第570章 爆了（8k） (第2/3页)

要晚半拍，但一旦反应过来，情绪却更直接。

    最先炸开的，是几个大模型公司内部的Slack频道。

    一开始只是有人丢了一张截图，虹的订阅页面，五千人民币一年。

    下面还附了一句简单的换算：按1比6算，也就八百多美元。

    消息刚发出来的时候，频道里还有人调侃。

    「八百？一年？还没有GPT最高配一年的价格高。」

    「也许是功能阉割版？」

    「或者限调用次数？」

    但很快，气氛变了。

    因为有人把Youtube上住在华国的阿美莉卡用户，完整的体验流程发了出来。

    持续上下文、任务拆解、多模态输入、语音交互、甚至还包括设备级权限接管。

    这些东西，任何一个单独拿出来，在矽谷都是可以单独做产品、单独收费的模块。

    而在虹这里，是打包的。

    而且是无限制订阅。

    Slack频道里安静了几秒。

    然後第一句比较认真的发言出现了：「这个价格不对。」

    紧接着，有人回：「不是不对，是不可能。」

    很快，就有人开始算帐。

    「我们现在的推理成本，如果用同等级别的模型，按这个交互频率跑，一个用户一年至少要烧掉多少？」

    「别说一年了。」有人直接打断，「重度用户一个月都不止这个数。」

    「还没算视觉输入、语音、Agent循环。」

    「更别说长期记忆和个性化建模。」

    有人贴了一行简单的结论：「他们在卖的东西，价格低於成本。」

    这句话发出来之後，频道里反而更安静了。

    因为所有人都明白，这种情况只有两种解释。

    要麽是补贴。

    要麽是成本结构完全不同。

    不管是哪一种，都不是什麽好消息。

    用户开始绕过他们。

    一开始是Reddit上有人发帖，说可以通过中间商帮忙注册虹的帐号，只需要提供一个华国手机号或者代付服务，额外加几十美元手续费。

    下面的评论区一开始还在讨论可行性。

    「有人试过吗？」

    「安全吗？」

    「会不会封号？」

    但很快，帖子变成了晒单贴。

    「已经用了三天。」

    「比我现在用的任何一个助手都更像人。」

    「它会记住我说过的事情。」

    「它会主动安排我该干什麽。

    95

    再往下，是更直接的评价。

    「我不知道他们怎麽做到的，但这东西不该只卖800美元一年。」

    这句话被大量点赞。

    矽谷这边的人看到这些内容的时候，非常警觉。

    因为他们太清楚一件事。

    用户是最现实的。

    当用户愿意翻墙、找中间商、承担额外风险，只为了用一个产品的时候，这已经不是有点吸引力的问题了。

    OpenAI内部很快开了紧急会议。

    产品经理在白板上写下三个词：价格、能力、体验。

    然後划掉了价格。

    「我们现在不讨论价格。」他说，「因为这个价格我们跟不了。」

    会议室里没有人反对。

    因为所有人都知道，如果他们把自己的产品也降到800美元一年，按照当前的成本结构，基本等於直接宣布财务失血。

    那剩下的就只有两个方向。

    要麽提高能力。

    要麽重构成本。

    但问题在於，虹做的事情，不只是「能力更强」这麽简单，它改变的是产品形态。

    有人在会议上直接说了一句：「他们不是在做assistant，他们在做operator。

    ，这句话一出来，很多人都沉默了。

    因为assistant是响应式的，你问，它答。

    operator是主动的，它会判断、会安排、会介入你的行为。

    这两者的差距，不只是模型参数量，还包括了整个产品哲学。

    如果要追赶，他们需要重写一整套交互逻辑。

    这意味着什麽？

    意味着之前所有围绕「调用次数」「token计费」「套餐分层」的商业模型，都要重算。

