最近很多人问我一个问题：
AI 是不是凉了？
他们的理由也很充分。
去年还在满屏刷新的大模型发布会，今年安静了很多。"百模大战"的声音小了。融资变难了。很多公司不再讲参数和榜单，开始讲降本、现金流和商业化。
但奇怪的是，另一边又完全不是这回事。
企业的 API 调用量在涨。算力订单还在排队。政企客户还在招标。云厂商、芯片厂商、行业方案商，比谁都忙。
所以，到底哪一面是真的？
都是。
这不是 AI 降温了，也不是行业又进入了新一轮狂热。
更准确地说，是中国 AI 产业进入了一次结构性转折：
上半场比嗓门，下半场比扎得深。
变的不是热度，是规则。
过去两年，大家比的是谁先发模型，谁参数更大，谁榜单更好看，谁能讲出一个更宏大的 AGI 故事。
但现在，牌桌换了。
新的问题不再是：你的模型强不强？而是：你的模型能不能进业务流程？能不能算清毛利？能不能让客户持续付钱？能不能过合规、过审计、过组织内部那一关？
中国 AI 的下半场，开始了。
一、"百模大战"为什么停了？
先说最表层的变化。
"百模大战"不是突然没人打了，而是这场仗的价值变了。
在早期，一个公司只要能拿出自己的通用大模型，就可以讲一个清楚的故事：我也有模型。我也有参数。我也能追上国际前沿。我也有机会成为中国版 OpenAI。
那个阶段，资本愿意为"可能性"买单。
但今天不一样了。大模型之间的能力差距正在快速收敛。很多场景里，模型能力已经从"代际差距"变成了"体验差异"甚至"成本差异"。
当差距不再大到足以支撑一个独立估值故事时，竞争就必然从模型发布会，转向经营能力。
过去是：拿融资、堆算力、刷榜单、发模型、证明"我也行"。
现在变成了：算成本、看留存、找收入、签客户、证明"我能赚钱"。
中国 AI 产业正在从"证明自己行"，进入"证明自己赚"。
所以，"百模大战"落幕，不代表 AI 不重要了。恰恰相反。它代表 AI 终于从概念竞赛，进入了利润表。
二、AI 到底怎么赚钱？四条路已经分出来了
过去两年，行业一直悬着一个问题：AI 公司到底怎么赚钱？
现在，这个问题已经有了四个相对清晰的答案。
不是所有 AI 公司都在赚同一种钱。它们对应的是四种不同的客户心理账户。
第一条路：API 调用，按 Token 卖
这是标准的"水电煤"模式。客户不买一个完整产品，而是调用你的模型能力。用多少，付多少。
这个模式的好处是标准化程度高，扩张快。坏处也很明显：价格会被不断压低，毛利会被持续挤压。
所以 API 模式的关键，不只是单价，而是规模和嵌入深度。调用量足够大，成本才能被摊薄；接口进了客户的工作流、数据链路和业务系统，客户才不会轻易搬走。
说白了，API 生意最后拼的不是"卖一次调用"，而是"成为客户系统里拔不掉的一根管道"。
第二条路：C 端订阅，让用户持续付费
这是很多 AI 原生产品正在走的路。豆包、Kimi、MiniMax 相关产品，以及各种 AI 写作、AI 视频、AI 编程、AI 陪伴工具，本质上都在验证一件事：普通用户会不会为了 AI 能力持续付钱？
过去，很多产品靠免费、补贴、流量把用户拉进来。但免费不能永远讲下去。
真正重要的是：用户会不会每个月回来？会不会形成习惯？会不会把它当成生产力工具？会不会愿意为更高额度、更好模型、更强功能付费？
C 端订阅的核心不是"有多少下载量"，而是续费率。免费换增长的故事讲完之后，就该看谁能让用户留下来了。
第三条路：生态捆绑，让 AI 变成默认能力层
这是容易被低估的一条路。大厂未必一定要把 AI 做成一个新的独立 App。
更大的生意，可能是把 AI 塞进你已经在用的产品里。阿里、腾讯、字节、百度都拥有足够多高频场景，可以让 AI 自然长进去。
你不是专门打开一个 AI 工具。你是在购物、搜索、办公、开会、写文档、做客服的时候，顺手用到了 AI。
不是卖 AI，而是让 AI 消失在每一个你已经在用的产品里。
第四条路：行业定制与本地化交付
还有一条路，看起来没那么性感，但可能更赚钱。那就是行业方案和本地化部署。
