AI 的补贴时代结束了——然后呢？

2026 年 3 月底，Google 做了一件所有人都预料到但没人想到这么快的事：大幅削减 Gemini 免费用户的 Pro 模型访问权限，限制学生计划中的高级模型选择，甚至在 250 美元/月的付费计划中也开始收紧配额。YouTube 博主 Theo（t3.gg）在他的视频中系统分析了这件事——他的核心判断是：AI 的补贴时代结束了。

▶ 观看完整视频：AI has a subsidization problem（Theo - t3.gg，37 分钟）

我觉得他说得对。但我想在他分析的基础上，把讨论推得更远一点：补贴结束后，AI 的使用格局会变成什么样？

1 补贴为什么必须结束

Theo 在视频里拆解了一个非常直观的经济学逻辑。以 Anthropic 的 Claude Max 计划为例：200 美元/月的订阅，实际上可以让用户消耗价值高达 5000 美元的推理算力——这是一个 25 倍的补贴率。Google 的 Gemini 甚至一度以免费的形式发放价值数千美元的推理。

这个模式为什么不可持续？核心问题是token 消耗量的指数级增长完全抵消了 token 单价的下降。

2023 年，一条聊天消息可能只产生 200 个 token。但到了今天，AI 编程助手（如 Claude Code、Cursor、Codex CLI）的工作方式是：把整个代码库塞进上下文窗口，多轮工具调用，推理链（reasoning tokens）可能动辄产生数万甚至数十万 token。一条"简单"的编程指令，背后的成本差距可以高达 400 倍。

更关键的是，免费用户的单位经济模型根本不成立。Theo 用自己的 YouTube 频道数据打了一个非常生动的比方：他每月约 300 万播放量、2 万天观看时长，YouTube 广告收入大约 9000 美元——折合每次播放不到 0.3 美分。而一条 AI 提示的成本可能超过 1 美元。靠广告收入覆盖推理成本，这个数学根本算不过来。

但 Theo 没有展开讲的一个重要判断是：大量免费 token 的获取将不会成为常态，用户最终需要为有价值的 token 支付更多费用。背后的根本经济学原因是：大部分用户目前免费占用的额度，远远超过他们利用这些额度所创造的价值。模型商的让利本质上是一个无底洞——它不是投资，而是消耗。当资本市场开始要求 AI 公司证明盈利能力时，这种消耗就会被无情地叫停。

2 免费的真正代价

Theo 在视频中提出了一个非常有洞察力的用户分层模型。用户可以按付费意愿排列在一个光谱上：

• "如果免费我就试试" 的用户——这部分人是补贴策略最想捕获的对象
• "如果更好我就付费" 的用户——这是真正的金矿
• "只有免费我才用" 的用户——这是死亡陷阱

Google 通过极度慷慨的免费策略，成功把大量用户吸引到了 Gemini 生态。但问题是，当你的产品不够好时，你捕获的主要是最后一类用户——他们永远不会转化成付费用户，同时消耗大量算力和支持资源。Theo 直言："$100 的客户会要你所有的时间和注意力，$1000 的客户只会说'看起来不错'"。免费用户往往比付费用户更昂贵。

所以补贴结束不仅是一个成本问题，更是一个用户质量问题。Google 意识到自己不小心把大多数 GPU 算力分配给了永远不会付费的用户，甚至因此影响了自己内部开发者对高级模型的访问。

3 本地算力：被低估的下一个增长点

在讨论 AI 的未来成本结构时，大多数人聚焦在"云端推理会不会更便宜"。但我认为一个被严重低估的趋势是：本地算力会成为整个 AI 体系的重要组成部分。

原因有三：

第一，日常 AI 任务的 token 消耗模式决定了本地推理的经济合理性。 以我自己为例，我怀疑自己使用 AI 的大部分 token 都花在了 git-commit skill 里——自动生成 commit message、分析代码变更。或者是一些简单的推理任务：文本分类、格式转换、简单的代码补全。这些任务不需要 GPT-5 级别的智能，但它们数量巨大、频率极高。把这些任务从云端卸载到本地，可以释放大量云端 token 预算给真正需要高级推理能力的任务。

第二，专用推理硬件的价格正在逼近拐点。 类似 Mac Mini 之类的个人设备，或者未来可能出现的专为本地推理设计的个人硬件，其年度运营成本（硬件折旧 + 电力）正在接近甚至低于一个重度用户每年在云端 token 上的花费。一旦这个交叉点到来——即一年的普通需求 token 费用超过运营本地推理硬件的成本——理性用户就会开始向本地迁移。

第三，模型能力与硬件能力正在双向奔赴。 一方面，像 GLM-5 级别智能的模型正在被优化到可以在消费级硬件上运行；另一方面，AI 模型技术本身在发展——量化、蒸馏、稀疏化——使得同等智能水平需要的算力持续下降。当一台合理的个人设备能够流畅运行足够聪明的模型时，本地推理就不再是一个妥协方案，而是一个理性选择。

这三条趋势线交汇的结果是：本地算力会大幅缓解目前的 token 压力。AI 的成本结构将从"全部依赖云端"转向"本地处理日常任务 + 云端处理高价值任务"的混合模式。

4 补贴结束后的 AI 生态

当补贴时代正式落幕，我预期 AI 生态会发生几个结构性变化：

定价分层会更加激进。 模型商需要找到"用大量轻度用户的低使用率补贴少量重度用户的高使用率"的平衡点。$20/月的入门级订阅可能只会提供"足够好但不是最好"的模型访问，而真正的旗舰模型会越来越贵。Anthropic 的 Claude Max 和 OpenAI 的 ChatGPT Pro 已经在展示这个趋势。

中间层产品的生存空间会被挤压。 像 Cursor 这样的第三方工具，本质上是模型商和终端用户之间的中间人。当模型商（Anthropic、OpenAI）自己推出了 Claude Code、Codex 这样的直接产品，并且有强烈动机把用户锁定在自己的生态中时，中间层的谈判力会持续下降。Theo 在视频中提到了 Anthropic 甚至动用律师来阻止第三方工具加载 Claude Max 插件——这已经是非常明确的信号。

用户会更加精打细算。 当"无限使用"的幻觉破灭后，用户会开始认真思考：哪些任务值得花云端 token，哪些可以在本地完成。这种理性回归对整个生态其实是好事——它会推动模型商在性价比上竞争，而不是在补贴力度上竞争。

5 写在最后

Theo 的视频标题是"AI has a subsidization problem"——AI 有一个补贴问题。但更准确地说，AI 有一个免费午餐终将结束的问题。

对个人用户而言，我的建议是：认真评估自己的 token 消耗模式，识别哪些是"高价值消耗"，哪些是"习惯性消耗"。对于后者，是时候开始研究本地推理方案了。一台 Mac Mini 的年度成本可能比你想象的更接近你的云端 token 账单。

对行业而言，补贴的结束不是危机，而是正常化的开始。AI 的真正商业模式才刚刚开始被定义——它不会建立在"烧钱换用户"的互联网思维上，而是建立在"智能有价，推理有成本"的基本经济现实上。