AI收费模式转向端侧，云端按token计费还能撑多久？
11月4日，信通院联合20家单位在乌镇发布《智能体发展自律公约》，同日，端侧芯片公司后摩智能宣布数十亿元B轮。两件事被分开解读，本文判断它们是同一场搬家的两个截面：端侧拆的不是云端的算力，是云端按token计费的收银台。大模型的收费对象，正从每一次调用，转向每一台装机的设备。
（本文作者为 韩工观察，钛媒体经授权发布）
11月4日有两条新闻，分开报道，指向的却是同一件事：AI的收费站正在搬家。
乌镇峰会上，《智能体发展自律公约》发布，说白了就是给跨设备智能通行定一套统一的ETC规则；后摩智能那边宣布数十亿元B轮，它做的存算一体端侧芯片，相当于装进每台设备、能本地放行的引擎。
不少人头一个念头是：往后大部分调用不走云端闸口，云端的生意要缩水。事实正相反。主干道没被废掉，上路的设备总量会猛涨——好比家家户户添了电器，发电厂没消失，全社会用电量反倒涨了几个数量级。
AI行业沿用到今天的“按token过闸”模式，已经撑不住这个新格局。账单接下来会分成三层。这三层怎么切、钱从谁口袋流到谁口袋，才是这场搬家真正要争的。
一、收费站为什么恰好在今年搬
先看这波迁移的体量。IDC数据显示，2026年一季度全球端侧/边缘AI芯片出货量同比涨了约45%，同一时期云端AI芯片的增速在12%左右（部分细分口径下，端侧增速还更高，据IDC数据及公开报道）。
这并非一两家企业的独角戏。按《21世纪经济报道》不完全统计，仅2026年9月，国内就有接近十家端侧AI芯片公司拿到新一轮融资；9月刚完成A轮交割的光羽芯辰，半年内累计融资接近20亿元，宁德时代旗下溥泉资本、北汽产投等产业资本出现在前序轮次的投资方名单里（上海证券报、科创板日报，2026‑09‑10）。
总闸口那一端，流量同样在往上走。2026年6月火山引擎FORCE大会上透露，豆包大模型日均Token调用量已经越过180万亿，一年间增长超过10倍（据火山引擎官方披露，量子位等报道）。
两组数据摆在一起，正好戳破一个流传很广的推论：“端侧吃掉云端的调用量，所以云端危险了。”这个推论藏着一个不易察觉的错误：它把“计费的调用”当成了“全部的消耗”。
端侧截走的，是按token向用户收费的那部分——日常摘要、改写、翻译、唤醒、分类。可token的物理消耗并没消失：模型蒸馏要算力，快照更新要算力，端侧生成的内容再被理解、审核、检索、回流训练，每一环都在产生新的token。
经济学里有个老说法叫杰文斯悖论：效率提升没让资源消耗减少，反倒因为用得起的人多了，总消耗暴涨。电器没消灭发电厂，倒让全社会用电量翻倍再翻倍——端侧和云端大概率会重演这个剧本。
所以说，端侧拆的不是云端的算力，是云端按次计费的收银台。收费站能搬家，有个前提——车得能自己跑更远。这个前提为什么偏偏在今年成立？
二、车为什么突然能自己跑了：一个定律，一道天花板
为什么现在才有条件把放行闸机装进设备？关键在于模型本身的压缩能力在加速突破。
2025年11月，清华大学刘知远、孙茂松团队提出的“密度定律”（Densing Law）登上《自然·机器智能》封面：他们分析了51个开源模型后发现，大模型的最大能力密度大约每3.5个月就翻一倍——换算下来，约每过100天，参数量减半的模型即可追平此前最强模型的性能（据清华大学官网及论文原文）。
论文还给出一个推算：GPT-3.5级别模型的API价格在20个月里降了266.7倍。降价背后既有推理成本的下行，也有厂商主动调价的因素，但两股力量指向的是同一件事——能力相同的模型，正以指数级速度变得更小、也更便宜。
密度定律与摩尔定律的剪刀差，是端侧AI从概念变成产品的根本原因——不是芯片突然变快了，是“够用的智能”变小了。
但别把这理解成“端侧要取代云端”。端侧设备上跑的30B级模型，其实是云端大模型经过蒸馏、量化之后的“能力切片”：它拿到的只是推理模式，完整的知识和持续进化能力并不在其中。