金融、政务、能源、医疗、制造这些场景，和普通 C 端产品不一样。它们关心的不是"模型是不是最新版"，而是数据能不能不出域、权限怎么管、结果能不能审计、出错了谁负责、能不能接进现有系统。
这类项目的毛利可能更高，客户关系也更深。但代价是销售周期长、交付重、定制化程度高。它不是互联网式的轻产品生意，而是工程化生意。
所以，四条路没有绝对高下。卖 API 的，拼规模和成本。卖订阅的，拼留存和产品感。做生态的，拼入口和场景密度。做行业交付的，拼关系、资质和工程能力。
判断一家 AI 公司成色的第一个问题，从此不再是：你的模型排第几？而是：你赚的是哪一个心理账户的钱？
三、Token 的"电表"装好了
如果说四条商业化路径解决的是"钱怎么收"，那么 Token 消耗解决的是另一个更底层的问题：AI 的使用量怎么被计量。
过去企业买软件，通常按账号、席位、模块收费。一个 CRM 系统，多少人用，多少钱。一个办公软件，多少账号，多少钱。
但 AI 不一样。同样一个员工，有人一天问三句话，有人一天让 AI 跑一百个任务。同样一个企业，有人只是拿 AI 写总结，有人让 AI 参与客服、质检、投研、代码、排产、风控。
这时候，价值不再只由"有没有账号"决定，而是由"消耗了多少智能"决定。
Token 不只是技术术语，它正在变成 AI 时代的计量单位。你可以把它理解为 AI 产业的电表。
过去你买的是服务器、软件、账号。以后你买的可能是一次次智能消耗。
这会改变三件事：云厂商的计费模型会变；基础设施厂商的产品定义会变；软件公司和客户的价值分配方式也会变。
因为当 AI 消耗可以被稳定计量，商业化就不再只靠故事，而可以进入经营模型。
谁能先把自己的价值换算成 Token 口径，谁就先拿到了下半场的定价语言。
四、牌桌已经分层了
再看竞争格局。中国 AI 产业现在不是一群公司在同一张桌子上打架，而是已经分成了三层。
第一层：全栈生态巨头
这一层是阿里、腾讯、百度、字节、华为这类公司。它们的核心优势，不只是有模型，也不是只会烧钱。
真正的优势是：它们本来就有场景。
搜索、电商、支付、社交、办公、云服务、内容分发、地图、广告，这些都是高频流量母盘。对生态巨头来说，AI 不是从零找场景，而是把已有场景重新智能化。
别人是在烧钱找场景。它们是在场景里烧钱。这两件事完全不同。
第二层：独立全栈大模型公司
这一层是智谱、MiniMax、月之暗面、DeepSeek 等公司。它们没有巨头那么多入口，但有自己的战略位置。
有的向 B 端 MaaS 和本地化部署走。有的向 C 端 AI 原生产品走。有的用高效开源模型重塑整个行业的成本预期。有的在垂直场景里寻找自己的突破口。
这些公司的意义不只是竞争。它们也在为产业保留一种重要的平衡：如果只有巨头拥有模型能力，产业链会过早变得封闭。
第三层：算力、数据和行业 Know-how 底座
这一层不一定常上头条，但关键。包括智算中心、国产芯片适配、高质量行业数据集、数据治理、行业软件与流程改造、政企专网和本地化部署能力。
它们不像大模型发布会那么热闹，却是整栋楼的承重墙。
没有算力，模型跑不起来。没有数据，模型进不了行业。没有流程知识，AI 做不成业务系统。没有合规能力，AI 进不了金融、政务、医疗和央企。
所以中国 AI 的竞争，表面看是模型竞争，底层看是产业底座竞争。
五、模型能力平权之后，新壁垒在哪里？
这两年，一个很重要的变化是：模型能力正在变得越来越"平权"。
开源模型、蒸馏技术、MoE 架构、推理优化，让很多公司都能以更低成本获得不错的模型能力。
这当然是好事。但它也带来一个残酷的结果：模型能力本身，越来越难成为长期护城河。
如果一个能力很快可以被开源、被蒸馏、被复制、被降价，那么它就很难单独支撑长期利润。
新的壁垒，会转移到四种更难复制的资产上。
第一种：私有高质量行业数据
