7月31日，DeepSeek將V4 Flash官方版本API推向公測。該版本未擴大引數規模，也未更換底層架構，官方披露的主要變化來自後訓練，但Terminal Bench 2.1等Agent指標明顯上升。價格方面，快取命中輸入0.02元/百萬Token，未命中輸入1元，輸出2元，均以百萬Token為單位。

第三方評測將這種衝擊變得更直觀。Artificial Analysis給DeepSeek V4 Flash和Gemini 3.6 Flash的智慧指數均打50分；按7:2:1的快取命中、普通輸入和輸出混合口徑計算，前者每百萬Token為0.06美元，後者為1.16美元，相差約19倍。

“DeepSeek斬殺線”由此在開發者和投資圈流行起來。它並非DeepSeek官方提出的指標，也沒有統一公式，更像市場對價格—效能邊界的簡稱：能力不如DeepSeek、價格卻更高的模型，先失去規模化使用的理由；能力只高一點，卻貴出十幾倍，也要證明這點差距能給客戶創造十幾倍的價值。

斬殺線討論的是模型競爭，背後更值得追問的其實是商業質量。大模型正在改變軟體、搜尋、內容生產和企業流程，這一點沒有太大爭議。爭議在於：如此重要的技術，能否自然長成一門長期回報很高的生意？至少從目前公開資料看，作者個人覺得答案偏謹慎。

基礎模型公司的收入與成本結構

按收費物件看，基礎模型公司的收入大致分四類：API按輸入、輸出和快取Token計費；個人或團隊按月訂閱；企業購買許可、私有化部署和定製專案；雲廠商、終端和應用平台按協議分成。收入形式不少，經濟實質卻可歸為兩種：銷售標準化模型能力，或圍繞模型做交付與服務。

標準化能力的優點是可複製，呼叫量放大後有機會攤薄固定成本；問題是價格透明，競品容易比較。專案和私有化部署能提高客單價，也能把安全、合規和本地資料變成收費項，但銷售週期、實施和運維都更重，規模擴大未必帶來軟體行業常見的邊際利潤。

成本端比收入端更復雜。預訓練之外，還有後訓練、資料清洗、評測、安全、人才和實驗消耗；模型上線以後，每次呼叫繼續發生推理成本。自建算力時，這些支出表現為伺服器、資料中心、折舊和電力；租雲時，只是換成雲費用或長期算力承諾。

判斷這門生意不能只看毛利率，更要看自由現金流。訓練投入可以資本化或被融資暫時遮住，推理降本也能把單次毛利做得很好看，但只要下一代模型仍要追加鉅額投入，賬面毛利就不等於股東最終能拿走的現金。

好生意看資本回報，不看技術聲量

巴菲特在2007年致股東信中討論“好生意”時，核心並不是市場夠不夠大，而是企業能否依靠持久護城河保護投入資本回報率。他還特意提醒，必須持續重建的護城河，最終很難稱為護城河。

放到大模型行業，作者更願意把問題拆成三項可驗證的指標：利潤增長需要補多少資本；成本下降能否留在公司利潤表裡；客戶更換供應商時要付出多大代價。分別對應資本開支、定價權和遷移成本。

市場規模與商業質量經常被混在一起。電力、航空、鋼鐵都很重要，也能產生鉅額收入，但資本密集、價格競爭和週期波動會壓低長期回報。大模型可能成為數字經濟的基礎設施，基礎設施屬性本身並不保證基礎模型公司獲得最豐厚的利潤。

資本開支：領先視窗越來越短，賬單越來越長

大模型的第一道坎，是領先優勢的保質期很短。今天用於訓練最強模型的叢集，明天仍然可以承擔推理和實驗，但它很難自動保證下一代模型繼續領先。新架構、新晶片、新資料和新的後訓練方法出現後，原有優勢需要重新投資。

