豆包付费版致600万用户流失

豆包付费版致600万用户流失
Photo by Call Me Fred / Unsplash

中国最大的AI应用“豆包”在宣布推出付费订阅后,遭遇了上线以来首次用户流失,单月流失超过600万活跃用户。这一信号不仅暴露了字节跳动在商业化探索中的两难境地——高昂的算力成本迫使企业不得不收费,但中国消费者对AI服务付费意愿极低,还使得竞争对手趁虚而入,阿里巴巴旗下的“通义千问”同期激增超1300万用户。这场由收费引发的用户迁徙,正成为观察中国AI行业“叫好不叫座”困境的典型缩影。

收费先行遭反噬:豆包月活骤降600万

综合第一财经与南华早报报道,字节跳动旗下AI应用“豆包”于5月初在苹果商店推出三个付费版本,最贵的专业版年费高达5088元人民币,预计6月下旬正式上线。尽管官方强调日常功能(如搜索问答、写作生图、语音对话)继续免费,但消息公布后,豆包用户首次出现负增长。根据AI产品榜(AICPB)6月3日发布的数据,豆包5月的月活跃用户为3.3亿,较4月下降1.81%,流失约607万用户。

AI产品榜创始人李榜主表示,在竞争白热化的中国市场,用户数量决定一切,1.81%的降幅对字节跳动而言是危险信号。“中国的免费人工智能服务时代远未结束,豆包的商业化可能为时过早。”他进一步指出,在用户迁移成本仍然极低的当下,“谁先开始向用户收费,谁就等于把主动权拱手让给竞争对手。”

竞争对手趁虚而入:通义千问借势收割

在豆包用户流失的同时,其最强竞争者——阿里巴巴旗下的“通义千问”(Qwen)正迅速补位。数据显示,Qwen 5月的月活跃用户激增超过1300万,达到2.34亿。李榜主分析,趋势表明Qwen正在稳步蚕食字节跳动的优势。这一此消彼长的态势,凸显了中国AI市场用户忠诚度脆弱、价格敏感度极高的特征。

算力成本高企与变现困局:免费模式难以为继

推动豆包走向付费的根本压力,来自大模型高昂的算力成本。据Xsignal数据,豆包Token推理成本每年约80亿元人民币,芯片算力成本每年高达数百亿元人民币。截至2026年3月,豆包大模型日均Token调用量已突破120兆,较2024年5月推出时的1200亿暴增1000倍。转化为实际成本,对字节跳动造成了巨大财务压力:2025年该公司利润比2024年大减逾70%,知情人士透露核心原因正是2025下半年大幅加码AI投入,高额的算力采购、基础建设与研发开支拖垮了全年盈利。

与此同时,传统的“免费+广告”模式在大模型场景中几乎失效。AI处理的是完整任务流程,难以在对话中插入广告而不破坏体验。这使得中国AI代理普遍陷入“叫好不叫座”的困局:用户规模庞大,却难以转化为可观的收入。

豆包的这次收费试探,可能只是中国AI行业商业化长跑的开始。在巨额算力账单与用户付费意愿之间找到平衡点,将是所有玩家必须跨越的生死线。

Read more

英伟达将AI智能体装进桌面工作站

英伟达将AI智能体装进桌面工作站

Nvidia正在将Agentic AI从云端推向桌面端,为其最强大的工作站DGX Station推出Agent Toolkit软件工具包。这套工具将复杂的AI代理部署简化为“三步、30分钟”的本地化流程,并首次与Omniverse仿真平台深度整合,形成从硬件到软件再到应用层的全栈闭环。在资本市场对AI投资回报越发敏感的当下,此举标志着Nvidia从纯粹的算力供应商向平台生态构建者的战略延伸。 三步部署、30分钟运行Agent,GB300提供算力底座 DGX Station是Nvidia目前最强大的桌面工作站,搭载GB300 Blackwell Ultra GPU,为运行大规模AI模型和复杂代理提供了充足算力。传统上,部署AI代理通常需要数天甚至数周的环境配置、驱动适配和依赖管理。Agent Toolkit则将这一过程压缩至约30分钟,开发者只需三个步骤即可完成软件部署,在本地计算机上直接运行AI代理。这种“开箱即用”的设计显著降低了Agentic AI的入门门槛,让中小开发团队和企业研究人员能够将精力集中在业务逻辑开发上,而非底层基础设施建设。 与Omniverse结合,构建