蒸馏本身有个绕不过去的上限——学生模型再强也超不过教师，教师没碰过的长尾场景，学生同样学不会。节奏上的约束更关键：端侧处在推理端，无法自己训练，只能等云端按期“放水”，每来一次快照更新，就相当于上游跟下游续了一次约。
用户这一侧还有个因素常被忽视：人对AI的期待同样是“我可以不用，但必须有”。本地答不上来的那道题、断网时的那次紧急调用，只要缺位一回，信任就降一级。这份“信任冗余”只能由处在能力前沿的云端来兜——所以这不是性能上的差距，而是产品结构决定的。
概括成一句：端侧NPU负责的是数据出口，云端大模型负责的是知识入口，二者不构成替代，而是执行层与供给层的关系。执行层越热闹，对供给层的依赖就越重——变的只是依赖的形式，从按次付费转为按年续约。
问题接着来了：如果云端永远握有“放水权”，这场商业谈判里，定价权在谁手里？
三、谈判桌三方：电机厂、电器厂和电厂
通行规则一变，利益盘子就得重新切。芯片厂、设备厂、模型厂，三家各有各的账要算。
不妨先翻翻电力行业的老账本。1882年爱迪生的珍珠街电站，收费方式是按灯泡包月，跟用了多少电没关系；按度计费、按需量收费，还有用户一接入电网就得交的“接网费”，都是后来才慢慢长出来的。发电能力和计量规则，一直比灯泡本身更值钱。AI行业眼下走的就是同一条路，谈判桌边坐着三方。
芯片厂较劲的地方有三个。头一个是能效，看谁在10W功耗内能把token产出稳得住——后摩M50量产不到一年，拿下150多个产品定点，覆盖AI电脑、移动终端、具身机器人、边缘推理四个方向（据界面新闻、上证报等2026年11月4日报道），这说明存算一体已经过了“能不能卖”那道关。第二个是生态，软件工具链好不好用，直接决定客户适配要花多少钱。最后是调度权，谁来定“哪些任务本地跑、哪些回云端”。
巨头同样在押注。2025年12月，英伟达与推理芯片公司Groq签下非独家技术授权协议，Groq的核心技术团队也随之并入英伟达；到了2026年10月，The Information又报道称，英伟达计划投资存算一体架构公司d-Matrix（投资意向，以双方后续披露为准）。
连把GPU时代定义出来的公司，都在为“存储与计算关系重构”买保险。这事本身就说明，独立芯片创企的终局大概率不是再出一个英伟达，而是在某一层负载里变成“被集成的那一个”。
全链条里最难受的是设备厂。手机厂、PC厂、机器人厂都想学苹果，做端云一体的自有调度，可自研大模型太烧钱；买闭源模型授权，等于把长期利润的阀门交到模型公司手上；换开源模型自己蒸馏，适配、更新、兜底的成本又得全扛下来。
夹在中间的结果就是：设备厂挣的是硬件溢价和场景集成服务费。用户为“AI功能”掏的钱被拆成几份，而智能的定价权，攥在最上游手里。
云和端之间的拉锯才是核心。设备厂想的是“尽量本地化、少回源”，模型厂想的是“关键调用必须回源”。行业公开的技术分享里普遍给了一个区间：约八成日常任务由端侧消化，两成复杂、时效、长尾任务回源云端——比例随场景浮动，可这部分回源权，正是云端全部溢价的来源。
云端不必赚到每一次调用的钱。它只要垄断住“本地搞不定时唯一能找到的那个答案”就够了。
不过这道护城河到底有多宽，眼下没有公开数据能证明。开源权重可以免费蒸馏，端侧跑的“能力切片”未必非买闭源不可——模型厂真能收上溢价的，不是权重本身，而是端云同源对齐、持续快照更新、兜底SLA这套服务。权重会贬值，服务合约不会。
于是谈判桌上坐了三方：握放水权的模型厂、握装机量的设备厂、握场景的行业客户。乌镇公约第一次把第四方——规则制定者——请上了桌，而且先写了最难的那道题：计量与权责。
四、新电费单：三张账单
收费站搬完家，新的电费单长什么样？不再按次收，而是三张账单。
头一张是装机授权。模型公司把蒸馏好的端侧模型授权给设备厂，按装机量计费，不看使用频率——掏钱的是装NPU的设备厂，不是芯片厂，更不是终端用户。
这模式不算新鲜：Windows向PC厂商收OEM授权费，ARM向芯片厂收版税，一收就是三十多年。
