AI 用量包（AI Usage Credits）

3 秒看懂

一句话定义：AI 用量包是 AI 服务提供商将模型推理/训练算力打包为可预付费额度单元的商业化计费模式，本质是AI 服务的”流量套餐”。

关键词：预付额度 · Token/请求/算时计量 · 弹性消耗 · 锁定客户LTV

3 分钟产业解释

这东西为什么出现？

大模型服务的成本结构与传统 SaaS 截然不同——每一次 API 调用背后都有真实的 GPU 算力消耗。对服务商而言，收入与成本强相关，不能简单包月；对用户而言，按次付费的单价往往偏高且不可预测。

AI 用量包的诞生填补了双方需求的中间地带：

商业本质

传统云服务：  按 IaaS/PaaS 资源计费（vCPU·h / GB·h）
AI 用量包：  按应用层产出计费（Token / 请求 / 生成次数）
               ↑
         更靠近终端价值，定价权更强

这不是技术概念，而是一个商业模式/计费框架创新，位于 AI 产业链的价值变现层。

15 分钟专家深入

一、计量维度拆解

AI 用量包的核心在于”用什么单位计量”，目前业界主要有三条路线：

① Token 计量（主流）

• 以输入+输出 Token 数为消耗单位
• 典型场景：文本生成、对话、代码补全
• 代表：OpenAI API、Anthropic Claude API、Google Vertex AI

② 请求次数计量

• 单次 API 调用 = 1 个额度单位，不区分长短
• 适合固定长度输出场景（分类、嵌入等）
• 代表：部分图像识别、嵌入（Embedding）服务

③ 算力时长计量

• 以 GPU 秒/分钟为单位，底层追踪实际计算资源消耗
• 适合自定义模型部署、微调场景
• 代表：云厂商的 GPU 实例计费（Azure ML、AWS SageMaker 等）

二、定价机制经济学

              单价 ($/1K tokens)
                   ↑
    按次付费 ████████████████  ← 最高，无承诺
    小额包   ████████████      ← 中等，轻度折扣
    大额包   ████████          ← 较低，批量折扣
    企业合约 ██████            ← 最低，承诺消费额
                   └──────→ 购买量/承诺额

经济学本质：

• 价格歧视工具：不同消费能力的用户支付不同边际成本
• 需求预测机制：预付额=用户对未来用量的”投票”
• 转换成本构建：额度未用完→用户粘性，平台锁定效应

三、供给端成本结构

AI 用量包的定价底线取决于底层算力成本：

⚠️ 具体毛利率数据各厂商未充分披露，行业普遍估计推理服务毛利率在 40-60% 区间（定性估算，非精确披露数据）。

四、额度管理的隐性复杂度

1. Token 不等价：1000 Token 英文 ≠ 1000 Token 中文 ≠ 1000 Token 代码，不同语言/任务的计算消耗差异显著
2. 输入输出不对称：多数平台对输入 Token 和输出 Token 分别定价，输出通常更贵（自回归生成的计算开销）
3. 模型差异化定价：同一平台不同模型的 Token 单价可能差数倍（如基础模型 vs 推理增强模型）
4. 额度时效性：部分用量包设有效期（月度/年度清零），形成”不用即废”的消费压力

技术原理

AI 用量包本身是商业层概念，但其计量基础依赖底层技术追踪机制：

┌─────────────────────────────────────────────────────┐
│                    用户 API 请求                      │
└─────────────────────┬───────────────────────────────┘
                      ▼
┌─────────────────────────────────────────────────────┐
│              API Gateway / 负载均衡                   │
│         ┌───────────────────────────┐                │
│         │   认证 → 配额查询 → 扣减   │                │
│         └───────────────────────────┘                │
└─────────────────────┬───────────────────────────────┘
                      ▼
┌─────────────────────────────────────────────────────┐
│                推理引擎层                              │
│  ┌─────────┐  ┌─────────┐  ┌─────────┐              │
│  │ Tokenizer│  │ Prefill │  │ Decode  │              │
│  │ (计数)   │  │ 阶段    │  │ 阶段    │              │
│  └────┬────┘  └────┬────┘  └────┬────┘              │
│       │            │            │                    │
│       └────────────┴────────────┘                    │
│                  ▼                                    │
│         Token 计数上报（输入/输出分离）                 │
└─────────────────────┬───────────────────────────────┘
                      ▼
┌─────────────────────────────────────────────────────┐
│              计费系统                                  │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐           │
│  │ 用量聚合  │→│ 额度扣减  │→│ 账单生成  │           │
│  └──────────┘  └──────────┘  └──────────┘           │
└─────────────────────────────────────────────────────┘

关键技术点：

• Tokenizer 层计数：在请求进入模型前完成 Token 化并统计数量，这是计量的源头
• 实时额度校验：API Gateway 层需在毫秒级完成额度充足性检查，避免超发
• 异步扣减与最终一致性：高并发场景下额度扣减可能采用异步机制，需处理并发冲突

