Token ha ucciso le applicazioni AI

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

Editore | Wang Zhaoyang

A metà del 2026, la startup OiiOii, specializzata nella generazione di video AI, aveva ancora nove cifre di RMB nel suo conto, ma ha avviato un nuovo round di finanziamento.

In precedenza, aveva firmato un accordo quadro annuale con Volcano Engine, la piattaforma di servizi cloud di ByteDance: OiiOii deve pagare 50 milioni di RMB a Volcano Engine entro la fine del 2026.

Questo ha reso la liquidità di OiiOii un po' tesa. I 50 milioni di RMB saranno utilizzati per acquistare l'API "pure blood version" del modello di generazione video multimodale Seedance 2.0, il prodotto AI di maggior successo di ByteDance.

La cosiddetta "pure blood version" è l'API Seedance fornita attraverso i canali ufficiali di Volcano Engine, con diritti completi.

Dopo che Seedance 2.0 ha stupito l'industria AI e l'intero settore della produzione cinematografica, il mercato è stato invaso da API Seedance di origine complessa, con alcuni fornitori di servizi intermedi che mescolano Seedance 2.0 e le sue versioni inferiori - Seedance 2.0 mini e Seedance 2.0 fast - vendendole a prezzi relativamente bassi. Gli utenti che desiderano generare un film di alta qualità si ritrovano con un prodotto scadente.

L'API "pure blood version" di Seedance 2.0 è la linfa vitale delle applicazioni di generazione video AI. Proprio come i modelli di linguaggio di grandi dimensioni dipendono dai potenti GPU di Nvidia, l'API dei modelli di punta e i token generati dall'accesso all'API determinano fondamentalmente le capacità delle applicazioni AI - comunemente chiamate AI Agent.

Pertanto, i token dei modelli di punta sono diventati una valuta rara e costosa. Seedance 2.0 è senza dubbio il modello video più potente attualmente disponibile.

Secondo le informazioni ufficiali, il prezzo per generare video 720p senza input video con Seedance 2.0 è di 46 RMB per milione di token, con un costo di circa 0,99 RMB per secondo di video. In confronto, il costo per generare video 720p con Ling 3.0 è di 0,6 RMB e Vidu Q3-pro è di circa 0,68 RMB, rendendo Seedance 2.0 significativamente più costoso.

OiiOii, che si specializza nella generazione di serie e cortometraggi, ha bisogno di Seedance 2.0, ma spendere quasi il 40% del flusso di cassa dell'azienda per acquistare i suoi token sembra un po' folle.

Per le startup di applicazioni AI di oggi, questo è diventato un fatto comune. Rispetto alle startup di modelli di linguaggio di grandi dimensioni (inclusi OpenAI e Anthropic), che di solito destinano il 70% - 80% dei fondi raccolti all'acquisto o al noleggio di GPU e al pagamento della potenza di calcolo cloud, questo non è nulla di straordinario.

Quello che OiiOii acquista non è il consumo di token basato su reali esigenze aziendali, ma il diritto di accesso anticipato all'API di Seedance 2.0.

Pochi notano che il 2 aprile 2026, giorno in cui OiiOii ha ufficialmente lanciato la sua versione beta, coincide con il giorno in cui Seedance 2.0 è stato aperto al pubblico per le aziende. Questo sembra quasi un annuncio di Volcano Engine che OiiOii diventa uno dei primi distributori di Seedance 2.0, piuttosto che OiiOii che lancia il proprio AI Agent quel giorno.

Questo non è importante; è più importante fornire in anticipo la "pure blood version" di Seedance 2.0.

La "pure blood version" di Seedance 2.0 include un intero sistema di diritti, come l'accesso al database di volti e il numero massimo di richieste simultanee. Questo determina direttamente se il prodotto della startup può funzionare senza intoppi.

Se un'app di generazione video AI si rivolge al pubblico, gli utenti devono generare contenuti in tempo reale, quindi è necessario avere un numero sufficientemente alto di richieste simultanee. Quando il modello viene lanciato, la potenza di calcolo è limitata; se non si ottiene il supporto per le richieste simultanee da Volcano Engine, gli utenti dell'Agent devono mettersi in coda, attendere o addirittura non riuscire a generare video.