    有人苦笑了一下，说了一句很直白的话：「如果用户开始习惯按一年一个数字人格来付费。」

    「那我们现在这些定价，全都没意义了。」

    没有人反驳。

    因为这句话太准确了。

    他们原本卖的是能力，而华国的同行直接开始卖人了。

    会议最後，没有给出明确结论。

    只是定下了几个方向：评估是否需要进入订阅制深度陪伴产品，重新测算长期记忆成本，探索本地推理和边缘计算的可能性。

    但所有人心里都有一个没说出口的判断，这不是一个可以在一两个季度内追上的差距。

    阿美莉卡的资本市场率先做出反应。

    这一轮波动里，最直观的信号来自纳斯达克核心权重股。

    所谓七姐妹，原本是市场情绪的锚点，是估值逻辑的中心，是一切AI增长叙事的承载体。

    但当虹这种产品出现之後，这套叙事开始出现裂缝。

    它改变了市场对AI价值如何兑现的预期。

    过去大家默认，AI的价值主要体现在云端算力、模型能力、企业服务，这些正是美股科技巨头的基本盘。

    但当个人级AI助手开始直接进入消费端，并以极具攻击性的价格切入时，资本开始重新评估整个链条。

    用户的注意力在迁移，市场的想像空间也在重排。

    七姐妹的股价在短时间内出现连续回调，带着成交量放大的持续下探。

    机构开始下调预期，分析师开始重写模型，有人甚至直接抛出一个核心问题：如果AI

    的最终形态是个人助手，那麽云端定价逻辑还能维持多久？

    这个问题没有答案，但市场已经先给出了反应。

    大盘没有崩，在短暂波动之後，很快被托住了。

    真正的支撑，不在应用层，也不在平台层，而在更底层：存储。

    这是一个容易被忽视的变量，但对理解技术路径的人来说，这是整个体系里最硬的那一层。

    因为不管AI最终以什麽形式存在，有一件事是确定的：数据会越来越多，上下文会越来越长，记忆会越来越重。

    早期的大模型还停留在问一句答一句，本质是瞬时计算。

    但现在的方向已经明显转向持续存在。

    像虹这样的产品，本质是一个长期运行的系统。

    它要记住用户的历史，要维持人格一致性，要不断更新画像，还要跨设备同步状态。

    这意味着需求结构发生了变化。

    过去是一次请求对应一次计算，现在是一个用户对应一整段持续存在的状态空间。

    而这个状态空间，才是真正吃资源的地方。

    它不仅消耗显存，还消耗长期存储、高速缓存，以及多节点同步的带宽和计算。

    当市场意识到这一点之後，资金流向也随之变化。

    一部分资金开始从应用层撤出，转而流向更底层的硬体厂商，尤其是存储。

    美光、三星这些厂商开始被重新定价。

    如果未来每个人都有一个长期运行的AI助手，那麽对内存的需求变成了结构性增长，刚的不能再刚到刚需了。

    你可以不用某个应用，但你一旦用了AI助手，就不可能接受它忘记你是谁。

    而不忘记本身是成本，也是需求。

    於是出现了一个很典型的结构变化，上层叙事在动摇，底层确定性在增强。

    纳斯达克的权重结构，也在这种变化中被重新平衡。

    华尔街日报在报导这三天的变化时又把过去他们说过的话重复了一遍：「AI把故事讲在云上，钱最终落在内存里。」

    当一切不确定都在摇摆的时候，市场会敏锐地抓住那些最确定的东西。

    而在这一轮里，最确定的就是不管AI长什麽样，它都需要记住。

    而记住意味着内存。

    华国第一批真正付费的用户，开始发视频了。

    最早的一批内容，并不夸张，甚至有点克制。

    有人只是简单地记录了一天的使用过程，从早上起床到晚上睡觉，虹如何和他们交流，如何安排时间，如何打断分心，如何提醒进度。

    但评论区开始变味。

    「这不像助手，这像有人在盯着你。」

    「我本来以为是噱头，但它真的会逼你干活。」

    

    （本章未完，请点击下一页继续阅读）

『加入书签，方便阅读』