AI主线在发生变化。最直接的信号不是发布会，也不是榜单，而是价格。

Epoch AI以GPT-4早期版本的能力水平作参照，发现同等水平模型的最低推理价格，从2023年3月的37.5美元/百万词元，降到2025年2月的0.18美元。降幅超过99%。Silicon Data的词元成本指数也指向同一方向：2026年5月28日阶段高点为2.0651美元/百万词元，到同年9月5日回落至0.9861美元，幅度52%。一个看固定能力的最低价，一个看市场实际支出的成本指数。口径不同，结论一致：同等智能正在快速变便宜。

这不是一次普通降价。它更像AI产品属性的切换。

过去，强模型是高门槛产品。能力稀缺，价格高，买家集中，模型层掌握定价权。现在，开源模型能力提升，闭源模型的“斩杀线”被抬高。闭源模型如果不能明显更强，就很难只靠出售词元维持溢价。价格战会压缩单纯卖词元的回报，并推动AI价值向上下游扩散。上游是硬件、算力、部署和数据；下游是内容、游戏、广告、办公、交易、本地服务。模型层仍然重要，但它越来越像基础设施。基础设施的特征不是单次售价高，而是调用量大、覆盖广、嵌入深。

这个阶段已经开始出现。不是未来时，是现在进行时。

价格下降之后，需求才会真正露出来

当“贵资源”变成“可普及要素”，需求往往会加速释放。历史给过两次很清楚的参照。

先看美国IT革命。1985年至1990年，信息处理设备价格下降46.5%，实际消费数量扩大至约5.5倍。到1995年，价格较1985年下降80.7%。此后，实际消费数量的增长进一步加快。2000年较1995年，实际消费数量扩大至约8.7倍。这里有一个顺序：价格先降，数量后起；价格降得足够深，数量增长才真正提速。不是因为人们突然需要更多设备，而是因为成本约束被松开后，原本被压住的需求开始显形。

4G推广更像近景。2011年至2013年，中国移动数据流量平均资费由369元/GB降至205元/GB。降幅不小，但绝对水平仍高。同期，户均月度移动数据流量仅由约73MB升至139MB。用量在涨，却没有爆炸。原因不难理解：资费还没有低到让大多数人放心用、持续用、把视频和交易搬上去。

2013年底4G牌照发放，2014年进入规模商用。之后，资费进一步快速下探。2014年至2018年，移动数据资费由131.3元/GB降至8.5元/GB，下降93.5%。同期，户均月度移动数据流量由约0.20GB升至4.42GB，扩大至约22倍。前一段是温和增长，后一段是数量级跳升。差别不在需求忽然出现，而在价格跨过了某个阈值。阈值之前，需求被成本压着；阈值之后，需求被释放出来。

AI现在就在靠近这个阈值。

词元成本下降，首先会提高调用量。调用量上升，又会继续带动上游硬件需求。这个链条并不复杂：单位智能便宜，更多任务才值得交给模型；更多任务被交给模型，推理、部署、算力、数据流转就会增加。与此同时，AI也更容易进入内容、游戏、广告、办公、交易和本地服务等高频场景。高频场景的特点不是单次调用贵，而是次数多、黏性强、与交易和决策离得近。模型层价格一旦稳定甚至继续下降，AI价值由模型层向上下游扩散的逻辑就会进一步强化。

过往科技浪潮的经验都表明，要素成本下降之后，更大的增量往往出现在应用层。

4G释放的不是流量，是高频应用

智能手机和应用商店在3G时代已经完成终端和分发体系的铺垫。4G的作用，不是从零创造终端，而是把移动互联网进一步推向视频化、实时化和交易化。

2013年，手机视频和手机网络游戏用户同比分别增长83.8%和54.5%。2014年，手机超过PC成为网络视频第一终端。到2016年，网约车和网上外卖用户均已超过2亿。2018年，短视频用户达到6.48亿，手机网络支付用户达到5.83亿。低成本连接最终释放的，并不只是更多流量，而是催生了视频、游戏、支付、电商、本地生活等一批新的高频应用。

