上个月，我被一个问题困扰了很久。
DeepSeek把API价格打到原来的四分之一，小米跟进降价99%，腾讯云降幅97.5%——所有人都说这是"技术普惠"、“创业者的春天”。
但我盯着那些新闻看了半天，总觉得哪里不对。
如果降价这么好，为什么资本市场不买账？那些云厂商和模型公司，傻吗？主动把自己的"护城河"免费送人？
直到我想起了比尔·盖茨在《气候经济与人类未来》里讲的一个概念——“绿色溢价”。
那一刻，我突然理解了这场价格战背后真正的逻辑。
一、盖兹为什么研究气候变化？
很多人以为《气候经济与人类未来》是一本环保书。大错特错。
比尔·盖茨写这本书的视角，从头到尾都是一个投资人和工程师。他在问一个很简单的问题：人类有没有可能用更低的成本解决气候问题？
他提出了一个革命性的概念：绿色溢价（Green Premium）。
什么意思？
假设你是一家水泥厂的老板。现在用传统工艺生产一吨水泥，成本是800块，碳排放是0.8吨。如果你换成低碳工艺，成本变成1000块，碳排放接近零。
那么这200块的差价，就是绿色溢价。
再举一个更直观的例子。
石油的价格曾经比可乐还便宜。一桶42加仑的石油，售价不过40多美元；而同样容量的碳酸饮料，价格是它的2-3倍。
这就是化石燃料的"狡猾"之处：它们的价格没有反映出对环境的损害。但也正因如此，它们才如此难以被替代。
盖兹的核心逻辑是：零碳转型能不能成功，不取决于我们有多少环保情怀，而取决于我们能不能把绿色溢价降到零——甚至变成负数。
当清洁能源比化石燃料还便宜，谁还需要政府补贴？谁还会用脏能源？
这个逻辑在气候领域已经应验了。
十年前，国际能源署预测2040年全球每年要排500亿吨二氧化碳。如今仅仅十年过去，最新预测已经降到了300亿吨。
原因很简单：太阳能、风能、电动车的绿色溢价，从正变成了零，甚至变成了负。
中国西北的光伏电站，电价已经低于燃煤电厂。这不是政策强推的结果，是技术进步和市场力量共同作用。
就像盖兹在书中说的那样：“过去十年，我们把未来的预计排放量削减了40%以上。但这个成就并没有得到应有的公众关注。”
这场革命，始于绿色溢价归零。
二、AI领域正在重演"绿色溢价"的故事
现在，让我们把"绿色溢价"的框架，套到AI大模型上。
过去两年，大模型公司靠什么赚钱？
Token调用。
你用一次GPT-5.5的API，付一次钱。这笔钱就是AI的"token溢价"——用智能的成本，和不用智能的成本之间的差距。
DeepSeek V4-Pro的降价，本质上在做同一件事：把"token溢价"打到接近于零。
具体降到了什么程度？
- 输入（缓存命中）：0.025元/百万Token
- 输入（缓存未命中）：3元/百万Token
- 输出：6元/百万Token
这个价格，是GPT-5.5的三十五分之一。
换句话说，DeepSeek把AI的"绿色溢价"降到了原来的三十分之一。
钛媒体那篇文章说得更直接：“过去两年AI创业者最怕模型太贵，2026年他们要开始怕模型太便宜了。”
这句话，初听是调侃，细想是警告。
当一个东西免费了，靠它赚钱的整套逻辑就得推倒重来。
但问题是：谁愿意主动把自己的"护城河"拆掉？
答案只有一个：护城河已经不在Token价格上了。
三、价格战的真相：不是让利，是重新划线
很多人把DeepSeek的降价解读为"让利"或"内卷"。
错了。
如果我们仔细看DeepSeek的定价结构，会发现一个有意思的现象：缓存命中的价格，低到离谱；缓存未命中的价格，依然不便宜。
这说明什么？
DeepSeek不是在简单降价，而是在重新定义"基础服务"和"增值服务"的边界。
缓存命中=模型已经在"思考"过类似问题，直接复用答案，成本极低。这部分免费或接近免费，是"基础设施"。
缓存未命中=模型需要真正推理思考。这部分收费，是"智能服务"。
当"基础设施"变成白菜价，真正值钱的就变成了推理能力本身——也就是模型的"思考质量"。
这和气候经济的逻辑一模一样。
太阳能板便宜了，但"怎么让太阳能板在阴天也稳定发电"、“怎么设计更高效的储能系统”，这些能力反而更值钱了。