By Yuchen
Kimi K3发布:2.8万亿参数开源模型冲击市场

Kimi K3发布:2.8万亿参数开源模型冲击市场

月之暗面发布的Kimi K3模型凭借2.8万亿参数规模与开放权重路线,正在动摇全球AI市场估值逻辑。这款开源旗舰模型以接近顶级闭源产品的性能、仅为OpenAI和Anthropic模型一小部分的成本,引发了美股科技板块剧烈震荡——IG市场分析师指出,两家未上市AI公司的合计估值预期因此减少3140亿美元。市场将此次发布称为“DeepSeek时刻”,但真正的赢家或许不是模型开发者,而是存储芯片与AI基础设施层。 开源路线改写竞争逻辑:性能、成本与生态成新战场 Kimi K3推动AI行业从“模型能力竞赛”转向“性能、成本与开放生态”的综合较量。其支持100万Token上下文窗口,可处理超长文档、大型代码库及复杂多轮任务,并采用“高性能+开放权重”策略,让开发者和企业能够低成本进行二次开发。Saxo Markets首席投资策略师Charu Chanana指出:“能力更强、成本更低的开放模型将降低应用开发成本,加速AI在代码开发、客户服务和工业流程中的落地。”这一逻辑直接挑战了美国限制先进芯片出口阻碍他国AI发展的假设,迫使投资者重新评估AI投资回报预期。 存储芯片与AI基础设施:需求

By Bonan
Neo获1亿美元融资,构建AI代理控制层

Neo获1亿美元融资,构建AI代理控制层

企业AI代理的爆发式增长正在催生一个全新的安全赛道。本周一,由前SentinelOne、Wiz和Palo Alto Networks高管联合创立的初创公司Neo宣布获得1亿美元种子轮融资,投资方包括Andreessen Horowitz(a16z)和Bessemer Venture Partners。Neo正在构建一个所谓的“企业代理软件实时控制层”,旨在解决一个日益严峻的问题:AI代理正在以远超安全团队追踪速度的方式,被嵌入到浏览器、开发工具、SaaS平台和传统企业应用中。据Gartner预测,到2026年底,40%的企业应用将具备代理能力,而这一比例在2025年仅为5%。这意味着那些能够推理、行动、调用工具、编排工作流并继承用户权限的软件,正在以安全架构从未设计应对的方式渗透企业环境。 5%到40%:企业应用Agentic能力的爆炸式增长 Gartner的数据揭示了这场变革的规模:2025年仅有5%的企业应用具备代理能力,而到2026年底这一数字将飙升至40%。Neo的核心卖点正是基于这一趋势。其平台为安全运营团队提供覆盖整个组织的AI代理和代理赋能应用的完整清单,评估它们的

By Yuchen
AI Agent攻破Hugging Face被AI捕获

AI Agent攻破Hugging Face被AI捕获

一场前所未有的网络安全战役已然上演:一个自主AI代理成功渗透了机器学习模型平台Hugging Face的生产基础设施,随后被另一套AI防御系统识别并标记。安全专家认为,这是企业安全领域AI对抗AI的首个重大实例。这一突破引发紧迫追问:面对能比人类安全团队更快适应、学习和进化的自主攻击,企业该如何防御? AI代理攻破Hugging Face生产系统:自主攻击首次在真实环境中得手 被称为机器学习版GitHub的Hugging Face,如今成为新型安全威胁的"零号地带"。据ZDNet报道,一个自主AI代理成功侵入了该平台的生产基础设施——而曝光这起攻击的唯一原因,是另一个AI系统捕捉到了异常行为。与需要人类操作员导航系统并做出决策的传统网络攻击不同,AI代理能够自主规划、执行并调整多步骤入侵,全程无需人工指导。更令人警醒的是,人类安全分析师并未发现这次入侵;是AI驱动的防御系统识别了异常行为模式并发出警报。这如同两枚国际象棋引擎在棋盘上对弈,而人类棋手只能旁观。 防御AI需要100%正确,攻击AI只需一次得手:攻防不对称性倒逼安全策略重构 Hugging Face托管着超过50

By Yuchen