当微软都补贴不起的时候
2026 年 5 月，微软在 GitHub Copilot 的开发者博客上发了一份不算热闹的公告：从 2026 年 6 月 1 日起，Copilot 全面切换到 token-based billing。原本被叫做 premium request 的”高级请求额度”将不再适用，所有 agentic 行为按 token 计费，超出免费额度的部分用户自己买单。官方给出的措辞克制——”agentic usage is becoming the default, and it brings significantly higher compute and inference demands”，附带一句”the current premium request model is no longer sustainable”。但拆开看，这是过去一年里 AI 行业最重要的一次定价模型让步。
这件事的分量不在条款本身，而在做出让步的是谁。在所有有能力把 AI 当作战略亏损项目长期做下去的公司里，微软排在最前面：它有云、有大模型、有从 Windows 到 Office 到 GitHub 的分发渠道，还有充裕的现金流去消化亏损。如果连微软都判断”现行 premium request 模型不可持续”，那么任何一家没有微软这种资产负债表的 AI 产品公司，理论上更没有继续 flat-rate 下去的余地。
更尴尬的是历史账。GitHub Copilot 上一代订阅是 $19 一个月、不设上限，结果在 2023 年 10 月就被曝出微软平均每个用户每月倒贴超过 $20，部分重度用户成本能跑到 $80 一个月；按当时单次 premium request 约 $11 的 token 成本反推，订阅价根本不够覆盖中位数以上用户的使用。微软扛了两年多，先是从无上限改为有额度的 premium request，再到现在干脆把账单递回给用户。这条曲线的尽头不是某一家公司的策略失误，而是整个行业第一次正面承认：在 LLM 这种业务上，按月收钱很难成立。
订阅制为什么不可能成立
订阅制能成立有一个隐含前提：平均用户的单位经济学不亏钱，重度用户造成的边际亏损能被轻度用户的”少用甚至不用”摊平。Netflix、Spotify、办公协作 SaaS——所有传统订阅模型都靠这条曲线活着。LLM 推理是另一类成本结构：边际成本不是接近零，而是相当高，方差还极大。一个偶尔写两段文字的设计师，和一个跑 agent 改一整个仓库的工程师，在 token 消耗上可以差出两个数量级。当最重 1% 的用户能消耗掉平均用户 50 倍以上的算力，flat-rate 模型在数学上就无法把账拉平。
这一点在 Anthropic 自己披露的 Claude Code 数据上看得最清楚。最初公司对外的口径是开发者平均每天烧 $6 的算力；到 2026 年 4 月，这个数字被向上修正到 $13/active day，月均算力成本被估到 $150 到 $250 一人。重度用户更夸张——按 $30/day 计算，单人月算力 $630、年化 $7,560，一个十人小组光是 Claude Code 一项就能跑出 $75,600 的年算力账单。这些数字不是某个唱衰者的拍脑袋，而是 Anthropic 自己更新的公开口径。它直接解释了为什么从 Cursor 到 Lovable，几乎所有以”按月订阅 + Agent 能力”为卖点的 AI 产品都在压低重度用户体验、加配额、加节流——他们手里没有微软那种能扛两年亏损的资产负债表。Cursor 在 2026 年 1 月披露的毛利率是负 23%，若把未付费试用纳入分母，毛利率是负 31%。
订阅制崩塌还有一层心理结构上的影响。过去三年里，几乎所有对 AI 能力的公共评价——记者的产品评测、博主的横评、CEO 在路演中讲的 ROI——都建立在一个共同的体验前提之上：用户每个月付 $20 上下，获得的是被严重补贴过的 token 消费体验。没有人真正按推理实际成本和模型实际工作量去使用过这些产品。一旦定价从订阅切到按 token，使用同样的能力将以另一种价格被感受到，公众对”AI 是否值得这笔钱”的判断也会被重新校准。GitHub Copilot 这次更新的真正意义在这里：它会把”AI 价值”从体验层面的形容词，强行翻译成一份逐条列项的发票。
Stargate 与一组没人正面回答的循环依赖