Epoch AI對45個前沿模型的估算顯示，自2016年以來，最終訓練執行的硬體和能源攤銷成本年均增長約2.4倍，其中硬體約佔開發成本的47%—67%，研發人員約佔29%—49%。如果歷史趨勢延續，最大訓練執行在2027年前後可能超過10億美元。這個數字存在估算誤差，但方向很清楚：模型能力越往前沿走，入場券越貴。

巨頭的最新指引把這張賬單攤在了報表上。Amazon預計2026年全集團資本開支約2000億美元；Alphabet在二季度把全年指引上調至1950億—2050億美元；Meta給出的區間是1300億—1450億美元。三家的口徑覆蓋雲端計算、廣告、晶片、物流等全部業務，不能把每一美元都算到大模型頭上，但它們都把AI算力需求列為主要投入驅動。

更能說明問題的是現金流。Amazon二季度披露，過去12個月自由現金流由流入182億美元轉為流出76億美元，物業和裝置淨採購同比增加661億美元，主要反映AI投資；Meta二季度資本開支310.8億美元，自由現金流只有7.84億美元。兩家公司原有業務都具備很強造血能力，仍能承擔這輪投入。純模型公司沒有廣告、電商或成熟雲業務託底，融資條件一旦變化，壓力會更直接。

這裡很容易把基礎模型公司和雲廠商混為一談。雲廠商的資本開支可以同時服務模型訓練、企業計算和既有客戶，模型公司租用這些資源時，則要用Token收入覆蓋雲廠商的折舊、資本成本和利潤。資本密集度沒有消失，只是從模型公司的資產負債表轉移成了採購成本。

定價權：降本越快，價格錨下移越快

通常情況下，技術降本會先改善企業利潤。大模型行業的特殊之處，是降本成果很快被競爭傳給客戶。Stanford 2025 AI Index統計，同等GPT-3.5水平系統的查詢成本從2022年11月的每百萬Token 20美元降至2024年10月的0.07美元，18個月下降超過280倍；同期硬體成本年均下降約30%，能效年均改善約40%。

如果行業裡的供給者很少、產品差異長期穩定，成本下降可以沉澱為毛利。現實恰好相反：模型能力在收斂，開源權重提供了價格錨，雲廠商又可以用其他業務補貼模型。Stanford 2026 AI Index顯示，截至2026年3月，Arena榜單前四家公司聚集在25個Elo分以內；頂級閉源和開源模型的差距只有3.3%。榜單不是商業價值的全部，卻足以讓採購方更容易議價。

Agent普及還會放大價格敏感度。一次複雜任務可能連續規劃、呼叫工具、讀取檔案、執行程式碼並自檢，Token消耗遠高於一次問答。模型能力領先幾分，可能減少若干次重試；價格相差十幾倍，卻會直接改變產品能否規模化執行。採購指標正在從“誰最聰明”轉向“完成一項工作總共花多少錢”。

呼叫量增長當然可以抵消單價下滑，但要滿足一個嚴苛條件：用量增速必須長期跑贏價格下降和新增研發投入。DeepSeek的低價證明了技術效率，也把效率變成了全行業的新報價基準。至少現階段，降本紅利更快流向開發者和應用公司。

遷移成本：客戶用了模型，卻未必屬於模型公司

再看客戶遷移成本。介面標準化正在降低切換難度。DeepSeek官方文件寫得很直接：API相容OpenAI和Anthropic格式，開發者修改配置就能接入；Claude Code、GitHub Copilot、OpenCode等工具可以直接把DeepSeek當作後端。LiteLLM這類開源閘道器則把100多種模型放進統一介面，並提供路由、負載均衡和故障切換。

這對開發者是好事，對模型供應商卻未必。企業真正沉澱的是使用者賬號、業務資料、提示詞、評測集、許可權體系和流程配置。只要這些資產留在應用層或企業自己的閘道器裡，更換底層模型往往只是工程專案，而不是業務重建。高合規行業仍會有遷移成本，複雜Agent也存在模型行為差異，但總體方向是切換難度下降。