当原材料变成基础设施，竞争焦点就转移到了"加工能力"上。
盖兹在书中描述过一个现象：当电力变得廉价，人们以为电力公司要完蛋了。但实际上，电力公司不仅活下来了，还变得更值钱了——因为它们掌握了"把电力送到千家万户"的能力。
DeepSeek的逻辑如出一辙：Token价格降低，不是放弃利润，而是把利润从"Token销售"迁移到"推理服务"上。
四、市场正在分裂：两种模型，两种命运
36氪最近一篇报道用了这样一个标题：“AI定价彻底分化，大模型只剩两种活法，中间的先死”。
这话说得扎心，但基本准确。
目前的市场正在形成两极：
第一极：普惠派（以DeepSeek为代表）
- 策略：极致低价+开源
- 变现模式：靠规模、生态锁定、算力租赁
- 代表：DeepSeek V4-Pro、小米MiMo系列
第二极：高端派（以智谱GLM-5.2、Claude Fable 5为代表）
- 策略：维持或涨价，聚焦复杂推理、长链路Agent
- 变现模式：靠"稀缺智能"的高毛利
- 代表：智谱三天股价翻倍，靠的就是"提价反而被抢"的逆势逻辑
Claude Fable 5的价格是上一代的两倍——输入10美元、输出50美元——但依然被疯抢。
GLM-5.2的名义单价只涨了13%，但因为每个任务平均输出4.3万个Token（比上一代高出65%），单任务成本实际涨了近一倍。
为什么它们敢逆势涨价？
因为当一个模型真的比其他模型更聪明，能解决更复杂的问题，它就拿到了"智能"的定价权。
就像盖兹描述的那样：当一种清洁能源比化石能源还便宜时，谁还会用化石能源？但在那之前，总有人愿意为"更可靠"、“更方便"的化石能源付溢价。
AI领域同理：在"够用的AI"变得免费之后，“真正好用的AI"反而能收取更高的溢价。
而处于中间的那些模型——性能比DeepSeek强不了多少，价格却贵一大截——正在面临加速出清。
投资人说得好：“未来只有两种模型能活下来，要么足够出色，要么非常便宜。DeepSeek，就是那条横在所有人面前的生死线。”
这和《气候经济与人类未来》讲的一模一样。
光伏领域：隆基绿能把单晶硅成本打到全球最低，其他厂商跟进或不跟进都会被重新定价。
动力电池领域：宁德时代凭借规模优势和成本控制，主导行业定价权，二三线厂商艰难求生。
AI大模型领域：DeepSeek正在做同样的事——用技术降本，重新定义"智能"的基准价格。
竞争格局的底层逻辑从未改变——谁能把"溢价"降到最低，谁就能赢得大众市场；谁能在"溢价"降低后依然保持技术领先，谁就能守住高端利润。
五、技术降本的底气：为什么DeepSeek敢打价格战？
很多人以为DeepSeek是在"烧钱换市场”。
错了。
DeepSeek的底气，来自三重技术优势叠加：
1. 架构革命：稀疏MoE架构
V4系列采用混合专家（MoE）架构，每次推理只激活约3%的参数。
这意味着什么？
同样处理100万个Token，DeepSeek的算力消耗只有上一代产品的27%。KV缓存占用降至10%。
这不是软件优化，是从"怎么思考"这个底层逻辑上动刀子。
盖兹在气候经济中描述太阳能成本下降时说过：技术突破带来的成本下降，不是线性的，而是指数级的。当架构创新叠加工程优化，成本曲线会出现"膝盖弯”——过了某个临界点，成本会急剧下降。
DeepSeek的MoE架构，可能正在跨越这个临界点。
2. 国产算力适配：摆脱对H100的依赖
DeepSeek首次在官方技术报告中，将华为昇腾与英伟达并列写入验证清单。
昇腾950PR推理芯片的采购价，约为H200的三分之一到四分之一。在低精度推理场景下，效率表现突出。
这意味着什么？
当其他公司还在为H100的产能和价格发愁时，DeepSeek已经有了备选方案。
成本结构不同，定价空间就不同。
盖兹在书中反复强调一个观点：在绿色溢价斗争中，谁能率先实现"国产替代"，谁就能掌握定价主动权。光伏行业，中国企业凭借成本优势主导了全球市场；动力电池行业，同样如此。
DeepSeek正在AI领域复制这个逻辑：用国产算力，走出自己的降本之路。
3. 规模效应：调用量越大，成本越低