国内已经有样本。据界面新闻等报道，面壁智能的端侧模型在消费电子领域按设备出货量收单台授权费，已经进了三星等旗舰机型——单价没披露，但“按台计费”这个模式本身落了地。
海外也出现了相近的合作范式：Meta与高通、联发科官方公布合作，把Llama系列做端侧深度适配，面向芯片平台交付可部署的端侧模型能力，供海量终端搭载运行；各方都没公开计费条款，但模型厂商向硬件生态输出端侧能力的合作框架已经成型。（Meta官方公告、高通行业新闻稿）
当然，这张账单有个前提：端侧装机量得起来。AI手机、AI PC渗透要是爬坡慢，授权费的分母不够大，“按台收费”就只是个好看的模型，变不成现金流。
第二张是持续服务。模型快照每隔几个月就因密度定律迭代一次，设备厂要的是“持续跟上前沿”的能力——快照更新订阅、端云同源对齐、私有化适配，按年收费。
密度定律对模型公司是研发压力，对收费模式反倒是利好：模型的高性价比有效期越来越短，“过期焦虑”本身就成了续费的理由。
第三张是兜底调用。端侧搞不定的那两成任务回源云端，按量计费——这一层今天已经存在，往后也不会消失。
最能说明问题的样本是苹果。10月31日阿里巴巴官宣千问接入国行Apple智能，11月4日开发者Beta开放测试，12月随iOS 27.3正式推送：日常任务由端侧自研模型处理，Siri、写作工具、视觉智能可以调用千问云端能力，用户数据不进公版模型训练（据阿里巴巴官宣及澎湃新闻等报道）。
双方对商务条款都未公开，外界却已自行算起了账：合作敲定之前，有券商提出过三层框架，即“固定授权费+Token按量计费+消费场景分成”；官宣之后，又有媒体参照千问公开标价，倒推出年推理成本上限约为35亿元（这些都属于第三方测算，并非双方披露）。
具体条款怎么定另说，方向是清楚的：端云协同能力正被当成一个整体来定价——不是按每一次调用单独收费，而是把“本地执行+云端兜底”打包成一个能力包，向设备方收钱。客户买的是“永远跟得上前沿”的确定性，不是为每一次token过闸交税。
云端计费的口子松得比想象中快。据两家官网公开计价页，阿里云百炼的Agent服务已经拆成"会话运行时+模型调用+工具调用"分项算钱，华为云也从Token套餐改成按"Agent天"计的积分套餐。混合计价不再是推演，眼下就在发生。上游结的是三层账，下游卖的还是一张卡。终端用户手里的形态没变，也不会变：手机月卡、办公订阅、机器人整机价、Agent任务费，载体不同，落到最后都是"为确定性付钱"。变的是这张卡的背面。过去它对应云端每一次调用的过闸费，如今对应的是设备厂与模型厂之间那三层账单打包后的价格。
这就像用户交199元电信融合套餐，电信跟设备商之间结的却是基站采购费、芯片授权费。账单的结构，一直藏在产品后面。
可要把这三层账单写进全行业的合同，光两家公司坐下来谈不够，得有一张所有玩家都认的计价底表。
五、公约：不是道德倡议，是新电费单的计量标准
话头还是回到11月4日。公约给的不是AI的道德规矩，是新电费单的计量标准。
《智能体发展自律公约》一共八条措施。第二条"建设智能体互联基础设施"的正文里，写的是分层次可验证的身份标识、注册与解析、能力描述与发现、意图理解、路由连接、资源调度与计量、协议兼容互认；互操作与治理条款里，则列着能力开放、任务委托、分类分级授权、权责划分与异常熔断。
这些词在互联网史上都能找到对应的位置：HTTP管的是"网页怎么传"，OAuth管的是"第三方怎么授权"，robots.txt管的是"爬虫边界在哪"。
所以公约不是给智能体立道德规矩，是给"Agent互相调用"立应用层的交通规则——谁有资格被调用、调用怎么计量、出了问题算谁的。据公开报道，配套的《人工智能 智能体互联》系列国家标准指导性文件也已发布，身份码、描述、发现、交互的框架正逐步成形。
为什么偏偏赶在端侧起量的节点？因为Agent的宿主正从云端聊天框挪到亿万台本地设备上。调用发生在设备上，计费发生在设备间，责任却必须落到可追责的主体头上。缺了跨厂商的身份、计量、权责契约，端侧Agent之间的协作就没法审计；没法审计，就没法收费；没法收费，就没人敢大规模部署。
