Token tötet AI-Anwendungen

Autor: Li Nan, Huang Xiaoyi, Yoky, Sun Rui, Silicon Star

Redaktion | Wang Zhaoyang

Mitte 2026 hatte das auf KI-Videoerstellung spezialisierte Startup OiiOii noch neunstellige RMB-Beträge auf dem Konto, startete jedoch eine neue Finanzierungsrunde.

Zuvor hatte es einen Jahresrahmenvertrag mit der Cloud-Service-Plattform Volcano Engine von ByteDance unterzeichnet: OiiOii muss bis Ende 2026 50 Millionen RMB an Volcano Engine zahlen.

Dies führte zu einer gewissen finanziellen Anspannung bei OiiOii. Die 50 Millionen RMB sollen verwendet werden, um die "reine" API des multimodalen Videoerstellungsmodells Seedance 2.0, das erfolgreichste KI-Produkt von ByteDance, zu erwerben.

Die sogenannte "reine Version" bezieht sich auf die von Volcano Engine über offizielle Kanäle bereitgestellte Seedance API mit vollständigen Rechten.

Nachdem Seedance 2.0 die KI-Branche und die gesamte Filmproduktionsindustrie beeindruckt hatte, überschwemmten komplexe Quellen die Märkte mit Seedance APIs. Einige unbekannte Zwischenhändler boten Seedance 2.0 und seine abgespeckten Versionen - Seedance 2.0 mini und Seedance 2.0 fast - zu relativ niedrigen Preisen an. Nutzer, die einen Film mit hochwertiger Qualität erstellen wollten, erhielten am Ende nur Schrott.

Die "reine Version" der Seedance 2.0 API ist die Lebensader von KI-Videoanwendungen. Ähnlich wie große Sprachmodelle auf die leistungsstarken GPUs von Nvidia angewiesen sind, bestimmen die API der Top-Modelle und die durch die API erzeugten Tokens grundlegend die Fähigkeiten von KI-Anwendungen - die oft als KI-Agenten bezeichnet werden.

Daher sind die Tokens der Top-Modelle zu einer knappen und teuren Währung geworden. Seedance 2.0 ist zweifellos das derzeit leistungsstärkste Videomodell auf diesem Planeten.

Laut offiziellen Informationen kostet Seedance 2.0 bei der Generierung von 720p-Videos ohne Videoeingabe 46 RMB pro Million Tokens, was etwa 0,99 RMB pro Sekunde Video entspricht. Im Vergleich dazu kostet die Generierung von 720p-Videos mit Ling3.0 0,6 RMB, Vidu Q3-pro etwa 0,68 RMB, was bedeutet, dass Seedance 2.0 deutlich teurer ist.

OiiOii, das sich auf die Erstellung von Comic- und Kurzfilmen spezialisiert hat, benötigt Seedance 2.0, aber es klingt verrückt, fast 40 % des Cashflows des Unternehmens für den Kauf seiner Tokens auszugeben.

Für heutige KI-Startup-Unternehmen ist dies jedoch längst alltäglich. Im Vergleich zu großen Sprachmodell-Startups (einschließlich OpenAI und Anthropic), die in der Regel 70 % bis 80 % der Finanzierungsbeträge direkt für den Kauf oder das Mieten von GPUs sowie für Cloud-Computing-Kapazitäten verwenden, ist dies nicht mehr der Rede wert.

OiiOii kauft nicht die Tokens basierend auf dem tatsächlichen Geschäftsbedarf, sondern das Vorrecht auf die API von Seedance 2.0.

Kaum jemand hat bemerkt: Der 2. April 2026, an dem OiiOii die interne Testphase beendete und offiziell online ging, war auch der Tag, an dem Seedance 2.0 für Unternehmen zur öffentlichen Beta geöffnet wurde. Es scheint, als hätte Volcano Engine OiiOii als einen der ersten Distributoren von Seedance 2.0 angekündigt, anstatt dass OiiOii an diesem Tag seinen eigenen Video-Agenten online stellte.

Das ist nicht wichtig; wichtiger ist, dass die "reine Version" von Seedance 2.0 bereitgestellt wird.

Die "reine Version" von Seedance 2.0 verkauft ein ganzes Set von Rechten, wie z.B. Zugriff auf Gesichtsdatensätze, maximale Anzahl gleichzeitiger Nutzer usw. Dies entscheidet direkt darüber, ob die Produkte des Startups reibungslos laufen können.

Wenn eine KI-Videoerstellungsanwendung auf Endverbraucher abzielt und die Nutzer in Echtzeit generieren müssen, benötigt sie eine ausreichend hohe Anzahl gleichzeitiger Nutzer. Da die Rechenleistung zu Beginn der Modellveröffentlichung angespannt ist, müssen Agent-Nutzer, wenn sie keine Unterstützung von Volcano Engine für die gleichzeitige Nutzung erhalten, in der Warteschlange stehen, Zeitüberschreitungen hinnehmen oder können möglicherweise kein Video generieren.

Ein Mitarbeiter eines KI-Videoanwendungsunternehmens hat uns verraten: Ein Jahresrahmen von 10 Millionen RMB für Seedance 2.0 entspricht etwa 400 gleichzeitigen Nutzern, während ein Jahresrahmen von 5 Millionen RMB etwa 200 gleichzeitige Nutzer entspricht. Wo der Preis unterschiedlich ist, ist auch die Nutzererfahrung unterschiedlich.

Bildquelle: Volcano Ark

Nutzer können auf mehr Gesichtsressourcen zugreifen, anstatt immer wieder die gruselig aussehenden "KI-Gesichter" zu verwenden, was ebenfalls von den Preisen der Seedance-Jahresrahmen abhängt. Der Unterschied zwischen Kaufen und Nicht-Kaufen ist der Unterschied zwischen Leben und Tod des Produkts; man hat scheinbar keine Wahl.

"Bruttomarge"

Da die Fähigkeiten der Top-Modelle die Obergrenze der Fähigkeiten von KI-Anwendungen bestimmen, und die hohen Preise die KI-Anwendungen "abwürgen", wird die Erhebung von Abonnementgebühren an Nutzer basierend auf den Token-Preisen als Anker zu einem "Zweitvermieter"-Geschäft, einer mathematischen Gleichung, die man niemals gewinnen kann, und einer Variablenfunktion auf einem Preisschema für Modelle.

Dennoch ist das Vorrecht, das OiiOii für Seedance 2.0 erhält, nicht exklusiv. Mehrere OiiOii-Konkurrenten wie LibTV und Flova haben ebenfalls das "Vorrecht" für Seedance 2.0 erhalten und nahezu gleichzeitig ihre Produkte angekündigt, die mit Seedance 2.0 verbunden sind, zu ähnlichen Preisen.