Un professionista del settore delle applicazioni video AI ci ha rivelato: un pacchetto annuale di Seedance 2.0 da 10 milioni di RMB corrisponde a circa 400 richieste simultanee, mentre un pacchetto annuale da 5 milioni di RMB corrisponde a circa 200 richieste simultanee. La differenza di prezzo corrisponde alla differenza nell'esperienza utente.

Fonte immagine: Volcano Ark

Gli utenti possono accedere a più risorse di volti disponibili, piuttosto che utilizzare quelle poche "AI faces" inquietanti, e questo è legato al prezzo del pacchetto annuale di Seedance. La differenza tra acquistare o meno è la differenza tra la vita e la morte del prodotto; sembra che non ci sia scelta.

"Tasso di perdita lordo"

Con le capacità dei modelli di punta che determinano il limite delle capacità delle applicazioni AI, e con prezzi elevati che "strozzano" le applicazioni AI, il prezzo dei token diventa un punto di riferimento per addebitare agli utenti le spese di abbonamento, trasformando tutto in un affare da "subaffittatore", un'equazione sempre difficile da risolvere, una funzione variabile nel listino prezzi di un modello.

Tuttavia, i diritti di accesso anticipato a Seedance 2.0 ottenuti da OiiOii non sono esclusivi. Diverse aziende concorrenti di OiiOii, come LibTV e Flova, hanno anch'esse ottenuto il diritto di "accesso anticipato" a Seedance 2.0, annunciando quasi contemporaneamente che i loro prodotti si sono integrati con Seedance 2.0, a un prezzo altrettanto elevato.

Volcano Engine è così generoso; non offre a nessuna azienda un trattamento esclusivo per l'accesso anticipato a Seedance 2.0, nemmeno per i pacchetti annuali più costosi. Inoltre, il limite di prezzo di Volcano Engine è molto rigido: quasi nessuno sconto, il consumo di token per contratti da milioni di RMB è restituito solo fino al 10%, il che significa che si ottiene al massimo un voucher di potenza di calcolo pari al 10% dell'importo del contratto.

D'altra parte, Volcano vieta rigorosamente il rivendita, per evitare che i token a basso prezzo finiscano nel mercato grigio.

In questo meccanismo, emerge un fatto crudele: gli strumenti video AI difficilmente possono guadagnare denaro dai token "full blood" di Seedance 2.0.

Teoricamente, vendere i token di Seedance 2.0 al prezzo originale ai clienti, senza considerare i rimborsi, comporterebbe un margine di profitto massimo del 10%. Ma nella realtà, nessun strumento di generazione video AI venderà i token di Seedance 2.0 a un prezzo più alto - nemmeno al prezzo originale. Dopotutto, in teoria, chiunque può fare affari direttamente con Volcano Engine. Se ci sono intermediari che guadagnano la differenza, perché non trattare direttamente?

Secondo quanto riportato da "Intelligent Emergence": molte aziende di produzione di serie e film acquistano direttamente l'API "full blood" di Seedance 2.0, comprese aziende leader del settore, con un importo massimo di ricarica di 50 milioni. Questo dimostra chiaramente la domanda di mercato per Seedance 2.0 e implica che le startup di applicazioni AI che ottengono i diritti massimi di Seedance 2.0, se non offrono prezzi competitivi per i token, non avranno clienti.

"I prodotti con proprietà di strumenti non hanno fedeltà." Un investitore di venture capital ci ha detto così.

Di conseguenza, è emersa una "strada alternativa": le principali aziende di applicazioni AI hanno iniziato a ridurre attivamente i prezzi per acquisire clienti, persino a rivendere direttamente i token.