技术演进史

注：时间线为定性梳理，非精确日期标注。

技术路线对比

上下游

上游（供给端）                     中游（平台层）                   下游（需求端）
┌─────────────┐              ┌─────────────────┐           ┌───────────────┐
│ GPU/加速器   │              │  AI 服务商       │           │ 企业客户       │
│ (NVIDIA/AMD/ │──供应──→    │  - OpenAI       │──售卖──→  │ (API集成)      │
│  国产替代)   │              │  - Anthropic    │           │               │
└─────────────┘              │  - Google       │           ├───────────────┤
                             │  - 字节/阿里/百度│           │ 开发者        │
┌─────────────┐              │                 │           │ (个人/初创)    │
│ 模型研发     │              ├─────────────────┤           ├───────────────┤
│ (预训练/微调)│──模型──→    │  云厂商          │           │ C端用户       │
│             │              │  - Azure/AWS/GCP│           │ (间接)        │
└─────────────┘              │  - 阿里云/腾讯云 │           └───────────────┘
                             └─────────────────┘

关键指标

供需与市场数据

需求侧

• 企业 AI 支出增长：企业级 AI API 调用预算近年快速增长，但具体增幅各来源口径不一，普遍趋势为 [定性：显著增长，未有统一权威数据]
• 开发者数量：全球接入 AI API 的开发者规模持续扩大，具体数字各平台披露口径不同

供给侧

• 推理成本下降趋势：随着模型架构优化（MoE 等）和硬件迭代，单位 Token 推理成本呈下降趋势，但具体降幅缺乏统一口径
• 算力供给：全球 AI 加速器供给仍处于紧平衡状态，产能瓶颈主要在先进制程与 HBM 供应端

定价参考（定性）

⚠️ 具体价格随模型、平台、时间频繁变动，此处仅给出量级感知：

• 主流大语言模型 API：输入价格约在 $0.1-10 / 1M tokens 量级，输出价格通常为输入的 2-5 倍（不同模型、不同厂商差异极大）
• 图像生成：单次约 $0.01-0.1 量级
• 嵌入（Embedding）：约 $0.01-0.1 / 1M tokens 量级

以上为行业观测量级，非精确定价，实际请以各平台官网为准。

代表公司与资本映射

投资逻辑

核心看点

1. AI 服务货币化的确定性路径：用量包是当前最成熟的 AI 商业化手段，验证了”用多少付多少”的可行性
2. 平台飞轮效应：用量包 → 用户粘性（转换成本与未用完额度形成的锁定效应） → 更多用量 → 更多预付，形成平台锁定飞轮
3. 收入可预测性：预付款模式改善了 AI 服务商的现金流可见性

风险与争议

1. 价格战压力：开源模型崛起 + 竞争加剧可能压缩单 Token 利润
2. 成本下降传导：推理成本下降是否被传导给用户还是被平台截留，影响定价权
3. 额度作废收入确认：未消耗额度的收入确认方式可能存在争议（GAAP 处理）
4. 技术替代风险：端侧推理、本地部署可能分流云端 API 需求

投资标的视角

• 纯正标的稀缺：多数 AI 用量包售卖方为非上市或大型科技集团的业务线
• 间接受益链：GPU 供应商（NVIDIA）、云基础设施、AI 应用集成商

常见误读纠偏

❌ 误读一：「AI 用量包 = SaaS 订阅」

纠偏：SaaS 订阅是固定月费、功能解锁；AI 用量包是消耗制，用完即止。前者卖功能，后者卖算力/产出。商业模式本质不同——SaaS 毛利高且可预测，用量包毛利与使用行为强相关。

❌ 误读二：「Token 数可以直接换算成算力成本」

纠偏：Token 数仅是计量单位，不同任务（长文本 vs 短文本、简单问答 vs 复杂推理链）的单 Token 算力消耗差异显著。服务商的定价中包含了利润、研发摊销、供需策略等多重因素，不能简单反推成本。

❌ 误读三：「额度包越多越便宜，批量采购一定划算」

纠偏：需要关注消耗速度 vs 有效期。如果采购量远超实际需求且额度有过期机制，“便宜”可能变成”浪费”。同时，AI 推理成本持续下降，今天的大额预付可能锁定在更高的单价上。

❌ 误读四：「所有 AI 服务都在向用量包模式转型」

纠偏：用量包主要是 API 调用层的计费模式。AI 产业链中仍有大量环节采用传统计费（如 GPU 实例按时计费、模型训练按项目计费、AI 软件按 seat 订阅等）。用量包不是唯一模式，而是针对标准化推理服务的优选模式。

学习路径

Level 1  入门
├── 亲自试用一个 AI API（OpenAI / 阿里通义等）
├── 观察 Token 计数和费用变化
└── 理解"输入 Token"和"输出 Token"的区别

Level 2  进阶
├── 阅读 OpenAI / Anthropic 官方定价页
├── 对比不同模型、不同任务的 Token 单价
├── 了解 Prompt 工程如何影响 Token 消耗
└── 学习云服务计费模型基础（AWS/Azure/GCP 定价文档）

Level 3  专家
├── 分析 AI 服务商的成本结构与利润空间
├── 研究推理优化技术（量化、蒸馏、KV Cache）如何影响成本
├── 追踪 AI 产业链供给瓶颈（GPU/HBM/先进封装）
└── 建立 AI 商业化模型：单位经济学、LTV、CAC

一句话总结

AI 用量包是大模型时代”卖水”的核心商业模式，将不可预测的算力消耗转化为可管理的预算单元，其定价权取决于模型能力壁垒与算力成本曲线的博弈。

延伸阅读与来源

数据与规格声明：本文中涉及的具体定价数字、市场份额、毛利率等数据，凡未标注精确来源的，均为行业观测量级或定性估计，不构成精确引用。实际数据请以各厂商官方披露为准。