Volcano Engine ist so großzügig; es gewährt keiner Firma eine exklusive Vorzugsbehandlung für Seedance 2.0, auch nicht für die höchsten Jahresrahmen. Außerdem ist die Preisuntergrenze von Volcano Engine sehr streng: Es gibt kaum Rabatte, und der Tokenverbrauch bei Verträgen im Millionenbereich wird nur bis zu 10 % zurückerstattet, was bedeutet, dass man maximal 10 % der Rechenleistungsgutscheine im Wert des Vertragsbetrags erhält.

Andererseits verbietet Volcano strikt den Weiterverkauf, um zu verhindern, dass günstige Tokens in den Graumarkt gelangen.

In diesem Mechanismus wird eine brutale Realität sichtbar: KI-Video-Tools können kaum Geld mit den vollwertigen Tokens von Seedance 2.0 verdienen.

Theoretisch, wenn man die Tokens von Seedance 2.0 zum ursprünglichen Preis an Kunden verkauft, ohne Rabatte, beträgt die Bruttomarge maximal 10 %. In der Realität wird jedoch kein KI-Videoerstellungstool die Tokens von Seedance 2.0 zu einem höheren Preis - selbst nicht zum ursprünglichen Preis - verkaufen. Schließlich kann theoretisch jeder direkt mit Volcano Engine Geschäfte machen. Wenn Zwischenhändler einen Gewinn erzielen, warum nicht direkt verhandeln?

Laut Berichten von "Intelligent Emergence" kaufen auch Comic- und Filmproduktionsunternehmen oft direkt die "vollwertige" Seedance 2.0 API, darunter viele führende Unternehmen der Branche, wobei der höchste einmalige Aufladebetrag ebenfalls 50 Millionen beträgt. Dies zeigt deutlich das Verlangen des Marktes nach Seedance 2.0 und bedeutet, dass KI-Startup-Unternehmen, die die höchsten Rechte an Seedance 2.0 erhalten, keine Nutzer haben werden, wenn die von ihnen angebotenen Token-Preise nicht wettbewerbsfähig sind.

"Produkte mit Werkzeugcharakter haben keine Loyalität." So äußerte sich ein VC gegenüber uns.

So entstand ein "wilder Weg": Führende KI-Anwendungsunternehmen begannen, aktiv die Preise zu senken, um Kunden zu gewinnen, und begannen sogar, Tokens direkt weiterzuverkaufen.

Die Muttergesellschaft von LibLib, Evoken, ist das größte KI-Anwendungsunternehmen in China, das Tokens beschafft. Es begann in der Open-Source-Modell-Community und wandelte sich schnell zu einer multimodalen Kreativplattform. Gleichzeitig hat es aggressiv mehrere Finanzierungsrunden durchgeführt und kürzlich eine B-Runde in Höhe von 300 Millionen USD abgeschlossen, mit einer Post-Money-Bewertung von über 2 Milliarden USD, wodurch eine umfassende Barriere aus Kapital und Produktmatrix entstanden ist - LibLib AI ist eine Kreativgemeinschaft und eine Plattform zur Bildgenerierung, während Lovart und Xingliu sich auf die internationalen und inländischen Designmärkte konzentrieren und LibTV in die professionelle Videoproduktion einsteigt...

Laut Schätzungen von Drittanbietern wie Similarweb hatte die Lovart-Website im Juni 2026 etwa 3,1 Millionen monatliche Besuche, während die LibTV-Website etwa 2,2 Millionen monatliche Besuche verzeichnete. Diese Verkehrsskala ist bereits nicht gering, aber Besuche und Kreationen sind nicht gleichzusetzen. Öffentliche Informationen zeigen, dass LibTV über zehntausend zahlende Nutzer hat, obwohl dies bereits mehr als die meisten Konkurrenten sind, ist es jedoch nahezu sicher, dass sie nicht in der Lage sind, alle Tokens von Seedance 2.0, die das Unternehmen teuer erworben hat, zu verbrauchen.

Volcano Engine akzeptiert keine "Rückgaben" von Tokens, was die Nebentätigkeiten von KI-Anwendungsunternehmen fördert.

Chen Mian, Gründer und CEO von Evoken, erwähnte in einem Interview mit "Latepost", dass es Gerüchte gibt, dass LibTV Seedance 2.0 API-Keys weiterverkauft, um Gewinne zu erzielen, und er hat dies entschieden bestritten.

Was wir jedoch erfahren haben, ist, dass LibTV die Seedance 2.0 API-Keys tatsächlich nicht "mit Gewinn" verkauft, da sie sie mit Verlust verkauft.

Ein Wettbewerber von LibTV, der im Bereich der KI-Videoerstellung tätig ist, hat uns mitgeteilt, dass LibLib mehrfach versucht hat, die Seedance 2.0 API an sie zu verkaufen, und die Preise günstiger sind als direkt bei Volcano Engine: Wenn man direkt bei Volcano kauft, kann man bei Verträgen über 10 Millionen RMB 10 % Rechenleistungsgutscheine zurückerhalten; aber LibLib kann ihnen zusätzlich 10 % zurückgeben.

Hier gibt es natürlich keinen Gewinn und auch keinen Profit, aber es generiert Einnahmen. Es kann LibTVs ARR (jährliche wiederkehrende Einnahmen) steigern und weitere digitale Unterstützung für die Finanzierungsgeschichte bieten.

Diese Art von ARR ist im Wesentlichen "negative Bruttomarge"-Einnahmen: Man erhält Tokens zu einem Rabatt von 10 % auf den Vertragswert, verkauft sie dann mit einem weiteren Rabatt von 10 % an Wettbewerber, die niedrigere Preise für Tokens benötigen, was strukturell zu einem Verlustgeschäft führt.

Es entsteht nicht einmal eine Bruttomarge, sondern eine "Bruttoverlustquote".

Andererseits hat die Preisstrategie von LibTV und Lovart für zahlende Nutzer auch dazu geführt, dass die Bruttomarge des Unternehmens wie ein Trugbild erscheint.

Der durchschnittliche monatliche Preis für ein LibTV Standard-Abonnement beträgt 47,4 Yuan. Laut der offiziellen Schätzung kann dies 56 Sekunden Seedance 2.0 720P-Videos generieren, was einem Mitgliedereinkommen von etwa 0,85 Yuan pro Sekunde entspricht. Angenommen, der Nutzer verwendet das gesamte Guthaben für Seedance 2.0 ohne Videoeingabe und schätzt die Kosten auf etwa 0,99 Yuan/Sekunde gemäß den Preisen von Volcano Engine, ergibt sich eine marginale Bruttomarge von etwa -17%. Selbst wenn 10% der Rechenleistungsgutscheine vollständig eingelöst werden, bleibt die marginale Bruttomarge bei etwa -5%. Dies muss auch die Nachttarife, die Guthabenboni und zeitlich begrenzte kostenlose Angebote abdecken.

