阿里主动公布了AI收入，但吴泳铭没有展开谈。百度被问及AI的回报节奏，李彦宏说“全球都还在早期”。Meta被问千亿美金资本开支何时回本，扎克伯格说“我们想确保自己没有投资不足”。 二来，它不是上市公司，没有季报年报、没有股东大会、没有分析师追问——能力到底有多强？成本到底是多少？收入到底真不真？字节完全可以不说，也可以选择性地说。 不去打个榜，好像就out了。MMLU、CEval、SuperCLUE、Chatbot Arena、AGIEval、MATH、HumanEval、GSM8K、MMMU、CMMLU……综合的、中文的、推理的、代码的、长文本的、多模态的、Agent的，每一个细分维度都能拉出一张榜，每一张榜上都能找到一个“第一”。 其实打榜手法，业内人都门儿清：测试集泄漏一点（contamination）、cherry-pick自家擅长的几个benchmark发、避开弱项不发、同一道题不同prompt调到分最高的那次发……一套组合拳下来，“全球第一”就新鲜出炉了。 斯坦福基础模型研究中心（CRFM）和加州伯克利大学这两年发过几篇论文，专门讨论“benchmark contamination”，结论是：主流大模型的公开benchmark分数，普遍含水分，水多水少而已。 过去一年，豆包一路从Chatbot Arena的中游冲到前列，每一次模型迭代，发布会上都要刷新一组“第一”。火山引擎的营销口径里，“日均调用量第一”“中文综合能力第一”“多模态第一”轮番出现，某遥遥领先的大佬看到都得直呼内行。 跑得快当然是好事。问题是这些“第一”，到底是模型真的更强了，还是工程团队把“用户偏好”摸得更准了？Chatbot Arena这种盲测榜单，最近也被质疑——更长、更礼貌、更结构化的回答更容易赢，但赢了Arena，不等于真的更聪明。 不过，当用户口碑积累出来、当真正的差异化场景显现，纸面上的“第一”，迟早会和实际口碑出现劈叉。那个时刻，跑得最快、声量最大、“第一”刷得最密的那一家，预期回调最猛，这一点meta早有先例。 这逼得所有国产大模型价格集体跳水。阿里云迅速跟进，千问主力模型价格直降97%，1元可兑换200万Token，相当于5本《新华字典》的文字量。腾讯、百度也都只能跟进降价。 对大厂来说，Token经济学最关键要算一道题：你卖一个Token收多少钱，背后的算力、电费、芯片折旧、人力分摊加起来花你多少钱，差额是多少。差额为负只能是阶段性补贴，差额为正才能持续。外卖大战已经说明一切。这道题到了AI这里，去年之前没什么人算清楚过，今年算的人开始多了。 硅谷最硬核的芯片分析机构SemiAnalysis发过一份测算：以GPT-4级别的模型推理，单位Token的全成本（含芯片折旧、电费、机房、运维），按当前H100算力成本，大致在2-4元/百万Token区间。每家的模型大小、推理优化、批处理效率都不一样，但量级是差不多的。 这不是字节一家。阿里千问、百度文心、腾讯混元，主力API价格都在1-3元/百万Token区间，全部贴着或低于成本线。整个国内大模型API市场，目前是个集体亏损的市场。 OpenAI诚实一点。Sam Altman公开承认过“ChatGPT Pro 200美元/月订阅是亏钱的”——一个月200美元、用户重度使用，OpenAI还要倒贴。国内同行的账没明牌，但讲的是同一件事：当下的Token定价，普遍抹不平成本。 所有人还在降价，是因为这是一场赌未来的牌局——赌算力成本会随芯片迭代和推理优化继续下降，赌用户规模涨上去之后单位成本能被摊薄，赌竞争对手先撑不住、自己活到拐点。 从目前看，纯免费的C端AI产品，在算力成本面前没有商业模式。豆包App月活3.45亿，按行业平均推理成本算，光算力账单一年就是几十亿级别，这还不算训练分摊、硬件折旧，更不算人力和营销成本——字节有独步天下的广告能力，这个窟窿能补上，但总不能一直补。 900亿的AI算力投入，对着一个单位经济性为负的API市场、一个刚开始转付费的C端产品——这道题如果算得过来，字节就赢了世纪豪赌。算不过来，这可能就是国内AI最大的吞金黑洞。 OpenAI靠微软的财务接盘，亏损至少能从Azure毛利率变化里间接看到。Anthropic靠亚马逊和Google的接盘，亏损在两家的Cloud Capex里有迹可循。字节背后没有上市公司接盘，它的Token账单、推理亏损、AI单位经济性，都混进集团那口大焖锅，外界看不到。 微软抛出的是Azure FY25年收入750亿美元，阿里晒的是AI年化收入（ARR）达358亿元，Google讲的是云backlog一季度新增490亿美元冲到1550亿。腾讯、Meta不单列AI收入，给的是另一种数字：腾讯说“广告增量一半来自AI驱动”，Meta把2026年Capex指引拉到1000亿美元。 阿里披露的“AI相关产品收入”，包含了通义千问API、模型训练算力、向量数据库、AI推理服务——也包括所有“用了AI技术的传统云服务”。一台云服务器如果客户拿来跑AI训练，算AI收入。一个对象存储如果存的是训练数据集，算AI收入。一个数据库如果配了向量插件，也算AI收入。 一是PoC项目。大量企业客户买AI是为了试一下、看看效果，一个PoC合同跑三个月、五十万、技术验证之后，大概率不续约。很多这类钱被算进ARR，但明年就没了。 二是关联交易。微软给OpenAI的Azure积分、火山引擎给豆包的算力支持、千问给自己电商和钉钉团队的内部API调用——集团内部转账，会计上可以确认收入，业务上不是“市场需求”。 三是价格未来要降。AI业务现在的高单价是因为竞争还不充分，等到几家开源模型逼近Claude和ChatGPT水平、推理芯片国产替代、价格战进一步打——同样的调用量，明年的收入可能只有今年的一半。 微软今年一季度公布的AI ARR是370亿美元，已有多家媒体在拆这个ARR的“纯度”：370亿美元里到底多少是Copilot订阅、多少是Azure OpenAI算力转售、多少是原IT预算的“AI标签化”——微软至今没有公开拆分披露。 互联网的DAU、电商的GMV、云计算的云收入，每一次新指标出现，都伴随着一波估值狂欢。到了AI时代，这个被重新定义的指标，叫“AI收入”和“AI ARR”—— 不管这个口径的“纯度”有多高，现在先拼命往上喊，才能支撑起新的叙事。那些谨慎的、不愿大鸣大放的公司，会被认为是叙事失败者，会在估值上被狠狠惩罚。 这既是字节的优势，也是字节的隐患：现在没有一份财报需要把AI收入单拎出来接受市场拷问，估值故事可以一直按“国内AI老大”讲下去。一旦情绪降温、IPO预期重启，所有积压的"不披露"，会在那一刻一次性兑现。 到那时，市场会用对待阿里、对待腾讯、对待微软和谷歌的同一把尺子来拆字节的“AI收入”——纯度多少、关联交易多少、PoC占比多少、ARR的R有多少能Recurring。 模型榜单的水分、算力成本的窟窿、ARR的纯度——无需披露，是不上市的红利，甚至可能是字节AI的核心竞争力，可以无视市场先生的噪音，专注发展。
trap
trap
-->