KeyFrame內部研究專用

重度用户成了AI公司包袱?二十年来首次下滑!谷歌会被AI彻底“杀死”吗?生成式AI是如何重构传统互联网商业模式的

无之电台·6月21日週日·18 min中文

三句話摘要

AI大模型公司如何陷入商業困境:從「鏈接經濟」到「答案經濟」的利潤危機。 AI大模型本身無法構建護城河,真正的金礦在於誰能掌控生態,將大模型變成整個社會不可或缺的基礎設施。 「答案經濟」摧毀舊模式 — 當AI直接生成完整答案,用戶不再點擊網頁連結,導致整個互聯網廣告流量體系坍塌。搜索引擎既要滿足用戶需求轉向AI,又要保護自身廣告收入,陷入無解的左右互搏。

重點整理

重點
  • 1

    「答案經濟」摧毀舊模式 — 當AI直接生成完整答案,用戶不再點擊網頁連結,導致整個互聯網廣告流量體系坍塌。搜索引擎既要滿足用戶需求轉向AI,又要保護自身廣告收入,陷入無解的左右互搏。

  • 2

    單位經濟效益嚴重倒掛 — 傳統軟體邊際成本接近零,但AI是即時生成系統,每次推理都消耗真實算力。重度用戶每月消耗150美元成本但只繳20美元訂閱費,訂閱模式無法承載實際成本。

  • 3

    模型快速商品化,護城河消失 — 中國公司將API價格打到幾美分,開發者切換成本近乎零。模型本身已非稀缺資源,無法通過售價覆蓋高昂研發成本。

  • 4

    利潤只集中在基礎設施層 — 英偉達、台積電供不應求、定價權在手;Meta將AI嵌入廣告系統形成護城河;而OpenAI年營收數百億卻虧損近40億,本質上仍依賴融資輸血。

實用技巧與重點

乾貨
  • 數據與數字:
  • 2026年全球搜尋零點擊率:64.82%
  • 移動端零點擊率:77%
  • Perplexity純AI搜尋零點擊率:93%
  • 每日約55億次搜尋用戶看完答案直接關掉頁面
  • AI單次搜尋成本:傳統搜尋的幾十倍(2024年初)
  • OpenAI 2025年支付微軟算力費:超100億美元
  • OpenAI估計年淨虧損:約40億美元
  • 中國模型API定價:零點幾美元/百萬Token(西方模型定價5美元以上)
  • 具體案例:
  • Chegg線上教育網站:流量暴跌50%
  • Copilot改革:從固定收費轉按使用量計費
  • Anthropic 6月發佈模型遭美商務部「90分鐘生死限令」,被迫全球下架
  • Meta硬體折舊年限:從4-5年延長至5.5年,帳面多增數十億美元「利潤」
  • 技術與模式:
  • 路由優化:簡單問題丟給輕量級小模型,複雜問題才調用大模型
  • 提問上限、長文字數限制等使用門檻管制
  • 「贊助引用」、商品輪播圖等新廣告形式測試中

結論

結論

AI大模型本身無法構建護城河,真正的金礦在於誰能掌控生態,將大模型變成整個社會不可或缺的基礎設施。

完整解析

詳細

2025年6月,谷歌這位互聯網搜尋領域的絕對統治者在內部緊急召開航向調整會。觸發這場內部風暴的,不只是股價蒸發2500億美元,而是一個更深層的危機信號——蘋果在反壟斷法庭上無意中透露,Safari瀏覽器中的谷歌搜索量出現了二十年來的首次下降。這背後的原因並非用戶不再上網,而是大量年輕、聰慧的用戶正在把問題直接拋給ChatGPT、Perplexity這樣的生成式AI助手。用戶習慣被永久改變了。