Die Situation bei Lovart ist ähnlich. Wenn alle Punkte für die Erstellung eines Medium-Qualitätsbildes mit GPT Image 2 verwendet werden, unter Berücksichtigung der „beliebtesten“ Pro-Jahreskarte, des aktuellen Rabatts von 39 USD zum Monatsende und der offiziellen API-Preise von OpenAI, beträgt die entsprechende marginale Bruttomarge etwa -87% (vor ein paar Tagen betrug der durchschnittliche Preis nach Rabatt für dieses Paket noch 45 USD, was einer marginalen Bruttomarge von etwa -60% entspricht).

All dies gehört zu den "Stresstests". In der Realität nutzen die Nutzer möglicherweise nicht das gesamte Guthaben und könnten ihre Punkte für kostengünstigere Modelle und Generierungslösungen verwenden. Die Plattform könnte beim Einkauf verschiedener Modelle API-Rabatte in unterschiedlichem Umfang erhalten, was die tatsächlichen Verluste verringern könnte.

Chen Mian, CEO von Yanyu Technology, äußerte sich in einem Interview mit "Latepost" zu diesem Punkt: Wenn Nutzer das gesamte Guthaben des Pakets in Token nutzen, wird LibTV definitiv Verluste machen. Aber wenn ein Nutzer 1 Million Punkte kauft und tatsächlich nur 200.000 verwendet, sind die verbleibenden 800.000 Gewinn. Es gibt auch schwarze Nutzer, die LibTV reverse-engineeren und Jahresabonnements in APIs umwandeln, was zu Verlusten führt, weshalb es reguliert werden muss.

Ein klarer Fall von "Reverse Engineering" ist ein Beispiel aus dem Februar 2026: Der Betreiber des einflussreichen WeChat-Accounts "Web 3 Sky City" beschwerte sich über die visuelle Designanwendung Lovart von Yanyu Technology. Er gab an, für die Mitgliedschaft von Lovart Pro 540 USD Jahresgebühr bezahlt zu haben, aber 10 Tage später wurde sein Konto gesperrt, ohne Rückerstattung. Der Betreiber erhielt weder auf seine E-Mail-Beschwerde noch auf seine direkte Kommunikation mit Mitgliedern des Lovart-Teams eine Antwort.

Nach unseren Informationen wurde das Mitgliedskonto des Betreibers von Lovarts internen Risikomanagementsystem als "Reverse Engineering" eingestuft, und das Unternehmen hat strengere Kontrollmaßnahmen eingeführt. Die Entscheidung, nicht weiter mit dem Betreiber zu kommunizieren und keine Rückerstattung zu gewähren, wurde von Chen Mian selbst getroffen.

Dieser Vorfall führte zu einer gewissen Aufregung und löste Diskussionen über die Vorabzahlungsmechanismen von KI-Anwendungssoftware, die Transparenz der Kontosperrstandards und den Schutz der Verbraucherrechte aus. Dies zeigt, wie fragil das Geschäftsmodell ist, das darauf setzt, dass Nutzer nur zahlen, aber keine Token verbrauchen; und wie viele Schlupflöcher es in einem Umfeld mit extrem sensiblen Token-Preisen gibt, die ausgenutzt werden können.

In der Tat ist es Lovart oder LibTV selbst, die das "Reverse Engineering" betreiben, indem sie ungenutzte Mitglieds-Token in APIs verpacken und verkaufen.

Denn ungenutzte Token der Nutzer werden nicht wirklich zu Gewinnen, da KI-Anwendungsunternehmen bereits Gebühren an die Modellanbieter für diese Guthaben gezahlt haben.

Diese sind im Jahresrahmen enthalten. Die Logik der starken Modellanbieter lautet: Was verbraucht wird, kann nachgekauft werden, was nicht verbraucht wird, wird auf keinen Fall zurückerstattet. Die sogenannten 1 Million Punkte, von denen 200.000 verwendet wurden, und die verbleibenden 800.000, die zu Gewinnen werden, existieren nicht. Das heißt, die "nicht verbrauchten" Token-Guthaben werden tatsächlich zum "Inventar" der KI-Anwendungsunternehmen.

Da es sich um Inventar handelt, muss es abverkauft werden, sonst entstehen noch größere Verluste. Das erklärt auch, warum andere KI-Video-Generierungsteams Angebote von LibTV für den Verkauf von Token zu ermäßigten Preisen erhalten. Die offizielle Bekämpfung von Nutzern, die Token durch "Reverse Engineering" weiterverkaufen, ist in Wirklichkeit ein Wettbewerb um die Wiederverkaufsrechte von Token mit den Nutzern.

Im Vergleich zu den Verlusten, die durch den Abverkauf von "Inventar"-Token entstehen, sind die Verluste, die durch die vollständige Nutzung der Rechte durch die Nutzer entstehen, größer. Selbst wenn die Aussage "nicht verbrauchte Token sind Gewinne" gültig ist, schränkt sie die Obergrenze des Gewinnmodells ein - wenn alle Nutzer nur aufladen, aber keinen Token verbrauchen, kann der Gewinn theoretisch maximiert werden.

Wenn ein Nutzer einen Token mehr verbraucht, rückt er näher an die Verluste heran. Dies führt zu einer gefährlichen negativen Selektion: Je niedriger der Preis, desto einfacher ist es, schwergewichtige Nutzer anzuziehen, die teure Modelle verbrauchen, und diese Nutzer haben eine höhere Punktnutzungsrate, was die Einnahmen für die Plattform verringert.

In diesem Kreislauf könnten die Verluste der KI-Anwendungsunternehmen weiter zunehmen, der einzige Vorteil wäre ein kurzfristig besserer ARR.

Die KI-Anwendungsunternehmen sind sich dessen bewusst, aber wenn sie sich den VCs präsentieren, können sie diese "Fallen" immer noch verbergen. Ein VC hat uns verraten: Die von LibLib den Investoren und dem Kapitalmarkt präsentierte Bruttomarge könnte positiv sein.

Das erfordert "finanztechnische" Fähigkeiten: Geschenkguthaben, zeitlich begrenzte kostenlose Angebote, Nachttarife... all diese starren Kosten, die die Bruttomarge aufzehren, können alle in die Verkaufsrate einfließen. Die hohen Verkaufsraten in der Anfangsphase können als "Wachstumsinvestitionen" bezeichnet werden; alle Einnahmen - einschließlich der Einnahmen aus dem Kauf von Mitglieds-Token und dem Weiterverkauf von Token - können zum ursprünglichen Preis gezählt werden, was es nicht unmöglich macht, unter verschiedenen Gesichtspunkten eine "positive Bruttomarge" zu erreichen.

In unseren Gesprächen mit vielen Investoren und Unternehmern gibt es einen Konsens: Selbst wenn man die breiteste Definition anwendet, liegt die Bruttomarge von KI-Anwendungen, die auf dem Verbrauch und Verkauf von Token basieren, allgemein nur bei 10%-25%, was kaum alle Kosten deckt.

