苹果9月发布会在脚注中披露了一个不起眼的细节——Siri AI等依赖服务端模型的功能设有每日使用上限，未来更高额度“将以付费形式提供”。设备端处理的功能不计入上限；服务端功能的限额因功能、请求复杂度、系统负载与系统策略而不同，达到上限后该功能会暂停一段时间。苹果同时说明，更高档位的iCloud+订阅将包含对这些受限功能的扩容访问。

　　这条脚注表面看是定价问题，本质是成本问题：请求一旦被路由到云端，每一次推理都要真金白银地花算力。而算力花在哪一层，由架构决定。因此，个人AI的商业模式之争，首先要从“端—边—云”混合的架构谈起。

  在“端—边—云”混合架构里，不同层的边际成本结构完全不同。端侧的成本几乎全部前置——一次硬件投入之后，本地推理的边际成本趋近于零；边侧（联想首创的边缘新物种——AI主机）的成本是电费与硬件折旧，同样不随调用次数线性上涨；只有云侧按调用量计价，成本与用量强相关。

  这意味着，同一次AI任务放在哪一层完成，商业结果完全不同。架构决定成本曲线，成本曲线决定可用的定价空间——这是理解个人AI商业模式的起点。

  苹果的“端—云”两层：成本压力为何集中在云端

  苹果走的是“端—云”两层。设备端承担低延迟、高隐私的日常任务，更复杂的请求被路由到服务端。问题在于，两层架构里没有中间层可以分担压力，请求越多，进入云端计费体系的就越多。

  于是“每日上限＋付费扩容”成了架构带来的商业必然：订阅制是入口，词元计费是内核。Apple One最高阶（Premier）在美国市场每月39.95美元，包含Siri AI基础功能；超出每日额度后另行付费。这既是精细化定价，也是把云端的算力成本转嫁给重度用户。

  订阅制本身没有错，它在SaaS时代被反复验证：Spotify、Netflix、Adobe、Microsoft 365都跑通了这条路。

  但AI服务与传统SaaS有一个关键区别——后者的成本主要是服务器、授权与运维，定价与用量弱相关；前者的成本几乎全部是推理算力，定价与用量强相关。用固定价格覆盖“用量弹性极大”的产品，必然出现两个天花板：轻度用户觉得不值，重度用户觉得不划算。而两个天花板同时出现，根源仍在架构——当成本刚性集中在云端，定价就很难同时照顾两端。

  “端—边—云”三层：把成本消化在计费入口之前

  “端—边—云”三层架构的商业价值，正在于把成本消化在计费入口之前。据联想方面披露，天禧AI致力于推动约80%的任务在端侧与边缘完成——这些调用不产生云端账单，只有真正需要云端算力的部分才按词元计费。同样一百万词元的调用，真正要按云端牌价付费的只剩约两成。

  其中“边”层最容易被低估。AI主机把开源模型直接部署进家庭与企业本地、门店与工厂：低延迟满足工厂实时控制，本地化满足数据不出门的合规要求，离线推理则补上弱网场景。据公开信息，AI主机相比纯云端可降低词元成本80%以上——对工厂质检、门店客服等高频场景而言，“边侧省词元”不是概念，而是每月成本表上可以直接核对的一栏。

  成本结构宽裕之后，商业模式的组合空间也随之打开。一条典型路径是“订阅为外壳、词元配额为内核”：以月度订阅交付标准化算力，再按额度分层，让付费与用量更匹配；配套的物理密钥与路由中枢，则解决企业AI的安全、共享与调度问题。

  这套组合的商业含义不止于“便宜”。对企业客户而言，成本可预测意味着AI可以被纳入年度预算，从“项目制”变成“常驻能力”；对厂商而言，80%的算力留在端侧与边缘，意味着云端边际成本被大幅压缩，毛利率不再随调用量增长而恶化——这是订阅型AI服务最关键的一条命脉。此外，金融、医疗、政务等数据不能上云的行业，本地化推理本身就是可溢价的合规能力，而非单纯的成本项。

  把两条路径放在一起看，差别是结构性的：“端—云”两层里，请求向云端集中会形成“用得越多、亏得越快”的成本压力——这才是“每日上限”出现的真正原因，它不是营销手段，而是架构约束下的必然；“端—边—云”三层里，大部分成本在计费入口之前就被消化掉了。换言之，在两层架构中，精细化计费是补丁；在三层架构中，架构本身就是解决方案。

  成本差的构成：供给端价格与架构选择

  单位成本的差距，一半来自供给端，一半来自架构选择。供给端：开源模型（DeepSeek、通义等）的普及与推理芯片的多元化，把云端词元价格压到0.5元/百万词元的量级。架构端：“端—云”两层让更多请求进入云端计费，“端—边—云”三层则先把大部分请求消化在本地。两者叠加，形成数量级的成本差。

  这也解释了两条路径各自的合理性：对以“端—云”两层为主的厂商而言，订阅制的延续不只是用户习惯的惯性，也是在自有生态内获取服务收入的最短路径；对以“端—边—云”三层为主的厂商而言，词元定价让AI服务的成本结构第一次可以被企业精确核算、被监管部门清晰穿透。

  从产业视角看，端云混合还改变了竞争的计量单位。过去比的是“谁的模型更强”，现在比的是“每一次任务的综合成本”——既包含词元单价，也包含请求被路由到哪一层、由谁承担算力。当成本可以被精确核算，采购决策也会随之改变：企业不再只看模型榜单，而是看单位任务的落地成本。一些厂商已把这一逻辑产品化：算力交付即开即用、用量透明可追溯、按任务特点自动优选模型。

  个人AI的商业竞争，表面看是计费方式之争，实质是“成本留在哪一层”。端云混合架构的商业本质，是把成本留在离用户最近、边际成本最低的那一层，再把定价留在用户最能接受的那一层。

  对产业而言，这里有一个判断：谁更早完成“边”层的商业化落子，谁就更有条件在成本可控的前提下，把个人AI做成一门可持续的生意。下一个十年，个人AI比拼的不只是模型能力，还有谁的算力账本更经得起推敲。（焦子原）