La società madre di LibLib, Evoken, è la più grande azienda di applicazioni AI in Cina per volume di acquisto di token. È partita dalla comunità di modelli open source e si è rapidamente trasformata in una piattaforma di creazione multimodale. Allo stesso tempo, ha effettuato finanziamenti aggressivi in più round, recentemente completando un round B da 300 milioni di dollari, con una valutazione post-investimento di oltre 2 miliardi di dollari, creando una barriera integrata di capitale e prodotto - LibLib AI è una comunità di creazione e una piattaforma di generazione di immagini, Lovart e Xingliu si rivolgono rispettivamente ai mercati di design esteri e nazionali, LibTV si inserisce nella produzione video professionale...

Tuttavia, Evoken non ha sviluppato alcun modello da solo, nemmeno un modello di addestramento posteriore. Questo ha portato a frequenti dibattiti esterni sulla possibilità che questa azienda sia solo un intermediario per modelli di punta, senza alcuna barriera tecnologica. Ma non c'è dubbio: Evoken è un grande cliente di token di modelli di punta.

Nel settore degli strumenti video, LibTV è un cliente di punta di Seedance 2.0, avendo firmato un contratto annuale da 50 milioni, utilizzato come munizioni per LibTV Agent. Nel settore degli strumenti di design, l'anno scorso Nano Banana ha avuto un grande successo, e Lovart, sotto LibLib, ha anche firmato un contratto di milioni di dollari con Google Cloud.

Tuttavia, secondo stime di terze parti come Similarweb: a giugno 2026, il sito web di Lovart ha avuto circa 3,1 milioni di visite mensili, mentre il sito di LibTV ha avuto circa 2,2 milioni di visite mensili. Questa scala di traffico è già considerevole, ma le visite non equivalgono a creazioni. Le informazioni pubbliche indicano che LibTV ha decine di migliaia di utenti paganti; sebbene abbia superato la maggior parte dei concorrenti, è praticamente certo che non sarà in grado di consumare tutti i token di Seedance 2.0 acquistati a caro prezzo.

Volcano Engine non accetta "restituzioni" di token, il che ha spinto le aziende di applicazioni AI a diversificare le loro attività.

Il fondatore e CEO di Evoken, Chen Mian, ha menzionato in un'intervista con "Latepost" che ci sono voci secondo cui LibTV rivende le chiavi API di Seedance 2.0 per guadagnare la differenza, ma ha negato esplicitamente.

Tuttavia, ciò che abbiamo appreso è che LibTV non "guadagna" dalla rivendita delle chiavi API di Seedance 2.0, poiché le vende a perdita.

Alcuni concorrenti di LibTV, che si occupano di generazione video AI, ci hanno riferito che LibLib ha cercato più volte di vendere l'API di Seedance 2.0 a loro, a un prezzo inferiore rispetto a quello di Volcano Engine: acquistando direttamente da Volcano, un contratto di oltre 10 milioni di RMB può ottenere un voucher di potenza di calcolo del 10%; ma LibLib può anche restituire loro un ulteriore 10% su questa base.

Non c'è ovviamente alcun margine di differenza, né profitto, ma genera entrate. Può aumentare l'ARR (entrate ricorrenti annuali) di LibTV, fornendo supporto numerico per ulteriori narrazioni di finanziamento.

Questa forma di ARR è essenzialmente un reddito "a margine negativo": ottenendo i token a un prezzo contrattuale scontato del 10%, e poi rivendendoli a un prezzo scontato del 10% a concorrenti che necessitano di token a prezzi più bassi, la struttura è una vendita in perdita.

Non genera nemmeno un margine di profitto, ma un "tasso di perdita lordo".

D'altra parte, la strategia di prezzo di LibTV e Lovart per gli utenti paganti rende il margine di profitto di un'azienda di applicazioni AI come un miraggio.