Die meisten chinesischen KI-Anwendungs-Startups haben von Anfang an den internationalen Markt erschlossen, aber Insider haben nach Berechnungen festgestellt: Die Akquisitionskosten für einen zahlenden Nutzer im Ausland betragen etwa 200 USD, während der durchschnittliche Nutzer 50 USD bezahlt. Die Token-Bruttomarge deckt nicht einmal das Nutzerwachstum, ganz zu schweigen von den Ausgaben für Forschung, Betrieb und Management.

In den letzten Jahren hat der Kapitalmarkt und die Startup-Szene dazu tendiert, KI-Anwendungen im Rahmen eines SaaS-Modells zu verstehen. Aber jetzt sind die Investoren wachsam: "SaaS wird günstiger, je mehr Nutzer es gibt, während KI-Anwendungen im Gegenteil, je mehr Nutzer es gibt, desto mehr verlierst du".

Das zeigt den grundlegendsten Unterschied zwischen KI-Anwendungen und traditioneller Software auf - die Grenzkosten traditioneller SaaS werden mit der Skalierung gesenkt, während die Grenzkosten von KI-Anwendungen mit der Nutzung wieder ansteigen. Je mehr die Nutzer verwenden, desto mehr Token gibt es; je mehr Token es gibt, desto höher sind die Kosten.

Auf der grundlegenden Ebene betreiben KI-Anwendungsunternehmen eine "dauerhaft verlustbringende Token-Umschlagkette", das ist die "Bruttomarge".

"Token-Controller"

KI-Anwendungs-Startups sind nicht einfach nur in die Token-Falle gesprungen, sie befinden sich auch selbst in einem Chaos.

Der Einkauf von Token bei Modellanbietern hat offensichtliche Kosten, aber die Preisgestaltung des Produkts, Nutzeranreize und die Berechnung der Bruttomarge werden von den nachgelagerten Abrechnungssystemen der Modelle bestimmt. Was anfangs als mögliche Bruttomarge angesehen wurde, wird nach Erhalt der Rechnung zur Bruttomarge.

Nehmen wir Seedance 2.0 als Beispiel: Die tatsächlichen Kosten für die Erstellung eines Videos berücksichtigen gleichzeitig die Dauer des Eingabevideos, die Dauer des Ausgabevideos, die Auflösung, die Bildrate, die Modellversion, die Mindestabrechnungsdauer und die Zeitstufen. Die API des Videomodells könnte zwischen 1 und 4 Sekunden einheitlich auf 4 Sekunden abrechnen, und die Kosten steigen oft nicht linear zwischen verschiedenen Längen. Nach der Vertragsunterzeichnung entstehen die Kosten täglich, aber es dauert normalerweise T+N Tage, bis die einzelnen Kosten in der Rechnung sichtbar werden.

Das führt zu einem typischen Zustand des "Eingeschlossenseins in Token": Das Unternehmen kennt die offensichtlichen Kosten der Token, weiß aber nicht, wie die tatsächlichen Kosten in welcher Form und zu welchem Zeitpunkt auf welches Maß vergrößert werden.

Dennoch können die KI-Anwendungs-Startups sich von dieser Abhängigkeit nicht befreien, sondern geraten immer tiefer hinein. Schließlich sind sie auf die "Vorteile" der besten Modelle angewiesen.

Wenn man die Kostenquellen der KI-Anwendungen in einer Formel darstellen würde, wäre das: "Echte Generierungskosten = Preis pro Generierung × durchschnittliche Anzahl der Versuche". Das gilt für Videos, Bilder oder PPT-Designs.

Die besten Modelle haben eine hohe Erfolgsquote bei der Generierung, die Anzahl der Versuche reduziert sich, was manchmal die grundlegenden Berechnungskosten senken kann.

Wie sollten KI-Anwendungsteams zwischen hochpreisigen, effektiven Modellen mit niedriger Versuchszahl und kostengünstigen, niedrigschwelligen Modellen mit hoher Versuchszahl und möglicherweise höheren Gesamtkosten wählen, die möglicherweise die Konversionsrate und -bindung opfern?

Ein Brancheninsider hat verraten: Um Aufträge zu gewinnen, können Kunden von Keling 1.0 für lange Zeit einen Rabatt von bis zu 65% erhalten. Dieser Rabatt ist für die Rechenkosten von Keling bereits verlustbringend, und wenn die Rechenkosten für Keling-Modelle steigen, wird dieser Preis zu einem doppelten Verlust. Das einzige Ziel ist es, Kunden zu gewinnen.

Das objektive Ergebnis ist, dass die Modellanbieter, die versuchen, KI-Anwendungsunternehmen mehr Token zu einem niedrigeren Preis zu verkaufen, dennoch in den Hintergrund gedrängt werden. Ein Beispiel, das dies indirekt bestätigt, ist, dass die tägliche Anfragezahl von Seedance 2.0 auf OpenRouter weiterhin stabil über 3000 liegt, während Keling 3.0 nur 300-400 Anfragen hat.

Um die natürliche "Bruttomarge" zu lösen, gibt es zwei direkte Ansätze: die Produktpreise zu erhöhen oder die Token-Kosten zu senken. Nach der aktuellen Situation haben sich die meisten KI-Anwendungs-Startups für Letzteres entschieden.

Oberflächlich betrachtet iterieren alle aktiv Produkte, aktualisieren Funktionen und schaffen Differenzierungen, aber tatsächlich wird ein großer Teil der Energie darauf verwendet, günstige Token zu finden. Günstige Token kommen aus verschiedenen Quellen.

Zunächst ist der Niedrigpreisverkauf von "oberen" AI-Agenturen ein wichtiger Kanal.

Wie bereits erwähnt, verkauft LibLib Token zu 81% Rabatt an kleinere AI-Anwendungsteams, die sich die volle Version von Seedance 2.0 nicht leisten können. Einige Startups begrüßen solche "Rabatte", während andere befürchten, gegen die Verkaufsrichtlinien von Volcano Engine zu verstoßen und sich nicht trauen, die Token zu kaufen.

Zweitens können auch Mitbewerber, die sich umorientieren, günstige Token anbieten.

Wie bereits erwähnt, haben die führenden Modellanbieter strenge Jahresrahmenrichtlinien mit Mindestguthaben, die "nicht warten" - wenn sie innerhalb eines Jahres nicht verbraucht werden, verfallen die verbleibenden Token. Das ist auch der Grund, warum der Weiterverkauf von Token immer wieder von den Modellanbietern verboten wird, da die Notwendigkeit, Verluste zu begrenzen, die Kosten zurückzugewinnen oder "Bruttomargen" zu schaffen, die KI-Anwendungsunternehmen dazu zwingt, dies zu tun.

Insbesondere wenn einige Unternehmen Geld verbrennen und Geschichten erzählen, scheitern und nicht mehr in der Lage sind, weiterzumachen oder kurz vor dem Bankrott stehen, könnten ihre verbleibenden "riesigen" Token-Guthaben zu extrem niedrigen Preisen verkauft werden.