“斬殺線”的兩面性正在這裡出現。DeepSeek能憑價效比快速獲得呼叫量，恰恰說明客戶會為更好的價效比遷移。今天的贏家如果不能把呼叫量轉成生態、資料或工作流，明天也可能被下一條價格—效能前沿替代。

反方檢驗：規模效應和寡頭格局能改變結論嗎？

對“大模型不是好生意”的判斷，最有力的反駁有三條。第一，推理具有規模經濟，利用率越高，單位成本越低；第二，前沿智慧始終稀缺，最難的科研、程式碼和決策任務願意支付溢價；第三，鉅額資本開支會把競爭者擋在門外，行業最終可能只剩少數平台。

這三條都成立，但它們更像在解釋為什麼少數公司能活下來，還不能證明基礎模型層平均是一門好生意。規模經濟只有在降本不被價格戰完全傳導時才形成利潤；前沿溢價只覆蓋金字塔尖任務，並且需要每一代模型重新證明；寡頭格局減少競爭者，也可能讓雲廠商通過捆綁、補貼和多模型平台繼續壓價。

還要把大廠和純模型公司分開看。大廠做模型，不一定靠模型API單獨賺錢。Google可以用Gemini保護搜尋和Workspace，Meta可以提高廣告效率，Amazon可以賣算力、晶片和雲服務。它們獲得的是全棧回報。如果一家公司的利潤來自廣告、雲和分發入口，這證明全棧平台可能是好生意，並不能反推純基礎模型也是好生意。

因此，更準確的邊界是：基礎模型會形成強者恆強，但勝者數量少不等於勝者資本回報一定高。真正可能例外的，是同時擁有最低成本、穩定分發和多層變現能力的平台。

大模型公司的出路：別隻賣模型

未來的行業結構，作者更傾向於“少數閉源前沿平台＋長期存在的開源價格錨＋大量多模型應用”。基礎模型不會消失，效能競爭也不會停止，但利潤池會沿著三個方向重新分配。

第一條路是做成本領先者。自研晶片、推理排程、快取、模型稀疏化和高利用率都不是後台最佳化，而是商業模式本身。只有單位成本長期低於行業價格下降速度，低價才不是自我消耗。

第二條路是進入垂直行業。金融、醫療、製造、政務並不只買一次回答，它們還購買準確率、審計、許可權、合規、私有化部署和事故責任。專有資料與交付能力把模型差異轉換成業務風險差異，企業才可能接受更穩定的溢價。

第三條路是嚮應用和工作流下沉。誰掌握使用者入口、上下文、系統許可權、反饋資料和最終結果，誰的遷移成本更高，也更適合從Token計費轉向席位、專案或結果計費。模型仍是核心能力，但客戶付錢的物件變成了完整工作，而不是一段推理。

這三條路有一個共同點：護城河最終都不只在模型權重裡。它落在晶片和基礎設施、專有資料和合規體系，或者客戶每天離不開的業務流程中。模型能力決定能不能上牌桌，經營資產決定利潤能不能留下來。

寫在最後

DeepSeek斬殺線不是行業終局，更像一次提前到來的壓力測試。它讓能力弱、價格高的模型先退出，也迫使能力更強的模型解釋自己的溢價。對社會來說，智慧更便宜當然是好事；對基礎模型公司來說，這意味著每一輪技術進步都可能同時抬高下一輪投入，並壓低這一輪產品的價格。

作者並不看空大模型產業，只是對“技術影響力會自然轉化為長期高回報”保持警惕。未來值得跟蹤的，不是誰又多拿了幾分，而是誰能在資本開支上形成成本優勢、在定價上保留利潤、在客戶流程裡建立遷移成本。等這三本賬能夠同時成立，一家大模型公司才算從重要技術走向一門好生意。