Il prezzo medio mensile per un abbonamento annuale standard di LibTV è di 47,4 yuan, con una stima sul sito ufficiale che può generare un video Seedance 2.0 720P di 56 secondi, corrispondente a un guadagno di circa 0,85 yuan al secondo per abbonato. Supponendo che gli utenti utilizzino l'intero importo per Seedance 2.0 senza input video e stimando il costo di chiamata del modello a circa 0,99 yuan/secondo, il margine lordo marginale sarebbe di circa -17%. Anche se il 10% dei voucher di potenza fosse completamente riscattato, il margine lordo marginale sarebbe comunque di circa -5%. Inoltre, questo deve coprire gli sconti notturni, i bonus per l'apertura di un account e le promozioni temporanee.

La situazione di Lovart è simile. Se si utilizzano tutti i punti per generare immagini di qualità media 1K con GPT Image 2, facendo riferimento ai diritti del pacchetto Pro più popolare e al prezzo scontato di 39 dollari per la "festa di fine mese" attuale, e ai prezzi standard dell'API di OpenAI, quando gli utenti utilizzano il massimo, il margine lordo corrispondente è di circa -87% (pochi giorni fa, il prezzo medio mensile dopo lo sconto di questo pacchetto era ancora di 45 dollari, con un margine lordo di circa -60%).

Tuttavia, tutto ciò rientra nei "test di stress". Nella realtà, gli utenti potrebbero non utilizzare completamente l'importo e potrebbero anche utilizzare i punti per modelli e soluzioni di generazione a costo inferiore. Le piattaforme potrebbero ottenere sconti di varia entità sull'acquisto di API di diversi modelli, riducendo così le perdite effettive.

Il CEO di Yanyu Technology, Chen Mian, ha anche risposto a questo punto in un'intervista con "Latepost": se gli utenti utilizzano tutti i token dell'abbonamento, LibTV sicuramente perderà. Ma se un utente acquista 1 milione di punti e ne utilizza solo 200.000, i restanti 800.000 diventano profitto. Ci sono anche utenti del mercato nero che fanno ingegneria inversa su LibTV, trasformando gli account di abbonamento annuale in API, il che porterà a perdite, quindi è necessario intervenire.

L'ingegneria inversa ha un esempio chiaro: nel febbraio 2026, l'operatore del popolare account WeChat "Web 3 Sky City" ha denunciato Lovart, un'app di design visivo di Yanyu Technology, affermando di aver pagato 540 dollari per un abbonamento a Lovart Pro, ma dopo 10 giorni il suo account è stato bloccato senza alcun rimborso. "Il signore della città" ha tentato di contattare Lovart tramite email e comunicazioni dirette con i membri del team, ma non ha ricevuto risposta.

Secondo quanto appreso, l'account del "signore della città" è stato giudicato dal sistema di controllo interno di Lovart come soggetto a "ingegneria inversa", e l'azienda ha anche implementato misure di governance più severe. La decisione di rifiutare ulteriori comunicazioni con il "signore della città" e di negare il rimborso è stata presa dallo stesso Chen Mian.

Questo evento ha suscitato un notevole scalpore, portando a discussioni sulla trasparenza del meccanismo di pagamento anticipato delle applicazioni AI, sugli standard di blocco degli account e sulla protezione dei diritti dei consumatori. Questo dimostra quanto sia fragile un modello di business che si basa sull'aspettativa che gli utenti paghino senza consumare i token; inoltre, in un ambiente in cui il prezzo dei token è estremamente sensibile, ci sono molte vulnerabilità che possono essere sfruttate.

In realtà, coloro che realmente fanno "ingegneria inversa" e vendono i token di abbonamento non utilizzati come API sono proprio Lovart o LibTV stessi.

Perché i token non utilizzati dagli utenti non possono realmente trasformarsi in profitto; le aziende di applicazioni AI hanno già pagato per questi importi ai fornitori di modelli.

Essi sono inclusi nel framework annuale. La logica dei fornitori di modelli forti è: una volta esauriti, si può riacquistare, ma non si restituisce mai. L'idea che 1 milione di punti utilizzati per 200.000 e i restanti 800.000 diventino profitto non esiste. In altre parole, l'importo di token "non utilizzato" diventa effettivamente "inventario" per le aziende di applicazioni AI.