Ein interessantes Detail ist, dass einige Unternehmen mehr als 10 Millionen Yuan für den Token-Einkauf ausgeben, aber der Hauptzweck nicht darin besteht, Geschäfte zu machen, sondern Geschichten zu erzählen: den Kapitalmärkten zu zeigen, dass sie große Kunden der besten Modellanbieter geworden sind, ihre Stärke zu demonstrieren und schnell eine weitere Finanzierungsrunde zu sichern. Ein VC hat uns gesagt, dass der Kauf von Token in einigen Startups bereits vollständig "von der Realität in die Fantasie" übergegangen ist.

Darüber hinaus ist die Suche nach staatlichen Subventionen ein gängiger und zuverlässigerer Weg, um günstigere Token zu erhalten.

Die kommunalen Regierungen der Stadt bieten anerkannten KI-Unternehmen Subventionen für Rechenleistung oder Modelle an, sodass Anwendungsunternehmen die Möglichkeit haben, die Kosten für Tokens auf 75 bis 90 Prozent des Originalpreises zu senken. Diese Ressourcen sind jedoch nicht weit verbreitet, und um an günstige Tokens zu gelangen, müssen alle "ihre eigenen Fähigkeiten zeigen".

Letztendlich versuchen alle, günstigere Tokens zu erhalten. Diese Maximierung der Suche nach günstigen Tokens wird zwangsläufig zu einer Flut von "Transferstationen" führen.

Als Teil der unterirdischen KI-Industrie sind "Transferstationen" im Wesentlichen der Großhandel von Tokens zum Einzelhandel. Sie lassen sich grob in drei Kategorien einteilen.

Die erste Kategorie ist der "reguläre" Wiederverkauf, bei dem Tokens für ausländische Modelle in großen Mengen gekauft und mit Rabatt im Inland verkauft werden. Dies entspricht noch einer "normalen" Händlerlogik.

Die zweite Kategorie ist die reine Schwarzproduktion, die meist von Einzelpersonen betrieben wird, mit Angeboten wie "eine Million Tokens für drei Yuan", die jederzeit schließen oder gesperrt werden können.

Die dritte Kategorie ist die "Pooling"-Ressource. Diese Transferstationen sammeln die Token-Kontingente aus verschiedenen verstreuten Kanälen und schaffen eine einheitliche Routing-Ebene.

Transferstationen sind einer der Hauptkanäle für günstige Tokens im KI-Anwendungsmarkt. Allerdings variieren die Preise dieser Ressourcen stark und die Qualität ist nicht stabil. Im Bereich der Videoerstellung ist das Phänomen der "Verdünnung" weit verbreitet.

Eine Transferstation, die einer KI-Startup-Firma "Lieferungen" macht, erwähnte: "Wenn wir die API von Keling verwenden, sind von zehn Aufrufen acht von Keling und zwei von diesem Unternehmen selbst. Wenn die Transferstation mehr verdienen möchte, passt sie dieses Verhältnis an."

Die KI-Anwendungsunternehmen sind sich dessen bewusst, aber einige integrieren dennoch die verdünnten Tokens in ihre Produkte, was die Servicequalität für die Endbenutzer weiter senkt. Schließlich ist es normal, dass "das Ziehen einer Karte nicht erfolgreich ist". Selbst wenn die Benutzer Zweifel an der Qualität der verwendeten Tokens haben, können sie eine Erklärung abgeben.

Trotz all dieser Kanäle versuchen die KI-Anwendungsunternehmen weiterhin, die Kosten weiter zu senken.

Um die Token-Kosten wirklich "legal" zu senken und etwas Gewinnspanne für die Finanzberichte zu finden, haben einige Startups einen weiteren Weg erfunden: Sie gestalten ihre Produkte als präzise Token-Controller - durch Zeitbeschränkungen, Paketstufen, Modellherabstufungen und Parameterversteckung verringern sie den Einfluss von Tokens auf die Gewinnspanne.

Konkret gesehen beschränken einige Anwendungen direkt die Dauer, in der Benutzer Videos generieren können, zum Beispiel indem sie einheitlich 4-Sekunden-Videos generieren, um zu vermeiden, dass 3-Sekunden-Videos erstellt werden, die dennoch mit 4 Sekunden abgerechnet werden.

Die "Paketfalle" ist eine noch raffiniertere Methode. Einige Anwendungen bieten den Benutzern im mittleren Paket nicht das beste Modell an und öffnen das optimale Modell nicht für hochverbrauchende Szenarien. Sie haben auch Pakete entworfen, die die Benutzer "nicht aufbrauchen" können, in der Hoffnung, dass die Benutzer inaktiv sind und weniger verwenden, um Gewinn zu erzielen.

Sie verwenden Formeln wie "199 Yuan Paketbenutzeranzahl × 2 Milliarden Tokens Reservierung" und verhandeln mit den Modellanbietern über Großhandelspreise, um Preise zu erhalten, die weit unter dem tatsächlichen Verbrauchsbedarf liegen. Der nicht verbrauchte Teil wird dann als "Transferstation" verkauft.

Ein VC hat sich bei uns beschwert: Als sie eine Due-Diligence-Prüfung eines Unternehmens durchführten, entdeckten sie diese "Wasseranteile" und fragten, ob die Benutzer tatsächlich so viele Tokens verbrauchen könnten. Der Gründer betonte nur die Anzahl der Benutzer, die dieses Paket gekauft haben, und sprach nicht über den tatsächlichen Verbrauch.

Investoren sind darüber nicht erfreut. Ein Geschäft, bei dem die Benutzeraktivität und die Gewinnspanne umgekehrt proportional sind, ist kein gutes Geschäft.

KI-Anwendungen "leben von Tokens" und haben ein grundlegendes Problem geschaffen, das das Fundament des Unternehmens erschüttert: Produkte werden nicht mehr nur um das Benutzererlebnis herum gestaltet, sondern zunehmend darum, "wie man den Benutzern hilft, weniger Tokens zu verbrauchen".

Natürlich gibt es auch ingenieurtechnische Kostensenkungsmaßnahmen, die das Benutzererlebnis berücksichtigen. Zum Beispiel wird zuerst ein günstigeres Videomodell verwendet, um eine niedrig aufgelöste Version zu generieren, und dann wird die Klarheit durch Super-Resolution-Technologie verbessert. Einige KI-Tools reduzieren auch die Anzahl der Token-Ziehungen durch Eingabeaufforderungen, Arbeitsabläufe, Parametersteuerung, Nachbearbeitung, Caching und Modellrouting, um Tokens zu sparen.

OiiOii ist eines der Unternehmen, das den "Token-Controller" recht clever gestaltet hat.

