最近你有没有发现，几乎所有大模型厂商都在疯狂推出编码工具：GitHub Copilot 一骑绝尘，Cursor 爆火出圈，Claude 推出 Claude Code，OpenAI 也不甘示弱地推出了自己的编码助手。

为什么这些公司都盯上了程序员这个群体？难道只是因为程序员付费意愿强吗？

通过对 AI 推理成本的深入分析，我们发现了一个惊人的秘密：编码工具可能是 AI 行业最赚钱的应用场景之一。

💰 大模型推理真的在烧钱吗？

我们经常听到一种说法：AI 公司都在疯狂烧钱，推理成本高到难以为继。但事实真的如此吗？

通过对实际推理成本的计算，以 DeepSeek R1 级别的模型为例（性能接近 Claude Sonnet 4 和 GPT-4），假设使用 72 台 H100 GPU，按零售价每小时 2 美元计算（实际大厂拿到的价格会更低），得出了一个惊人的结果：

看到了吗？输入几乎是免费的，而输出才是真正的成本所在。这个巨大的成本差异，就是理解整个 AI 商业模式的钥匙。

🎯 编码工具：完美踩中了成本甜蜜点

让我们对比三种典型应用场景的实际经济账：

看明白了吗？编码工具的利润率远超普通聊天应用，甚至达到了惊人的 20 倍！

这背后的秘密在于使用模式的极度不对称。编码工具的典型使用场景是这样的：用户让 AI 读取整个代码库、大量文档、错误堆栈、多个文件上下文（疯狂消耗几乎免费的输入 token），但只需要 AI 返回几行代码建议、简短的解释或精确的修复方案（少量使用昂贵的输出 token）。

这就像一个餐厅，给客人无限量供应免费小菜（输入），但主菜（输出）价格合理且分量可控。客户觉得超值，餐厅也赚得盆满钵满。

📊 API 业务：软件级别的毛利率

再看看 API 业务的利润空间：

这是什么概念？这是软件公司的利润率，而不是基础设施公司的利润率。你以为他们在卖算力，其实他们在卖软件服务。

🤔 那为什么还有"AI 烧钱"的说法？

这里有一个值得思考的观点：这种"AI 推理成本高得不可持续"的叙事，可能更多是在服务现有巨头的利益。

当大公司不断强调巨额成本和技术复杂性时，可以吓退潜在竞争者、抬高行业门槛、垄断市场份额。就像十几年前的云计算一样，大家被吓唬说成本多高多高，结果 AWS、Azure 成了印钞机。

实际上，即使这些计算有 3 倍的误差，编码工具的经济效益依然非常可观。这也解释了为什么所有大模型厂商都在争先恐后地推出自己的编码工具。

🎮 对比：视频生成为什么这么贵？

理解了编码工具的经济学，就能明白为什么视频生成这么贵了。视频生成是完全相反的模式：

少量输入，海量输出，成本自然爆炸。这就是为什么 Sora 这类工具要么收费很贵，要么严格限制使用量。

💡 给创业者的启示

如果你在考虑 AI 创业方向，这个分析给了我们一个清晰的指引：寻找"输入重、输出轻"的应用场景。

代码分析和生成、文档检索和总结、数据分析和洞察、学术研究助手，这些都是好方向。相反，内容批量创作、长文生成、视频图像生成等"输出重"的场景，经济模型就不那么友好了。

🎯 结语

下次当你看到又一个编码工具发布时，不要只是感叹"又卷起来了"。背后的真相是：这些公司发现了一个完美的商业模式——用几乎免费的输入处理，支撑起高价值的输出服务。

程序员们在享受智能编码助手带来便利的同时，也在无意中成就了 AI 公司最赚钱的业务线。这不是坏事，这是一个双赢的局面：程序员提高了效率，AI 公司找到了可持续的商业模式，技术得以快速迭代和进步。

只不过，下次当你看到那些"AI 推理成本高昂"的新闻时，可以会心一笑：他们可能比你想象的赚钱多了。

参考资料：Martin Alderson《Are OpenAI and Anthropic Really Losing Money on Inference?》

阅读原文：https://mp.weixin.qq.com/s/WBSVrb9AyxM9EBIQwzwYsw