不久前，一位做制造业的朋友向我抱怨，说他们花大价钱采购的AI质检系统，准确率确实高，但每次升级都要额外付费，且升级带来的边际改善微乎其微。他感叹：我们买的到底是一个越用越好的工具，还是一个越用越贵的摆设？
这个困惑背后，藏着AI产业一个隐秘的转折点。过去几年，大模型的竞赛像是一场军备竞赛，参数规模成了衡量AI公司价值的标尺。业界津津乐道于千亿参数、万亿参数，仿佛数字越大，离通用人工智能就越近。但商业世界是另一套逻辑——客户不在乎你有多少参数，只在乎你能帮我省多少钱、多赚多少钱。
于是，定价权的争夺开始了。早期AI公司习惯按API调用次数收费，这本质上是在卖算力，而非卖智能。但随着模型能力趋同，这种模式很快触及天花板。客户发现，不同厂商的API输出大同小异，价格却天差地别，于是开始用脚投票。真正聪明的AI公司开始转向效果付费：你帮我降低多少次品率，我就付相应的钱；你帮我多转化多少客户，我就分你多少佣金。
这种转变绝非简单的商业策略调整，它意味着AI从"技术神坛"跌入"商业尘埃"。当AI不得不直面每一个具体的业务场景，解决每一个琐碎的痛点时，它就失去了"无所不能"的光环，转而成为一种需要精打细算的日常工具。就像电力革命，发电厂最终拼的不是谁制造的电流更"纯粹"，而是谁能让灯泡更亮、电费更低。
但有趣的是，这种"去魅"过程反而催生了新的繁荣。当AI不再被神化，企业客户才敢真正拥抱它。我见过一家小型服装厂，用一套不到十万块的视觉检测方案，替代了三个质检员，半年回本。这套方案用的模型远非业内顶尖，但胜在稳定、便宜、易维护。在商业世界里，"够用"往往比"极致"更有生命力。
当然，定价权的转移也带来新的博弈。上游的基础模型厂商不甘沦为"卖水人"，纷纷下场做应用；下游的集成商则试图通过场景绑定，反向获取议价能力。这场拉锯战让AI产业链变得前所未有的复杂，也让一些初创公司找到了缝隙——它们不做模型，也不做全栈方案，而是专注于某个垂直领域的"最优解"，从而在巨头夹缝中活得滋润。
站在更宏观的视角，AI商业的最终形态也许不是赢家通吃，而是"百工百业，各取所需"。当技术红利消退，商业规则回归常识，那些能真正把AI揉进业务流程、让每一分钱都花得明明白白的企业，才会笑到最后。而这场定价权的战争，才刚刚开始。