OiiOii nennt die von Benutzern gekauften Punkte "Boxenessen". Im Gegensatz zu LibTV, das einst aggressiv um Kunden mit Preisen von 30 bis 40 Prozent kämpfte, beträgt der Preis von OiiOii (siehe mehrere Bilder, 10 Sekunden 140 Boxenessen) 0,96 Yuan/Sekunde, und mit der Ausgabe in HD beträgt der Gesamtpreis etwa 0,99 Yuan/Sekunde, was im Wesentlichen dem Preis von Seedance 2.0 Tokens entspricht. Der Gewinnraum kann gerade so herausgepresst werden, obwohl er immer noch dünn ist.

Das kann OiiOii tun, weil es einige raffinierte "Mechanismen" entworfen hat:

Die Benutzeroberfläche zeigt keine Videospezifikationen und Punkteabzüge an, sondern führt die Benutzer direkt in den kreativen Prozess von Skript ------ Rolle ------ Szene ------ Storyboard ------ Video, wodurch den Benutzern keine Gelegenheit gegeben wird, "Schmerzen" zu empfinden, und sie nicht darüber informiert werden, ob sie in der frühen kreativen Phase Seedance, Keling oder Sora 2 oder sogar andere günstigere Modelle verwenden. Erst im Storyboard-Schritt dürfen die Benutzer das Modell selbst auswählen. Die Benutzer können den Verbrauch nicht optimieren und können die Preise anderer Anbieter nicht vergleichen, sie können nur vorübergehend den Preis vergessen; die "Intransparenz" ist ihr Schutzmechanismus für die Gewinnspanne.

OiiOii kann sich jedoch so preislich und mit einem solchen Token-Mechanismus positionieren, weil es in bestimmten professionellen Videoproduktionsgruppen wie Manga und Kurzfilmen einen guten Ruf und Bekanntheit hat. Neben dem Überlebenskampf mit Tokens hat es eine gewisse Einzigartigkeit etabliert.

Ein BD-Mitarbeiter eines Cloud-Service-Anbieters, der viele Kunden im Bereich Kurzfilme und Manga hat, sagte uns: OiiOii hat in der Kurzfilm- und Manga-Community einen gewissen Bekanntheitsgrad, und kürzlich hat auch LibTV aufgeholt. Diese Kunden erwähnen, dass der Workflow von LibTV reibungslos und die Leinwand benutzerfreundlich ist.

Zuvor war der Hauptgrund für das Interesse an LibTV die umstrittene "Kosten-Nutzen-Relation" und "Gewinnrate". Mit der Verbesserung und dem Durchbruch des Produkts hat LibTV, das traditionell für Preissenkungen bei Tokens bekannt war, nun auch etwas Preiserhöhungsspielraum.

Im Juni wurde LibTV Agent eingeführt. Es bringt die KI-Videoerstellung von der Generierung einzelner Szenen zur Lieferung vollständiger Filme, indem es die Planung, das Storyboarding, die Generierung und den Schnitt automatisch mit professionellen Fähigkeiten abschließt und gleichzeitig Storyboards und Knoten-Workflows für manuelle Anpassungen beibehält; 3D-Regietische, Charakterbibliotheken und Langzeitgedächtnis verbessern zudem die Konsistenz zwischen Charakteren und Szenen.

Daraufhin hat LibTV selten und kühn die Preise erhöht.

Zuvor betrugen die Jahresabonnements für die beiden Stufen der LibTV Supreme Edition im ersten Jahr 8499 Yuan und 10999 Yuan, jetzt wurden sie um jeweils 1000 Yuan erhöht. Der Preis für die Verwendung von Seedance 2.0, der zuvor auf 0,37 Yuan pro Sekunde sinken konnte, beträgt jetzt mindestens 0,41 Yuan pro Sekunde.

Dies führte zu Beschwerden von einigen preissensiblen Nutzern, aber mit der Verbesserung der Produkterfahrung ist dies auch eine unvermeidliche Maßnahme.

Im Vergleich zur Preiserhöhung gibt es eine direktere Vorgehensweise, nämlich den direkten Zugang zum Überseemarkt zu einem höheren Preis. Um die Gewinnspanne zu erhöhen, bedienen fast alle chinesischen KI-Anwendungen zuerst den globalen Markt, insbesondere Regionen wie Europa, die USA und Japan, wo die Zahlungsbereitschaft der Nutzer höher ist. Lovart, ein Unternehmen von Yanyu Technology, ist ebenfalls ein aktiver Versuchsträger.

Laut einem früheren Bericht von Elsewhere wurde Lovart stark von Manus inspiriert. Manus hat, als die Modellfähigkeiten einen kritischen Punkt überschritten, schnell in ein ansprechendes Produkt verpackt, während Lovart, als es erfuhr, dass GPT-image-1 in drei Wochen veröffentlicht wird, die besten Mitarbeiter des Unternehmens nach Shanghai für eine geschlossene Entwicklung abgezogen hat. Manus hat durch proaktive Kontakte zu großen Tech-Influencern im Silicon Valley einen Kaltstart vollzogen, während Lovart auf die Verbreitung durch ausländische Tech-Blogger setzte. Ein von Benutzern generiertes Plakat für den Tesla Cybertruck erhielt sogar einen Daumen hoch von Elon Musk.

Allerdings war Lovarts Expansion in Übersee nicht reibungslos. Bereits zu Beginn der Einführung im Mai 2025 hatte Lovart ein lokales Team im Silicon Valley gegründet, das für das Benutzerwachstum und das Marketing verantwortlich war, aber dieses Team war von Turbulenzen geprägt. Bis Ende 2025 hatten alle Mitglieder des amerikanischen Teams, einschließlich der Mitbegründerin von Lovart, COO Elena Leung, und der Mitbegründerin Aimee Yang, das Unternehmen verlassen, und die aktuellen Teammitglieder sind allesamt Neuankömmlinge, die im ersten Halbjahr 2026 beigetreten sind.

Bei der Expansion in den globalen Markt, um höhere "Netto-Wert"-Benutzer zu gewinnen, die Verbesserung der Produkttechnik und des Designs zur Preiserhöhung und die präzise Einstellung des "Token-Controllers" stehen immer mehr KI-Anwendungsteams vor schwierigen Entscheidungen. Die präzise Gestaltung des Token-Controllers ist jedoch tatsächlich die relativ kontrollierbare Option in Bezug auf die Ergebnisse.

Wenn jedoch alle KI-Anwendungs-Startups sich zuerst als Token-Controller gestalten müssen, können sie niemals ein echtes Benutzererlebnis bieten und die Produktqualität wirklich verbessern. In einem größeren Wettbewerbsumfeld könnte dies sie in eine passive Position bringen.

Die offensichtlichste Bedrohung kommt von den großen Unternehmen.

Wenn leistungsstarke Internet-Giganten ihre Produktfähigkeiten durch Fortschritte in ihren eigenen Modellen und den Fähigkeiten von Drittanbietern nutzen und mit großen finanziellen Mitteln und der Bereitschaft, Tokens zu verbrauchen, schnell ihre eigenen Produktmatrix im Bereich KI-Anwendungen aufbauen, wird die Zukunft der Startups unter Druck gesetzt. Der Aufstieg von Tencent WorkBuddy und die damit verbundenen Produktfähigkeiten sind ein Beispiel, auf das KI-Anwendungs-Startups achten und sich warnen sollten.