這場轉變的核心是互聯網商業模式的根本性崩塌——從「鏈接經濟」到「答案經濟」的轉換。過去三十年,搜尋引擎的遊戲規則很簡單:用戶搜「紐約旅遊攻略」,引擎給一排連結,用戶點進去,流量導向內容網站,網站靠廣告變現,搜尋引擎靠競價排名賺錢。但AI時代,這套玩法被徹底改寫。AI直接生成一份圖文並茂的完整行程單,用戶還需要點那些原始網頁嗎?數據言明一切:2026年全球搜尋的零點擊率已飆升至64.82%,也就是每天約55億次搜尋中,用戶看完AI答案就直接關掉。在Perplexity這類純AI搜尋引擎上,這個數字甚至高達93%。

與此同時,大模型公司面臨著一個前所未有的單位經濟危機。傳統軟體是「邊際成本接近零」的事業——一個修圖軟體寫好後,一萬人用和一百萬人用的伺服器成本差異微乎其微。但生成式AI徹底推翻了這個邏輯。它更像是一位被雇傭的數位知識工作者,每次用戶敲下回車鍵,背後都要在成千上萬個GPU上調動數千億個參數進行即時複雜運算。2024年初,單次AI搜尋成本是傳統搜尋的幾十倍。即便谷歌後來通過自研省電晶片和輕量級模型降低了成本,仍遠超傳統搜尋。這導致了一個怪誕現象:重度用戶成了公司的財務包袱。假設一位重度用戶每月消耗的算力成本高達150美元,但訂閱費只有20美元,公司相當於每月倒貼130美元給這個「鐵粉」。到2026年,原來承諾「無限使用」的AI工具都在悄悄改規則,微軟Copilot從固定收費改為按使用量計費,企業也在進行「路由優化」——簡單問題丟給便宜的小模型,只有複雜任務才調用昂貴的大模型。

這場商業困境的另一層真相是,大模型本身正在快速商品化。中國公司的價格戰將API調用價格砍到零點幾美元,而西方主流模型曾定價五美元以上。開發者切換模型的成本近乎零——誰便宜誰好用就用誰,這如同買礦泉水,水質差不多就不會為一瓶水支付十倍溢價。無法通過漲價收回高昂研發成本。與此同時,三道物理天花板正在束縛AI的擴張:能源與電力供給、縮放定律的邊際遞減(模型在常識對話上已見頂,進一步提升需指數級算力投入)、以及日益升溫的監管與地緣政治風險(如Anthropic今年6月發佈的模型因網路漏洞偵測能力強被美商務部要求90分鐘內下架)。

利潤究竟流向誰?格局非常清晰。真正的贏家是「賣鏟人」——英偉達、台積電等底層硬體供應商,他們定價權完全在握,無論模型公司如何廝殺,最後都得買晶片。其次是「做首飾人」——Meta將AI嵌入廣告系統提升轉化率,量價齊升,甚至通過會計技巧(將硬體折舊年限從4-5年延長至5.5年)帳面增利數十億。而「挖金人」——OpenAI、Anthropic等原生AI企業,營收雖高(OpenAI年化營收數百億),但虧損更龐大(OpenAI年淨虧損近40億美元),本質上仍依賴融資續命,尚未證明自我造血能力。

未來的商業重構有跡可循。首先,訂閱制會徹底瓦解,取而代之的是精准按量計費——你用多少Token付多少錢,不同功能分級收費。更高級的模式是「按成果計費」——用戶不為對話買單,而是為完成的閉環任務(如搶到特價機票、找出代碼漏洞、簽署法律合同)支付傭金。最終的護城河絕不是模型本身,而是生態控制力。正如谷歌不是靠網頁搜尋本身賺大錢,而是通過搜尋入口控制數位廣告市場;微軟不是靠Windows光碟賺錢,而是通過作業系統建立企業辦公生態。AI企業的終局優勝者,將是能將大模型變成社會運行、企業工作流、開發者網路中不可或缺的智慧基礎設施的公司——讓無數企業基於其技術搭建專屬工作流,讓無數開發者在其平臺開發應用,形成封閉繁榮的生態圈。只有這樣,才能在模型商品化時刻構築真正的終極防禦壁壘。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。