公约管的不是智能聪不聪明，是智能在设备之间流动时，账单和责任往哪走。
到这儿整条链就闭合了：端侧NPU把数据留在设备里，云端大模型把能力持续供给设备，公约把设备之间的调用变成可计量、可追责、可收费的交易。三层各管一段，缺哪一段，另外两段都转不起来。
六、结语
再说回那个最容易误导人的比喻：收费站搬家，不等于主干道没落。电力行业的计费规则，从爱迪生按灯泡包月，到1892年两部制电价，再到1900年前后冒出"接网费"，前后用了约四十年，定价权始终握在拥有水源和水表的人手里。
AI此刻就站在同一个路口：端侧NPU是预装了本地推理引擎的车，云端大模型是沿途的加油站。加油站在哪、加什么油、怎么计价，才是这场搬家真正要争的东西。
端侧越普及，云端越值钱。这句话听着反常识，但它可能只是如实描述了一笔正在改道的钱。
【信息说明】
- 中国信通院在2026年11月4日乌镇峰会上发布了《智能体发展自律公约》，八条措施和条款措辞即出自这份公约全文；公约第二条"建设智能体互联基础设施"的原文表述包括"身份标识、注册与解析、能力描述与发现、意图理解、路由连接、资源调度与计量、协议兼容互认"。
- 界面新闻、上海证券报等在2026年11月4日的报道中提到，后摩智能完成数十亿元B轮融资，M50量产不到一年便拿到150多个产品定点，覆盖四类终端方向；至于融资金额和估值，官方并未披露。
- IDC数据显示，2026年一季度端侧/边缘AI芯片出货同比增长约45%，云端约12%（该数据经公开报道引用，各媒体转述口径存在差异）；《21世纪经济报道》不完全统计显示，9月有近十家端侧芯片企业完成新一轮融资；光羽芯辰的融资情况则来自上海证券报、科创板日报2026年9月10日的报道。
- 豆包调用量：日均Token调用量突破180万亿、一年增长超10倍，来自2026年6月火山引擎FORCE大会官方披露（量子位等报道）。
- 清华大学刘知远、孙茂松团队的论文2025年11月发表在《自然·机器智能》，样本为51个开源模型；文中"API价格20个月下降266.7倍"是论文推算值，既包含推理成本下降，也有厂商主动定价的因素。
- 阿里巴巴10月31日官宣与苹果合作，11月4日推出开发者Beta，12月随iOS 27.3推送，用户数据不进入公版训练——这些信息来自阿里巴巴官方及澎湃新闻等报道；商务条款尚未披露。所谓"固定授权费+Token计费+消费分成"三层框架是券商推演，"年推理成本上限约35亿元"是媒体按千问公开标价倒推，两者都属第三方测算，并非双方披露。
- 面壁智能"按设备出货量收取单台授权费"：来自界面新闻等报道，具体单价未公开披露。
- Meta与高通、联发科的Llama端侧合作：来自Meta官方公告及高通新闻稿，计费条款未公开。
- 云厂商怎么收费，官网计价页写得明白。阿里云百炼的Agent服务按分项计价，华为云则推出积分套餐，这两家的公开计价页均出自2026年。
- 英伟达与Groq在2025年12月达成非独家技术授权，消息来自双方公告及公开报道。至于对d-Matrix的投资，属于The Information报道的计划与意向，最终以双方后续披露为准。
- 还有一份《人工智能 智能体互联》系列国家标准指导性文件，来源为公开报道。
- “约八成任务端侧消化、两成回源”这个说法，是综合行业公开技术分享得出的口径，并非单一机构的结论。
- 文中“收费站搬家”“收银台”“放水权”“数据出口/知识入口”“三层账单”等表述，都是作者自创的分析概念与叙事隐喻，不是行业官方术语。关于收费模式会怎么演进，也只是作者依据公开信息做的产业推演，不代表一定会发生。
本文依据公开信息独立撰写。文中对企业所作的分析与判断，均为作者基于公开资料的研究性观点，不构成投资建议，也不代表对相关企业的任何立场。相关数据以企业官方披露为准。