行业数据不是网上爬一爬就有的。医院影像标注、工厂缺陷样本、电网运行日志、金融风控记录、设备维修数据，这些都不是公开数据。
它们往往被锁在客户内部系统里，带着强烈的行业语境和业务规则。谁先拿到、清洗好、标注好、用起来，谁就有优势。
数据孤岛没有被 AI 打破，反而在某些行业里变成了新的护城河。
第二种：工作流嵌入深度
AI 真正值钱的时候，不是它能回答一个问题，而是它能进入一条流程。
比如一家制造企业用了 AI 质检系统。表面看，它用的是一个识别模型。但真正难替换的，是这个系统已经接进了产线摄像头、缺陷分类标准、工单系统、质检责任链和复盘流程。
后来就算出现了一个更强的模型，企业也不会轻易换。因为换模型不是换一个接口，而是重走一遍生产流程。
这就是工作流嵌入的价值。你收的不是调用费，某种意义上，你收的是"搬家费"。
第三种：算力成本结构
同样一个模型，跑在不同成本结构上，是两门生意。
谁能自建或深度调度算力资源，谁能做好异构纳管，谁能把推理成本压到更低，谁就拥有更大的定价空间。
很多时候，客户看到的是模型价格。但公司真正赚不赚钱，取决于背后的算力账。
下半场的 AI 公司，不能只会讲模型能力。还必须会算推理成本、并发成本、峰值成本、交付成本。
利润藏在这些细账里。
第四种：合规与数据驻留能力
在政务、金融、央企、医疗这些场景里，技术强只是入场条件之一。
真正决定能不能进去的，是信任、资质、属地化服务、数据安全和合规审计。
很多客户不是不用云端最新版，而是不能用。不是不想用更强模型，而是数据不能出域。
这意味着，合规不是附加项，而是门票。
所以，下半场真正的壁垒，不再是"我的模型比你强多少"。而是：我的数据比你深，我的流程比你嵌得牢，我的成本比你低，我的合规能力比你更可信。
这四样东西，才是 AI 公司手里的硬资产。
六、利润正在从模型层向两端流动
看到这里，其实可以得出一个更冷的判断：模型层未必是更赚钱的地方。
不是说模型不重要。模型当然重要。它是能力底座，是入口，是技术名片。
但从产业利润看，纯模型层正在面临两边挤压。
一边，基础模型能力越来越接近，价格会被不断压低。另一边，客户真正愿意付高价的地方，往往不是模型本身，而是结果、流程、合规和交付。
所以利润开始向两端流动。
向上，流向算力基础设施和能源侧
AI 越普及，对算力、网络、电力、冷却、调度的需求越大。谁能供得上，谁能供得稳，谁能供得便宜，谁就像在收租。
未来很多 AI 成本，表面看是模型成本，底层其实是能源和算力调度成本。
向下，流向行业场景整合者
另一端，是行业方案商和交付者。
谁能把 AI 接进客户生产系统里，谁能帮客户真的省人、降损、增效、控风险，谁就能拿走更大的价值份额。
客户最后付钱，不是因为你有一个聪明模型。客户付钱，是因为客服成本降了、质检效率高了、风控漏损少了、排产更稳定了、报表更快出来了、合规风险更可控了。
模型只是手段。结果才是账单。
这也解释了为什么模型公司拼命往行业解决方案下沉，云厂商拼命往算力网和 MaaS 平台上搭结构。
大家看似动作不同，其实都在抢同一个利润出口的不同闸口。
七、真金白银会先从哪里冒出来？
最后看方向。中国 AI 接下来的产业主线，我判断主要有三条。
第一条：从大模型到智能体经济
Chat 范式已经完成了第一轮用户教育。大家已经知道 AI 能聊天、能写东西、能总结、能生成代码。
但"能对话"不再是核心卖点。接下来真正值钱的是：能办事。
也就是 Agent。它能设定目标，分解步骤，调用工具，执行任务，反馈结果。
现在单智能体已经在客服、代码辅助、知识问答、内容生成等场景里开始跑通。这些场景有一个共同点：ROI 比较容易算，失败成本相对可控，能先省人、省时间、省重复劳动。
下一步会进入更复杂的多智能体协同和跨系统编排。比如采购、排产、巡检、运维、财务分析、投研流程。
但这里一定要冷静。Agent 进企业核心业务的瓶颈，从来不只是模型智商。
更大的阻力在非技术摩擦力：老旧系统怎么接？权限边界怎么管？出错了谁负责？流程怎么审计？人和 AI 怎么协作？组织愿不愿意改？