这条路径对AI有直接参照意义。模型价格下降，不会只让“聊天”更便宜。它会让更多原本不划算的调用变得划算。比如内容生产、游戏交互、广告投放、办公辅助、交易决策、本地服务匹配。它们不一定是模型公司直接卖给用户的产品，却可能是平台公司、应用公司和行业公司手里的高频入口。模型能力越像基础设施，应用层越有机会重新分配价值。

于是，竞争重心会从“谁的模型更强”，转向“谁更会用AI”。

这句话听起来像口号，但背后是成本结构变化。模型层价格高时，优势集中在少数能训练、能推理、能承担成本的公司手里。模型层价格下降后，优势会向另一端移动：谁有场景，谁有用户，谁有交易闭环，谁能把AI塞进已有流程，谁就更容易把便宜智能变成实际收入。模型仍然重要，但模型不再是唯一护城河。甚至可以说，当模型能力差距被开源和价格战不断抹平时，单纯拥有模型本身，越来越难构成长期溢价。

中国平台公司的比较优势将被重估。原因不神秘。词元成本下降，一方面会提高调用量，继续带动上游硬件需求；另一方面，也会使AI更容易进入内容、游戏、广告、办公、交易和本地服务等高频场景。中国平台公司长期在这些场景里经营，拥有复杂的用户触达、交易链路和服务网络。过去，AI成本高，很多场景只能试点，不能铺开。现在，同等智能快速变便宜，试点和铺开之间的成本墙在变薄。平台公司未必需要自己造最强的模型，但它们可能更擅长把模型变成产品、流程和交易。

这也是AI价值链扩散的关键：价值不会只停在模型层。

模型层像基础设施，应用层才像利润区

价格战压缩单纯出售词元的回报，这不是坏事，也不全是好事。对模型公司来说，卖词元越来越像卖带宽、卖云存储、卖算力。规模重要，利用率重要，成本控制重要，但单点溢价越来越薄。对上游来说，调用量增加会带来硬件和部署需求。对下游来说，便宜智能会变成新的生产要素。真正的问题变成：谁能把便宜智能转化为高频使用，谁能在使用中形成数据、流程和交易闭环。

这就是“从高门槛产品向基础设施化演化”的含义。高门槛产品靠稀缺定价，基础设施靠普及定价。高门槛产品追求单次能力惊艳，基础设施追求稳定、便宜、无处不在。高门槛产品的竞争是“我比你强”；基础设施的竞争是“我比你更便宜、更可靠、更容易被调用”。当模型能力提升到一定水平，闭源模型的斩杀线被抬高，价格战就会把行业推向后者。

美国IT革命和4G的经验都说明，要素价格下降后，需求会从被抑制状态转为释放状态。但释放不是自动的。它需要终端、分发、支付、场景和习惯的配合。3G时代已经完成智能手机和应用商店的铺垫，4G才把移动互联网推向视频化、实时化和交易化。AI也有类似前提。模型能力、开源生态、云服务、开发工具、平台场景，已经铺了很多层。词元价格继续下探，可能把这些层真正连起来。

这条线不会笔直。价格下降不等于所有AI应用立刻赚钱。基础设施化也可能带来同质化。模型层仍然会有人靠能力领先拿到溢价，上游硬件也会经历周期波动。但方向已经出现：同等能力的智能正在快速变便宜，单纯出售词元的回报被压缩，AI价值向上下游扩散。竞争重心从“谁的模型更强”，转向“谁更会用AI”。

现在再看AI主线，变化不在某一个模型又多了几分，而在价格把行业推到了另一个阶段。模型层越来越像基础设施，应用层越来越像利润区。中国平台公司的比较优势，也会在这个过程中被重新评估。词元成本下降，提高调用量，带动上游硬件需求；同时让AI更容易进入内容、游戏、广告、办公、交易和本地服务等高频场景。模型层价格稳定甚至进一步下降之后，更大的增量，大概率会出现在应用层。

这不是情绪判断，是价格、历史和场景共同指向的结果。