Poiché si tratta di inventario, deve essere svenduto, altrimenti si perderà di più. Questo spiega perché altre squadre di generazione video AI ricevano inviti a vendere token a prezzo scontato da LibTV. L'ufficiale che colpisce gli utenti per "ingegneria inversa" e rivendita di token sta in realtà competendo con gli utenti per il diritto di rivendere i token.

Rispetto alle perdite causate dalla svendita di token "inventari", le perdite derivanti dall'uso completo dei diritti da parte degli utenti sono maggiori. Anche se l'idea che "i token non utilizzati siano profitto" può essere valida, essa blocca il limite del modello di profitto: quando tutti gli utenti ricaricano senza consumare nemmeno un token, il profitto può teoricamente massimizzarsi.

Ogni volta che un utente consuma un token in più, si avvicina ulteriormente alla perdita. Questo crea una pericolosa selezione inversa: più basso è il prezzo, più è facile attrarre utenti pesanti che consumano modelli costosi, e questi utenti hanno un tasso di utilizzo dei punti più elevato, lasciando meno entrate per la piattaforma.

Questo ciclo potrebbe amplificare le perdite delle aziende di applicazioni AI, l'unico vantaggio è avere un ARR più attraente a breve termine.

Le aziende di applicazioni AI sono consapevoli di questa situazione, ma quando si presentano ai VC, riescono comunque a nascondere queste "trappole". Alcuni investitori ci hanno rivelato: LibLib mostra ai investitori e al mercato dei capitali un margine lordo che è molto probabilmente positivo.

Questo mette alla prova le "abilità finanziarie": bonus, promozioni temporanee, sconti notturni... tutti questi costi rigidi che realmente erodono il margine lordo possono essere contabilizzati come spese di vendita, e le alte spese di vendita iniziali possono essere chiamate "investimenti per la crescita"; tutte le entrate - comprese quelle derivanti dall'acquisto di punti di abbonamento e dalla rivendita di token - possono essere contabilizzate al prezzo originale, rendendo possibile realizzare un "margine lordo positivo" sotto diverse metriche.

Nelle nostre conversazioni con numerosi investitori e imprenditori, un consenso è emerso: anche calcolando nel modo più ampio, il margine lordo delle applicazioni AI che si basano sul consumo e sulla vendita di token è generalmente solo del 10%-25%, quasi impossibile da coprire con i vari costi.

La maggior parte delle startup di applicazioni AI in Cina ha iniziato ad espandersi nei mercati esteri fin dal primo giorno, ma alcune fonti informate hanno calcolato che il costo di acquisizione di un utente pagante all'estero è di circa 200 dollari, mentre gli utenti pagano in media 50 dollari, e il margine lordo dei token non copre nemmeno la crescita degli utenti, per non parlare delle spese di ricerca e sviluppo, operazioni e gestione.

Negli ultimi anni, il mercato dei capitali e l'ecosistema delle startup hanno preferito comprendere le applicazioni AI attraverso il framework SaaS. Ma ora gli investitori sono diventati più consapevoli: "SaaS è più economico con più utenti, mentre le applicazioni AI, al contrario, perdono di più con più utenti".

Questo sottolinea la differenza fondamentale tra le applicazioni AI e il software tradizionale: il costo marginale del SaaS tradizionale si diluisce con la scala, mentre il costo marginale delle applicazioni AI riemerge con l'aumento dell'uso. Più gli utenti utilizzano, più token ci sono; più token ci sono, più costi ci sono.

A livello fondamentale, le aziende di applicazioni AI gestiscono una "catena di rotazione dei token in perdita continua", che è il "tasso di perdita lordo".

"Controllore dei token"

Le startup di applicazioni AI non stanno semplicemente saltando in un fosso sapendo che i token sono pericolosi; anche loro si trovano in una situazione confusa.

L'acquisto di token dai fornitori di modelli ha un costo superficiale chiaro, ma la determinazione del prezzo del prodotto, i sussidi per gli utenti e il calcolo del margine lordo sono tutti influenzati dal sistema di regolazione posteriore dei modelli. Inizialmente si pensava che il margine lordo potesse essere ottenuto, ma dopo che la fattura è stata emessa, si scopre che è diventato un tasso di perdita lordo.

