Token 收费的毛利空间远超传统软件行业。[吃瓜]

1. 极低的边际成本

在经济学中，边际成本是指每多卖出一份产品所增加的成本。

训练成本（固定成本）： 训练一个 Claude 3 Opus 确实要花几千万甚至上亿美金，这是大头。

推理成本（变际成本）： 一旦模型训好了，当你发一个请求（消耗 Token）时，它的成本只是那一瞬间消耗的电费和显卡折旧费。

现状： 随着硬件（如 H100/B200）的普及和算法优化（如 KV Cache 优化、量化技术），生成一个 Token 的实际物理成本正在指数级下降，但 API 的售价降幅往往跟不上成本降幅。这种剪刀差就是利润。

2. 算力与智能的“不对等交换”

AI 行业的收费本质上不是在卖“计算”，而是在卖“智能替代”。

传统云服务： 你租用 AWS 的服务器，它按时长收费，毛利相对透明。

AI API： 它按 Token 收费。当你让 AI 写一个复杂的加密算法，或者进行一次深度法律审计时，AI 消耗了可能价值 $0.50 的 Token，但它完成了一个初级程序员或律师需要工作两小时（价值 $100）的任务。

暴利逻辑： Anthropic 收取的是远高于计算成本的“智能溢价”。因为只要它的价格比人类雇员便宜，开发者就愿意付钱。这种基于替代价值而非生产成本的定价，让它的利润空间极高。

3. 数据作为资产的“白嫖”与变现

这一点在评论中也有所体现：

很多大模型在训练阶段使用了大量的开源代码（如 OpenCode）、公共文档和用户数据。这些数据的获取成本极低。

模型通过这些“免费”的数据学到了技能，然后通过 API 以按量付费的方式永久性地收割开发者。这被一些人认为是一种“数字圈地运动”：把公有的知识财富私有化，再按字卖还给大众。

4. 相比于“包月制”的暴利

这就是为什么评论说 Anthropic 害怕第三方工具。

订阅制（$20/月）： 像一个“封顶价”。重度用户（比如 24 小时不停写代码的程序员）可能会让公司亏本。

API（按量计费）： 没有上限。如果你是一个拥有 10 万用户的 App 开发者，你的用户每点一次按钮，你就要给 Anthropic 进贡几美分。

指数级增长： 只要你的 App 越火，Anthropic 躺着赚的钱就呈指数级增长，而它的机器成本却因为规模效应在下降。

总结

说它“暴利”，是因为 AI 厂商正试图建立一种**“空气收费模式”**：

原料是“免费”的（互联网公开数据）。

生产是“自动”的（GPU 自动推理）。

计费是“微观”的（按 Token 计费，让你感觉不到贵，但积少成多极其惊人）。

打个比方：
API 就像是卖矿泉水，虽然一瓶只卖 2 块钱，但如果水源是免费的，且全城人都必须喝这口井里的水，那这口井的主人就是全城最富有、最暴利的人。