Seit dem öffentlichen Test im März 2026 hat Tencent die Sichtbarkeit von WorkBuddy durch WeChat-Feeds, offizielle Konten, Werbung in U-Bahn-Stationen und Bürogebäuden sowie durch Maßnahmen wie Registrierungsboni, Anmeldeprämien, kostenlose Modellnutzungen und doppelte Credits erhöht, um die Testkosten für Benutzer zu senken und eine große Anzahl von Benutzern zu gewinnen. Die gleichzeitig durchgeführten häufigen Iterationen haben die Position von WorkBuddy im KI-Produktivitätsstrom weiter gefestigt.

Allein im Juni 2026 hat dieses Produkt mindestens 17 Versionen veröffentlicht, manchmal sogar zwei Updates an einem Tag. Neben der schnellen Behebung von Bugs hat WorkBuddy auch schnell Tencent-Dokumente, Unternehmensweixin und andere Anwendungen des Tencent-Ökosystems integriert und Fähigkeiten wie Multi-Agent-Zusammenarbeit, Cloud-Tasks und Unternehmensprojektmanagement verbessert, wodurch es schließlich zu einem neuen AI-Star innerhalb von Tencent wurde, der Yuanshi übertroffen hat.

Bei der Veröffentlichung der ersten Quartalszahlen im Mai erklärte Tencent unverblümt, dass WorkBuddy nach der Anzahl der täglich aktiven Konten der beliebteste KI-Effizienz-Intelligenzdienst in China geworden sei. Laut Analysen von iResearch stieg die monatliche Zugriffsrate von WorkBuddy auf dem PC von 8,85 Millionen im März auf 20,97 Millionen im Juni und verdoppelte sich mehr als.

Das sind Ergebnisse, die kein KI-Anwendungsunternehmen erreichen kann und auf die sie neidisch sind. WorkBuddy kann auf die gesamte Traffic-Ressource von Tencent zugreifen und ist vor allem nicht gezwungen, wie Startups die Schalter des Token-Controllers präzise zu verwalten.

Der Ausweg

Immer mehr KI-Anwendungsunternehmer beginnen, nach Auswegen jenseits von Tokens zu suchen.

Der prominente Unternehmer Zhang Yueguang postete im Juni auf Xiaohongshu: Um zu bewerten, ob eine KI-Anwendung erfolgreich ist, sind die wirklich drei wichtigsten Indikatoren die Gewinnspanne der zahlenden Benutzer, die Verlängerungsrate und die CAC (Kundenakquisitionskosten). Um die ersten beiden gesund zu erreichen, muss entweder das Geschäftsmodell des Token-Verkaufs in ein anderes Geschäftsmodell umgewandelt werden, oder Tokens müssen an Benutzer verkauft werden, die nicht preissensibel sind. "Alle Produkte, die auf preissensiblen Benutzern basieren und Tokens verkaufen, sind nur Geschäfte von Modellanbietern."

Zhang Yueguangs eigenes Startup-Produkt entspricht zwei verschiedenen Lösungen, die er gefunden hat.

Eine Marke ist Xingmian, die versucht, die Token-Kosten durch Einnahmen aus Spielen und IP zu decken; die andere ist Dokie, die versucht, den Nutzern für ein nutzbares Ergebnis zu bezahlen, anstatt die Kosten pro Modellaufruf zu vergleichen. Laut seinen öffentlichen Äußerungen hat Dokie die kostenlosen Testkontingente in über 140 Ländern vollständig auf null gesenkt, was sich tatsächlich kaum auf die zahlenden Nutzer auswirkt.

Lange Zeit wurde "Token Maxxing" als das Maß aller Dinge angesehen, und die Branche verfolgte leidenschaftlich den Token-Verbrauch, betrachtete ihn als Symbol für starke Produkte und einen positiven Markt. Doch schließlich wurde erkannt, dass die Verfolgung des Token-Verbrauchs fehlgeleitet war; die Bruttomarge ist der wahre Wegweiser. Mit anderen Worten, die Unternehmen, die wirklich auf Token angewiesen sind, sind nicht die, die mehr Token verbrennen, sondern die, die Token auf eine andere Weise verkaufen.

Das typischste Beispiel findet sich im Bereich "Hardware + Anwendungen", wobei Plaud das prominenteste Beispiel ist.

Nach unseren Informationen hat Plaud mit seinen nicht-hardwarebezogenen AI-Diensten bereits einen Jahresgewinn von mehreren Millionen Dollar erreicht. Das Gesamtumsatzziel für 2026 liegt bei 500 Millionen Dollar, mit über 2 Millionen installierten Nutzern.

Dahinter steckt eine unterschiedliche Zahlungsstruktur.

Zunächst einmal die Hardware selbst. In der Unterhaltungselektronik muss der Endverkaufspreis in der Regel die BOM-Kosten erreichen, also etwa das Dreifache der Materialkosten, damit das Unternehmen einen nachhaltigen Geschäftsspielraum hat. Der Preis für den Plaud Note Pro liegt bei etwa 179-189 Dollar, die BOM-Kosten betragen etwa 60 Dollar, was einer Bruttomarge von etwa 67 % entspricht und diesem Muster entspricht.

Wichtiger ist jedoch das AI-Abonnement-Einkommen. Das AI-Abonnement ist in zwei Stufen unterteilt: Pro-Jahresabonnement umgerechnet etwa 8,33 Dollar pro Monat und Unlimited-Jahresabonnement umgerechnet etwa 20 Dollar pro Monat. Diese Preisgestaltung ist weder teuer noch billig; entscheidend ist, dass die AI-Szenarien sehr leicht sind, hauptsächlich Transkription und Zusammenfassung, nicht Videogenerierung oder Agenten-Re-Reasoning. Laut einer Schätzung eines Plaud-Anbieters betragen die AI-Verarbeitungskosten von Plaud etwa 1-2 Dollar pro Monat und Person, wobei die Software-Bruttomarge von Plaud etwa 75 % bis 90 % erreichen kann.

Im Großen und Ganzen ist die Situation der Hardware im Vergleich zur Software etwas besser, da es keine direkte Konkurrenz zu Modellunternehmen und Modellprodukten gibt und es Spielraum für Aufpreise gibt.

Ein AI-Hardware-Unternehmer hat die Produkte auf dem Markt in mehrere Kategorien unterteilt:

Erstens, hardware-selbsttragend. Durch eine Preisgestaltung, die im Inland das Dreifache und im Ausland das Fünffache beträgt, kann die Hardware ohne Verlust verkauft werden, und mit Abonnements kann man noch etwas verdienen.