DeepSeek V4-Flash上线后，周调用量达到3.43万亿Token，登顶OpenRouter全球榜首。
这形成了一个飞轮：调用量越大 → 集群利用率越高 → 边际成本越低 → 价格可以更低 → 吸引更多用户 → 循环继续。
这不是补贴战，是技术驱动的成本革命。
就像光伏行业：规模每扩大一倍，成本下降15%-20%。DeepSeek的逻辑如出一辙。
更关键的是，这种规模效应形成了生态锁定：用DeepSeek的人越多，围绕DeepSeek的工具、教程、社区就越丰富，后来者的转换成本就越高。
盖兹在书中描述氢能经济的未来时说过：谁能率先建立"生产-运输-应用"的完整生态，谁就能定义行业标准。
DeepSeek正在AI领域做同样的事。
六、谁在真正获益？
那么，AI大模型集体降价，谁才是真正的受益者？
第一类：AI应用开发者
这是最直观的受益者。API成本断崖式下降，那些此前因为"Token成本太高跑不通ROI"的场景，现在可以重新验证了。
企业知识库：原来每年API费用要几十万，现在可能只需要几万。
智能客服：原来只敢在高频场景用AI，现在低频场景也能上。
代码助手：原来按次调用肉疼，现在可以敞开了用。
批量文档处理：原来只有大公司才能承担，现在中小企业也能负担。
这些应用层的玩家，终于可以松一口气了。
人民网分析认为：本轮API降价释放了三重信号，技术红利已转化为实际成本优势，行业竞争焦点从"单纯的性能比拼"转向"生态卡位"。
第二类：国产算力产业链
杰文斯悖论在AI行业正在上演。
当模型价格下降 → 调用量暴增 → 推理侧总算力需求反而上升。
杰文斯悖论的原意是：提高能源利用效率，反而会导致能源消费总量增加。因为更便宜了，用的人更多了。
AI领域同理：模型更便宜 → 用的人更多 → 推理算力需求暴涨。
利好的是：华为昇腾服务器、AI芯片、液冷散热、算力运维——整个算力基础设施链条。
和讯网的报道指出：AI产业的利润分配格局正在重塑——模型层的价格竞争越激烈，应用层和基础设施层的受益越明显。
第三类：行业交付型团队
这是最容易被忽视的一类受益者。
当"模型调用"变成白菜价，过去最难报价、最常被当免费售前的那些东西——流程理解、合规改造、责任兜底、定制化服务——反而开始显出稀缺价值。
因为客户从不买"模型"，买的是"能不能在我的业务里跑起来、出了问题有没有人负责"。
就像盖兹在气候经济中描述的那样：太阳能板便宜了，但"帮我设计一套家用光伏系统"的工程师依然很贵。
钛媒体的分析很到位：客户真正愿意付费的，不是"帮我生成一段文字"，而是"这套方案能不能接进我的系统、出问题谁负责、符不符合行业监管"。
模型把"生成"打成了白菜价，但把这套流程真正跑通、并且敢为结果兜底的能力，反而变贵了。
七、谁在承压？
有受益者，自然就有承压者。
第一类：纯API套壳应用
全部价值就是"调一个模型，再套层界面"。
模型降价带来短暂毛利改善，但很快被同行抹平。没有场景纵深、没有客户关系、没有交付能力的套壳产品，是最先被挤干利润的一批。
钛媒体分析得很清楚：共同成本下降，最终往往不会沉淀成利润，而会变成下一轮价格战的弹药。
第二类：无特色的中小模型厂商
既没有DeepSeek的极致成本优势，又没有前沿模型的技术壁垒，价格还贵——两头不靠。
这类玩家面临的，是加速出清。人民网在报道中指出：行业进入集中度抬升的洗牌阶段。
第三类：高价囤了H100的中间商
当国产算力崛起，H100的稀缺性下降。那些靠"算力囤积"赚差价的中间商，生存空间正在被压缩。
八、从"绿色溢价"到"智能溢价"：一个新框架
写到这里，我想用一个统一的框架，把这些现象串起来。
在《气候经济与人类未来》里，盖兹认为：人类解决气候问题的关键，是把绿色溢价降到零。
当绿色溢价归零，清洁能源就自发替代了化石能源，不需要补贴，不需要情怀。
在AI领域，一场类似的革命正在发生：把"智能溢价"降到零。
当"调用一次AI"变得像"发一度电"一样便宜，AI应用就会像电一样，无处不在，自然而然。
盖兹在书中举了一个例子：电力转型让美国的电价只上涨了15%，每月约18美元。但换来的，是几乎零碳的电力系统。
