随着生成人工智能模型获得性能和可及性， 如何在中期实际上可行的AI经济结构。
在公告和使用增长的宣布之后，隐藏了仍然不稳定的经济模型，脆弱的毛利率以及较低的技术成本和业务价值需求之间的紧张局势的更复杂的现实。
代币的成本，一个错误的问题？
在18个月内， 单位推理成本， 也就是说，产生一个单词或代币的价格已经下降了，有些估计高达99％。这种下降是连续优化的果实，例如更好地压缩模型，改善架构，租赁价格的下降。
但是对于许多企业家而言，这种减少不会自动转化为 原始边缘的改善。有问题的是，需要保持高水平的服务（实时，冗余，个性化），高昂的编排成本以及无尽用户所感知的价值。
战略定价的技术定价
AI中的主要经济逻辑在很大程度上仍然是 输入驱动 结合API的成本，代币的体积，计算负载。但是，这种方法很快成为IA工具出版商，尤其是在B2B环境中的限制。
为什么不 从出售工具出售结果？ 这种转变将从IT预算转换为运营预算，在组织中更加珍视，并且不太接触短期仲裁。
在某些垂直平台（例如法律或健康卫生部门的Harvey）中，这种定价趋势可见 业务转型 而不是技术访问。
酸缘：不要对瞬时满意
根据目前的毛利率来判断AI创业公司很诱人。但是这个孤立的数据可能会产生误导。根据长期投资者的说法，重要的是 朝着合并和可扩展边缘的轨迹。
换句话说：
-
- 我们能否证明随着使用的增加，边际成本降低？
- 公司是否有能力创建差异化以证明高级定价合理的合理性？
- 是否有学习循环（产品或市场）随着时间的推移增强价值？
没有回答这些问题，即使有前途的产品也可能保留在有吸引力的技术和不确定的商业可行性之间的灰色区域中。
持久模型的感知价值，正弦原状
可持续经济的关键不仅属于成本控制，而且在 能够产生清晰，稳定和区分感知价值的能力 最终客户。
但是，在许多情况下，这个价值仍然很难客观化。承诺的生产力提高正在努力转化为具体的操作指标。模型的通用特征使区分困难。当一开始时通常很快就会采用，当它不能固定在实际业务用途中时就会停滞不前。
这就是为什么一些出版商现在指导他们的提议 具体细分市场，具有适当的语言，高级集成和对结果的承诺。这种更手工的方法有时会限制直接规模，但 更好的锚价值和保留率。
在成本下降和期望不断增长之间，新的余额发明
人工智能经济对有利的技术方程不满意。为了持久，她将不得不表达 掌握了单位成本，可靠的边距轨迹以及超过技术演示的感知价值。