所以企业 Agent 的渗透路径，一定是渐进的。先外围，再支撑，最后核心。
先客服、分析、文档、报表。再排程、运维、质检、知识管理。最后才可能进入交易、控制、生产决策这些核心环节。
急不得。但方向不可逆。
第二条：算力从"堆卡"走向系统化运营
过去谈算力，很多人第一反应是：有多少卡？多少 P？建了多少智算中心？
但下一个阶段，问题会变成：这些卡真的跑满了吗？能不能统一调度？能不能跨地域分配？能不能适配国产芯片？能不能在电力成本最低的地方运行？能不能离客户交付节点足够近？
"有卡"和"有好用的算力"，是两回事。
中国接下来的算力竞争，重点会从堆硬件，转向系统化运营。
这里面有三个关键词。
第一个是异构纳管。国产芯片路线多元，硬件差异客观存在。谁能用软件栈屏蔽底层差异，统一调度不同芯片和集群，谁就能提高算力可用性。
第二个是算电协同。数据中心不是凭空运行的。它需要电，需要冷却，需要土地，需要稳定能源。未来算力布局会越来越深地绑定绿电、冷源和区域资源。
第三个是全国一体化算力网。如果每个智算中心都各自为政，利用率就会被浪费。真正有价值的是跨地域调度、按需分配、弹性供给。
所以，下一阶段的算力竞争，赢家不是买卡最多的人。而是谁能把卡跑得最满、更省、调度得更灵活、最接近客户交付节点。
第三条：AI 渗入实体经济
中国 AI 核心差异化优势，不一定在 C 端应用有多花哨。
而在于中国有完整的工业体系、复杂的供应链、密集的制造场景和大量真实业务流程。
这些东西很难被复制。
AI 真正的战场，不在发布会。
在车间。在设备。在仓库。在电网。在港口。在矿山。在医院。在银行风控系统。在那些过去被认为"太复杂、太脏、太重、太难标准化"的地方。
当前最先跑出来的，会是三类场景。
第一类是制造环节。质检自动化、设备预测性维护、排产优化、工艺参数推荐。这些场景的好处是，容错边界相对清晰，ROI 容易计算。客户愿意为省人、降损、稳定质量付费。
第二类是生产与运营调度。电网、轨交、港口、矿山、物流，这些场景环境复杂、数据多源、人工成本高。AI 替代或辅助的每一个环节，都有硬经济账。
第三类是数据和知识密集服务业。金融风控、保险核保、医疗影像辅助、法律检索、投研分析。这些行业的壁垒，不只是模型，而是高质量专业数据、流程规范和合规能力。
所以，"人工智能+"真正的含义，不是把 AI 加在 PPT 上。而是让 AI 进入生产系统，进入组织流程，进入真实经济账。
八、给从业者的三个问题
如果你是做 AI 的、用 AI 的、投 AI 的，我建议你现在少问一句：
谁的模型更强？
多问三个问题。
第一个问题：你赚的是哪个心理账户的钱？
你卖 API，是 IT 开支。你卖行业方案，是业务提效。你卖 C 端订阅，是生产力工具。你做生态捆绑，是入口能力升级。
账户不同，天花板不同。定价权不同。续费逻辑也不同。
第二个问题：你手里有几种硬资产？
私有数据。工作流嵌入。成本结构。合规资质。
这四样东西，每一样都是护城河的一块砖。
如果一家 AI 公司只有模型，没有数据、流程、成本和合规，那它很容易被更便宜的模型替代。
第三个问题：你的利润在哪一端？
你是在算力端收租？还是在场景端交付？还是夹在中间，被上游算力和下游客户同时挤压？
这个问题很现实。
但下半场就是这么现实。
结语：AI 没有退潮，只是换了水位线
所以回到开头的问题：
AI 是不是凉了？
我的判断是：
没有。
AI 没有退潮，只是水位线变了。
过去，行业看的是发布会、参数、榜单和融资。现在，行业看的是收入、毛利、留存、合规和交付。
过去，大家关心"谁又发了一个模型"。现在，真正重要的问题变成：
谁能把模型变成收入？
谁能把收入变成流程？
谁能把流程变成客户离不开的系统？
这就是中国 AI 的下半场。
上半场比嗓门。
下半场比扎得深。
如果你身边还有人在问"到底该选哪个模型"，可以把这篇转给他。
因为接下来真正要选的，可能不是模型。
是位置。