AI的"智能溢价"革命，可能也会有类似的轨迹：智能成本下降90%，换来的是几乎免费的智能服务。
但这个过程，有一个反直觉的结果：
智能本身越来越便宜，并不意味着智能的价值越来越低。
相反，当智能变成基础设施，围绕智能的"加工能力"——场景理解、合规改造、交付保障、责任兜底——反而变得越来越值钱。
就像电便宜了，但"设计电路"、“安装设备”、“维修维护"的工程师依然很贵。
盖兹说：“化石燃料之所以无处不在，是因为它们太便宜了。”
同样的逻辑正在AI领域上演：AI之所以还没有无处不在，是因为它还不够便宜。
当它足够便宜，一切都会改变。
九、普通人该怎么办？
说回开头那个问题：DeepSeek降价这么好，为什么资本市场不买账？
因为聪明的投资者看到了更深的一层：模型降价本身，并不能直接带来利润。
它改变的是成本结构，把"模型成本"这个变量从竞争方程中移除。
当所有人都站在同一起跑线上，竞争的焦点就变成了：谁能用这个免费的智能，创造出更贵的服务？
对于普通人来说，这个逻辑给我们三个启示：
1. 不要迷信"AI工具"本身
能写文章的AI工具满大街都是，能用AI工具持续产出高质量内容的运营能力，才是稀缺的。
能画图的AI工具一搜一堆，能用AI工具完成商业设计并交付的能力，才是值钱的。
能写代码的AI工具一箩筐，能用AI工具开发完整产品并上线的能力，依然很贵。
盖兹在书中说：“重要的不是清洁能源技术本身，而是把清洁能源送到千家万户的那套系统。”
同样重要的，不是AI工具本身，而是把AI转化为业务价值的那套能力。
2. 关注"智能之外"的技能
场景理解、需求挖掘、项目管理、沟通协调、风险控制……这些"人"的软技能，正在因为AI的普及而变得更有价值。
因为当"生成"变成免费品，“判断"就变得值钱了。
盖兹在气候经济中反复强调：“我们需要的不仅是技术创新，还需要系统性的变革——包括政策、商业模式、行为习惯的改变。”
AI时代同理：“我们需要的不仅是会用AI工具，还需要懂业务、懂用户、懂如何在AI时代创造真正的价值。”
3. 做一个"组装者"比做一个"生产者"更有前景
未来的职场，可能不是"你会什么AI工具”，而是"你知道该用哪个AI工具、用来解决什么问题、怎么组合它们”。
这是架构思维，是产品思维，是"把AI翻译成业务价值"的能力。
就像盖兹在书中描述的能源转型：最终获胜的，不是最会发电的企业，而是最会把电力转化为服务的生态系统。
十、结语：价格战的终局
写这篇文章的过程中，我一直在想一个问题：DeepSeek掀起的这场价格战，最终会把AI行业带向何方？
答案可能藏在盖兹的另一句话里。
在《气候经济与人类未来》中，盖兹写道：
“人类解决气候问题的最大希望，不在于牺牲和克制，而在于创新和企业家精神。”
“当清洁能源比化石能源更便宜时，谁还会用化石能源？”
同样，当"智能"比"人力"更便宜时——
谁还会用纯人工？
这不是AI的终局，这是AI真正普及的开始。
就像光伏和电动车已经深刻改变了能源行业和汽车行业一样，AI价格战正在为一场更大的变革——“AI普及化”——扫清最后的障碍。
盖兹在书中描述了2050年的愿景：届时，全球的建筑都能使用低碳水泥与钢铁；几乎所有新车都将是电动车；农业将更加高产且环保；电网能够可靠地输送清洁电力，而能源成本将持续下降。
类似的愿景正在AI领域成为现实：当"智能"变得无处不在且极其便宜，它将渗透到经济的每一个角落，重新定义什么是"可能"。
这场变革的受益者，不是那些最会"训练模型"的人，而是那些最会"用模型解决问题"的人。
就像气候经济中，真正的赢家不是光伏组件制造商，而是那些把光伏变成服务的公司。
盖兹在书中说：“化石燃料之所以成功，不是因为它们稀缺或昂贵，而是因为它们便宜、易得、便于使用。清洁能源要取得胜利，也必须做到这一点。”
AI的终极胜利，同样如此。
今日话题：
你在工作和生活中，有没有发现哪些"AI已经便宜到不可思议"的场景？AI成本下降，有没有给你的行业带来什么变化？
欢迎在评论区分享你的观察！
往期回顾：
标签： AI时代,技术变革,投资理财,商业思维
推荐书籍： 《气候经济与人类未来》- 比尔·盖茨