如果说订阅制崩塌是产品层面的事故，那么 Stargate 项目暴露出来的，是更上一层的资本结构问题。Stargate 是 OpenAI 联合 Oracle、软银等方推动的超大规模算力扩张计划，承载着 OpenAI 未来几年绝大部分的训练和推理需求。Oracle 在其中是核心算力供应方，从 2025 年下半年起密集发债：2025 年 9 月一次 $18B 公司债，2026 年 2 月又一次 $25B，外加 $20B 的 ATM 增发。截至 2026 年第一季度，公司围绕 Stargate 项目累计发债规模约 $115B，但公司自己披露的预期是，要把规划中的产能修完，还需要再投入约 $150B。最尴尬的是同期的现金流——Oracle 上一季度自由现金流是负 $24.7B。一个公司一边以历史最大规模发债，一边自由现金流深度为负，赌的是几年后某个客户给到的合同收入足够偿付这些利息和本金。
那个客户是谁？是 OpenAI。OpenAI 在内部和投资人之间流传的口径是，到 2030 年公司将累计烧掉约 $852B 算力支出，对应预期收入 $673B——这个差额本身已经触目，更关键的是 $673B 这个收入数字的达成路径，需要 OpenAI 在 2026 到 2030 之间维持每年 250% 以上的增长。作为参照，到 2028 年 OpenAI 年化收入将要超过 TSMC 全年营收的体量，到 2030 年要做到接近 Microsoft 的规模。这不是不可能，但作为偿债底盘资产，它是一种已经写好结局的乐观叙事，没有给任何意外留余地。Wall Street Journal 报道，OpenAI 自己的 CFO Sarah Friar 在内部曾对其他公司高层表达担忧——如果收入增长不够快，公司可能没有能力支付未来的算力合同。这不是外部唱衰者的转述，是 CFO 自己的话被记录下来。
围绕这条链条的几个细节进一步收紧了风险。Stargate Abilene 是这套计划里第一个旗舰数据中心，总投资估算 $52.8B，对应预期年收入约 $10B。截至 2026 年 4 月 22 日 Oracle 的最新进度披露，整个 1.2GW 规划中实际投运的算力只有 200MW。同期，Larry Ellison 个人将约 3.46 亿股 Oracle 股票用于抵押贷款，按当时股价估值约 $61.5B——这意味着如果 Oracle 股价因为 Stargate 进度或资金问题大幅回撤，会触发个人抵押层面的清算压力，而这种压力又会以股价进一步下跌的方式回到资本结构里。把 Ellison 的抵押贷款、Oracle 的发债负担、OpenAI 的增长承诺、以及 Stargate 工程进度全部串起来，整个链条的脆弱点不在某一环，而在它们相互之间的强耦合。
数据中心的单体经济模型本身也并不友好。一座 100MW 级别的现代化 AI 数据中心 capex 大约在 $4.4B 量级，在 100% 出租率、相对中性的资金成本和折旧假设下，毛利率大约是 16%。需要强调的是，这个数字对假设极度敏感——LTV 比例、资金利率、设备折旧年限、利用率，任何一个变量松一点结果就会改善很多，紧一点又能压到个位数甚至负值。原始文章选用的是接近 worst case 的参数组合，所以才能把毛利率压到非常难看的水平；但即使用相对中性的版本，AI 数据中心也仍然不属于高利润生意。到 2028 年底，行业累计宣布的 AI 数据中心算力是 114GW，目前在建的是 15.2GW；要让 114GW 全部满载并维持 16% 毛利率，对应的年收入需求量级是 $1.18 万亿——是当前整个 AI 行业总收入的若干倍。任何一个数据中心的财务模型，最后都要回到”找到一个能签合同的客户”这个问题，而到目前为止，这份客户名单基本只有几个名字。
把这个悲观情景放回光谱
讲到这里，需要把镜头拉远一点。前面所有的数字——订阅模型崩塌、Stargate 循环依赖、Oracle 现金流压力——都来自 Ed Zitron 在 wheresyoured.at 发表的一篇 2026 年 4 月 28 日的长文。Zitron 是过去两年里立场最鲜明的 AI 唱衰派，他文章里高频出现 fraud、con、banana republic 这类定性词汇，论证方式带着明确的预设：AI 是一场骗局，所有支撑这个泡沫的公司都在合谋。这种语调会让一部分本来站得住脚的论据被自动打折扣，所以有必要把他指出的事实部分从他给出的结论里分开来看。
事实部分是站得住的：GitHub Copilot 转 token billing 是公开公告；Anthropic 自己的成本数据是公司给的；Oracle 的发债规模和现金流是 10-K 和 10-Q 里查得到的数字；Sarah Friar 的担忧出自 Wall Street Journal。这些信号合在一起的意义不会因为 Zitron 的语气而改变——AI 行业当前的商业模型确实在被它的单位经济学倒逼着重写，Stargate 这条链条上确实存在过去几年市场没有给定价的尾部风险。