Zweitens, hardware mit niedriger Bruttomarge + Abonnements zur Kompensation. Plaud gehört zu dieser Kategorie.

Drittens, wachstumsorientierte Finanzierung; viele frühe AI-Hardware-Startups fallen in diese Kategorie. Schließlich gibt es noch die Kategorie mit niedrigen Hardwarepreisen + ohne Abonnements. Zum Beispiel die meisten inländischen Produkte im Bereich AI-Begleitung/AI-Spielzeug, die hauptsächlich durch Hardware etwas verdienen und die Token-Kosten subventionieren.

Aber laut diesem Unternehmer wird auch die Hardware jetzt härter umkämpft; die Preisgestaltung, die dreimal so hoch ist wie die BOM-Kosten, wird nicht mehr haltbar sein. "Die Bruttomarge ist zu niedrig, und später werden Vertriebskanäle, After-Sales-Service und Rückgaben davon profitieren; wenn man nur die Hardware-Bruttomarge verfolgt, könnte man den Erstkaufpreis zu hoch ansetzen, was die Verkaufszahlen und die nachfolgende Abonnentenumwandlung beeinträchtigt." Wenn das wirklich der Fall ist, muss auch die AI-Hardware einen anderen Weg finden.

Neben diesen Lösungsansätzen von Hardware-Unternehmen tauchen auch einige allgemeinere Ideen auf.

Ein aktueller Trend ist, dass immer mehr AI-Anwendungen, einschließlich Hardware-Unternehmen, beginnen, ihre eigenen Modelle "nachzutrainieren".

Vor einiger Zeit hat das beliebte Hardware-Produkt "AI-Pilz" Swoii, dessen Gründer "Onkel He" uns verraten hat, dass sie ein selbstentwickeltes Modell nutzen, um kostengünstige Personalisierung zu erreichen, um die UGC-Szenarien der Nutzer zu erfüllen und die Nutzerzufriedenheit sowie die Zahlungsbereitschaft zu erhöhen.

Das AI-Anwendungsunternehmen Mindverse, das mit Macaron bekannt wurde, wandelt sich zu einem Modellforschungsunternehmen; das Mind Lab hat gerade das Macaron-V1-Modell veröffentlicht und die Gewichte freigegeben, um sowohl eigene Produkte zu bedienen als auch Modelle und Nachschulungsfähigkeiten an mehr B2B-Anwendungen auszugeben.

Außerdem haben wir erfahren, dass der bekannte Serienunternehmer, Gründer von Teambition und ehemaliger Vizepräsident für Produktentwicklung bei Feishu, Qi Junyuan, erneut ein Unternehmen gründet. Sein Team entwickelt und testet ein AI-Agentenprodukt, das in hohem Maße auf einem selbstentwickelten Edge-Modell basiert, um die Abhängigkeit von den APIs und Tokens der Modellanbieter so weit wie möglich zu reduzieren.

Obwohl diese Produkte unterschiedliche Szenarien haben, gibt es hinter den Unterschieden eine wichtige gemeinsame Logik: Immer mehr Unternehmer, die sich darauf konzentrieren, gute AI-Produkte zu entwickeln, erkennen, dass es viel günstiger ist, ein Modell nachzutrainieren und es mit der Anwendung zu integrieren, als einfach Tokens von einem Modellanbieter zu kaufen.

Insbesondere Unternehmen, die klare Szenarien, reichhaltige Daten und stabile Abrufvolumina haben, haben die Möglichkeit, durch Nachschulung vertikale Modelle zu entwickeln, die teure allgemeine SOTA-Modell-APIs ersetzen können. Mit zunehmendem Abrufvolumen wird die einmalige Investition in das Modelltraining langfristig amortisiert, was die Kosten pro Token erheblich senken kann.

Wenn dieser Weg erfolgreich beschritten wird, werden AI-Anwendungen beliebter. Was die gegenwärtige Situation betrifft, so hat das Interesse an reinen Software-AI-Projekten im Kapitalmarkt bereits nachgelassen.

Einige Investoren haben angemerkt, dass sich im ersten Halbjahr 2023 der Fokus einiger führender Fonds auf embodied intelligence und Hardware verlagert hat. Das bedeutet nicht, dass Software nicht mehr investiert wird. Man wird weiterhin die B2B-Richtung im Auge behalten, insbesondere spezifische Anwendungsfälle, die sich an "wohlhabende Kleinunternehmer" richten, sind gefragt. a16z hat im Juni in mehrere AI-Projekte investiert, die sich mit Zahnmedizin, medizinischem Betrieb und Haushaltsdiensten befassen. Im Frühjahrsprojekt von Qiji Chuangtan tauchten auch einige Unternehmen auf, die sich an Fabriken, Marken und Unternehmen im Ausland richten.

Diese Wende ist leicht zu verstehen. Obwohl "wohlhabende Kleinunternehmer" auf den Preis achten, sind sie mehr daran interessiert, ob die Werkzeuge ihnen helfen können, mehr zu produzieren und mehr Geschäfte abzuschließen. Solange die von AI geschaffenen Erträge deutlich höher sind als die Nutzungskosten, sind auch jährliche Gebühren von mehreren Tausend Dollar oder mehr gerechtfertigt. Die AI-Geschäfte, die ihnen dienen, mögen "klein" sein, aber sie können tatsächlich Geld verdienen.

Darüber hinaus gewinnt FDE an Bedeutung, was auch eine Reflexion und Durchbruch der Branche in Bezug auf die Token-Problematik von AI-Anwendungen darstellt. FDE verlagert den Wertanker des Produkts von "Wie viele Tokens wurden abgerufen" zu "Was wurde für den Kunden erreicht", was Startups die Möglichkeit gibt, tatsächlich nach den Ergebnissen zu berechnen. Wenn Tokens selbst nicht mehr die Obergrenze des Produktwerts bestimmen, haben AI-Anwendungen die Chance, mehr Gewinn zu erzielen.

Letztendlich ist das, was man mit Tokens kauft, nur ein Eintrittsticket und keine Schutzmauer. Wenn man nicht entkommen kann, wird man nur von Tokens zurückgeschlagen.

Dieser Inhalt wird nur zu allgemeinen Informationszwecken bereitgestellt und stellt keine finanzielle, Anlage-, Rechts- oder Steuerberatung dar. Alle erwähnten Ereignisse, Prämien, Online-Aktionen oder zugehörige Informationen sollten nicht als Empfehlung, Aufforderung oder Einladung zum Kauf, Verkauf, Handel oder anderweitigem Umgang mit Krypto-Assets betrachtet werden. Krypto-Assets sind sehr volatil und können zu Verlusten führen. Die Verfügbarkeit von WEEX Services, Produkten und zugehörigen Aktionen kann je nach Region unterschiedlich sein. Sie sind dafür verantwortlich sicherzustellen, dass Ihre Teilnahme mit geltenden lokalen Gesetzen und Vorschriften übereinstimmt.