AI的平台，打法很直接：日补贴10万元人民币、100亿Token。一周之内，注册用户突破170万。几天后，猎豹移动CEO傅盛的EasyRouter跟进，新用户送400积分，全线模型85折，DeepSeek-V4-Pro低至25折。再往后，连特朗普家族关联的WLFI项目都坐不住了，5月5日推出了绑定加密代币USD1结算的WorldRouter，换100万积分要么砸250万WLFI代币，要么直接付9999美元。 短短一周，三个背景完全不同的玩家挤进了同一条赛道——AI模型调用的转售生意。打法也几乎一样：用补贴换用户规模。 问题是，这场补贴战烧的不是抽象的获客预算，而是按Token计费的真实算力账单。用户每调用一次，平台就要实打实付一次钱给上游模型厂商。传统互联网补贴烧的是市场费用，AI补贴烧的是交付成本。 B.AI、EasyRouter、WorldRouter这类玩家背后都有资本和品牌撑着，亏得起、补得起。但同一条赛道上还有一类规模小得多、也脆弱得多的玩家——AI中转站，它们的下场提前预告了这场补贴战可能走向哪里。《每日经济新闻》记录过一个典型样本：有开发者花25元买了某中转站的月租服务、每日120美元额度，用了20天，平台就以"封杀严重、成本上涨"为由把价格涨到三四倍，没多久干脆关停。 25元月租，兜底每日120美元额度，这笔账从一开始就很难算平。它能维持多久，取决于新用户进来的速度，能不能跑赢真实调用成本和套利消耗——而真实世界里，新用户往往不是冲着产品来的，是冲着漏洞来的：围绕AI免费额度的套利早就形成了一套成熟打法：有人重置设备指纹反复领取Cursor试用额度，有人批量注册账号套邀请积分，有人把高级会员账号拆给多人"拼车"，还有人逆向网页端接口，把原本不对外开放的能力重新封装成API转卖。安全机构"威胁猎人"在Manus AI相关案例中发现，至少62个店铺在贩卖积分商品，部分商家甚至出售自动化注册脚本。 这说明，AI产品一旦把"免费"和"补贴"当成拉新武器，最先冲进来的未必是真用户，可能是套利者。 免费用户在互联网时代是一种增长资产，留着慢慢转化就行；但在AI时代，免费用户随时可能变成一个成本黑洞——他越爱用、越会用、用得越频繁，公司流出去的真金白银就越多，这中间甚至不需要他怀着恶意，只是正常的"反复试、反复改、反复抽卡"，配合上面这几种现成打法，就足够让一个补贴预算迅速见底。 一场注定算不平的账 中转站把"低价换规模"这套逻辑，推向了最极端的版本。它卖的是低价、不限量和"模型平权"，背后却要承受最真实的按量成本——一边是25元月租、不限额度、折扣积分这些诱人的拉新话术，另一边是上游按Token结算、随时可能被封号、还有一群人专门盯着漏洞做高频套利。这套生意只要风控稍微粗放一点，商家就不是在赚差价，而是在替每一个用户垫付算力——前面那个"25元月租撑不住每日120美元额度"的样本就是缩影：它没有大厂的资金储备去抗这种消耗，还没等到规模效应跑出来证明商业模式，账上的钱已经先被自己的用户和那套套利打法一起掏空了。所以，中转站不是AI应用成本问题的例外，而是它最赤裸的版本。 很多AI创业者还在沿用互联网时代的旧剧本：先用低价、免费、补贴把用户拉进来，再慢慢想办法变现。但这套剧本成立有一个隐藏前提——用户增长带来的边际成本足够低。传统互联网产品多一个用户，平台增加的是相对可控的服务器、带宽和运营成本，软件本身已经写好，服务可以被低成本复制，只要规模起来，总有机会通过广告、会员、抽佣或增值服务把前期补贴摊回来。AI应用不是这样：它不是把一套写好的软件复制给用户，而是在每一次使用里重新交付一次智能服务——用户多问一句，模型就多推理一次；多生成一张图，系统就多消耗一次算力；多跑一轮Agent，后台就可能多调用几次工具、多重试几次失败步骤。这意味着，在很多AI产品上，增长曲线和现金流曲线第一次可能变成反方向：用户越多，账单越厚；使用越深，成本越高；补贴越大，亏损越快。创业者以为自己等来了增长，结果可能只是等来了一群更会消耗算力的人。 连巨头也开始重算Token账 如果说中小创业者死于"补贴换增长"的旧剧本失灵，那么大公司最近暴露的问题说明，这其实是AI这门生意本身的结构性麻烦，跟公司大小关系不大。 据多家科技媒体报道，微软旗下负责Windows、Microsoft 365、Outlook、Teams等产品线的"体验与设备"部门，要求团队在2026年6月30日财年结束前停止使用Claude Code，转向自家GitHub Copilot CLI。该部门副总裁Rajesh Jha给出的理由是Copilot CLI能让微软"直接参与塑造产品，贴合自家代码库、工作流和安全要求"，但多家媒体的报道都指出，这背后也有压低运营成本的考量——Claude Code在过去半年里恰恰在微软员工中迅速走红。 Uber的处境被自己的COO公开摆上了台面。据Fortune报道，Uber在2026年还没过去四个月，就已经烧完了全年的AI编程工具预算。COO Andrew Macdonald在内部坦言，公司很难把飙升的token消耗和实际产出对应起来："很难把这些数据和'我们确实多产出了25%有用的消费者功能'这件事划上等号"，"如果没法直接证明这笔钱换来了多少实际功能，这笔交易就越来越难站得住"。 Uber真正头疼的，从来不是"花多了"，而是"不知道钱到底花值了没有"——这和中小创业者面临的，其实是同一个问题。 传统软件的成本是可预期的：买多少席位，付多少钱，员工用得越多，通常说明工具越有价值。但AI工具不是这样——一个工程师点下"让Agent修这个bug"，后台可能只是读几段代码，也可能拉完整个仓库上下文、跑测试、失败、重试、再重写一遍。用户看到的是一次任务，财务看到的是一串不可预测的Token消耗。 斯坦福数字经济实验室的研究把这个问题量化了：同样是编程任务，Agent式任务消耗的Token量，最高可以达到普通代码问答、推理类任务的1000倍；同一个任务重复跑多次，Token消耗本身也可能相差30倍。这意味着，AI工具最麻烦的地方不是"贵"，而是"贵得不稳定"——在传统SaaS里，预算超了，至少知道多买了多少席位、多服务了多少人；在AI工具里，预算超了，可能只是因为某些任务多绕了几圈、某些Agent多读了几遍上下文，却被账单完整记录下来。 Uber的困境正是这套不确定性在财务报表上的投影。这也是为什么AI工具很难继续用传统软件订阅逻辑来理解——传