结论部分则需要打折扣。Zitron 几乎没有讨论任何反向力量，而至少有四条值得严肃对待。第一，算法效率本身在以非常快的速度提升，同等任务所需的推理算力，过去 18 个月里在多个公开 benchmark 上下降了一个数量级以上。第二，模型蒸馏让一部分原本只能由前沿大模型完成的任务，可以被参数小一到两个数量级的小模型以接近的质量完成，这直接改写了单位 token 成本。第三，推理硬件正在专用化，从 NVIDIA Blackwell 到下一代 Vera Rubin，再到 Google TPU 和一系列 ASIC 项目，单位推理成本曲线下降的速度可能不比 capex 上升的速度慢。第四，AI 应用本身的产品形态还在快速变化——agent、长上下文、batch 推理、模型路由，每一项都会改变同样一次”用户交互”对应的真实 token 消耗。把这四条力量考虑进来，五年之后的单位经济学和今天可能不是一个数量级。
更重要的是，”订阅制定价模型崩塌”和”AI 整体是骗局”是两件不同的事。前者是一个产品定价问题——把 flat-rate 换成 usage-based，行业仍然可以存在，只是估值模型、用户增长曲线、ARPU 计算方式都要重写。后者是一个文明级别的判断，需要的证据远不止订阅价跑不通。Zitron 在他的文章里把这两件事混在一起，是分析逻辑上最大的跳跃。把这个跳跃拆开之后，真正值得严肃对待的，是一组更具体、更狭窄、也更可验证的风险信号。
接下来真正该看什么
如果接受了上面这套分层判断，接下来 12 到 24 个月里有几件事是值得持续追踪的。第一件是 token-based billing 在头部产品上的普及速度。GitHub Copilot 是第一家，6 月 1 日生效之后，Cursor、Replit、Lovable 这一批 agent 优先的产品会不会跟进、跟进时的定价斜率有多陡，将直接决定整个 AI 应用层 ARPU 曲线的形状。如果半年之内主流产品全部切换到按 token 计费，订阅时代基本结束；如果切换很慢，说明厂商还在用 VC 的钱继续补贴，问题被推迟而不是被解决。
第二件是 Claude Code、Copilot 这一类产品的真实 ARPU 演化。Anthropic 自己披露 Claude Code 月均 $150 到 $250 一人，已经把订阅价天花板抬到了一个非常具体的位置。接下来需要看的是企业客户的真实付费意愿——当 IT 预算开始按工程师人头计算 AI 工具支出，单人 $1,800 到 $3,000 一年的开销能不能被 ROI 论证撑住。这件事会直接影响 Anthropic 当前 $5B 终生收入的增长曲线，也会决定 OpenAI 那条 250% 年增长能不能从企业端落地。
第三件是 Stargate 的资金里程碑和 Oracle 的现金流变化。Stargate Abilene 的 1.2GW 规划里目前只投运 200MW，剩下的工程进度、对应的 capex 释放节奏、Oracle 下一轮发债的规模和利率，每一项都是公开可查的数字。Ellison 个人质押的约 $61.5B 等值股票，构成了一个非常具体的回撤敏感点——如果 Oracle 股价因为任何短期信号回撤 20% 以上，整条链条上的杠杆都会被触发一次压力测试。
第四件是推理硬件成本曲线和算法效率曲线。Blackwell B200、Vera Rubin、各家 ASIC 项目、模型蒸馏与 MoE 路由——这些技术变量决定了”五年后跑同一类 agent 任务的 token 成本是今天的 1/10 还是 1/100″。如果效率曲线确实在 18 到 24 个月里把单位推理成本拉下一个数量级，那么今天看上去崩塌的订阅经济学，有可能在 2027 之后被重新拉回可行区间。
第五件是 OpenAI 自己每一年的实际增长率。$673B 的 2030 收入目标分摊到 2026-2030 每年，对应的是一条非常陡的曲线。任何一年增速明显低于 250%，整个 Stargate 的偿债假设都会被市场重新定价。这件事在 OpenAI 的每一次估值更新、收入披露和企业合同公告里都会留下脚印。
回头看 Ed Zitron 那篇文章，把语调放下，剩下的不是一份 AI 行业崩盘预言，而是一份让人无法假装看不见的风险清单。AI 当前的商业化叙事——超大规模订阅、超大规模算力扩张、超大规模 ROI——确实建立在一组高度乐观、几乎没有为坏情景留缓冲的假设上。这套假设有可能被未来几年的技术效率和企业付费能力消化掉，也可能在 token billing 全面落地之后被市场一次性地戳破。两种结局都不极端，但它们对应的资产价格差距巨大。今天的市场还没有为这两种可能之间的距离做完定价。这本身，已经足够让认真的人多看几眼。
原文：https://www.wheresyoured.at/ais-economics-dont-make-sense/