Prendiamo di nuovo Seedance 2.0 come esempio: il costo effettivo per generare un video tiene conto della durata del video di input, della durata del video di output, della risoluzione di output, del frame rate, della versione del modello, della durata minima di fatturazione e delle fasce di durata. L'API del modello video potrebbe addebitare uniformemente 4 secondi per un video di durata da 1 a 4 secondi, e le lunghezze diverse non crescono linearmente. Dopo la firma del contratto, le aziende di applicazioni AI generano consumi giornalmente, ma di solito ci vogliono T+N giorni per vedere le spese dettagliate nella fattura.

Questo crea una tipica situazione di "essere intrappolati nei token": le aziende sanno il costo superficiale dei token, ma non sanno in che modo il costo reale verrà amplificato, in quale modo e a che punto nel tempo.

Tuttavia, i team di startup di applicazioni AI non possono liberarsi da questa dipendenza, anzi, vi si immergono sempre di più. Dopotutto, non possono fare a meno dei "vantaggi" forniti dai modelli di alto livello.

Se dovessimo presentare la fonte dei costi delle applicazioni AI in formula, sarebbe: "costo reale di generazione = prezzo di generazione per volta × numero medio di estrazioni". Questo vale per video, immagini o design di presentazioni.

I modelli di alto livello hanno un alto tasso di successo nella generazione, riducono il numero di estrazioni e talvolta possono rendere i costi di calcolo di base più bassi.

Come dovrebbero scegliere i team di applicazioni AI tra modelli di alto livello con costi iniziali elevati, buoni risultati, poche estrazioni e costi complessivi non necessariamente i più alti, e modelli subottimali con barriere iniziali basse, chiamate economiche, molte estrazioni, costi complessivi aumentati e possibili sacrifici nella conversione e nella retention?

Fonti del settore rivelano: per aumentare le firme, i clienti di Keling 1.0 per un lungo periodo di tempo possono ottenere uno sconto minimo del 65%. Questo livello di sconto è già in perdita per i costi di ragionamento di Keling; con l'aggiornamento del modello Keling, i costi di calcolo del ragionamento aumentano, e questo prezzo è una perdita su una perdita. L'unico scopo è quello di rubare clienti.

Il risultato oggettivo è che i fornitori di modelli che cercano di vendere più token alle aziende di applicazioni a un prezzo più basso vengono messi da parte. Un esempio che può confermare questo è che Seedance 2.0 ha ancora una richiesta giornaliera stabile di oltre 3000 richieste su OpenRouter, mentre Keling 3.0 ha solo 300-400 richieste.

Pertanto, per risolvere il naturale "tasso di perdita lordo", ci sono due modi diretti: aumentare il prezzo del prodotto o ridurre il costo dei token. Dalla situazione attuale, la maggior parte delle startup di applicazioni AI ha scelto la seconda opzione.

In apparenza, tutti stanno iterando attivamente i prodotti, aggiornando le funzionalità e creando differenziali, ma in realtà, gran parte dell'energia è dedicata a trovare token a buon mercato. E i token a buon mercato provengono da fonti varie.

In primo luogo, la svendita a basso prezzo delle aziende AI "upstream" è un canale importante.

Come accennato in precedenza, LibLib vende token scontati all'80% a team di applicazioni AI più piccoli che non possono permettersi la versione completa di Seedance 2.0. Alcune startup accolgono con favore tali "offerte", mentre altre temono di violare le politiche di vendita di Volcano Engine e non osano accettare.

In secondo luogo, anche i concorrenti che si stanno trasformando possono fornire token a basso prezzo.

Come accennato in precedenza, le politiche annuali dei principali fornitori di modelli sono piuttosto forti, con quote minime garantite e "scadenze" - se non vengono consumati entro un anno, i token rimanenti vengono azzerati. Questo è anche il motivo per cui la rivendita di token è costantemente vietata dai fornitori di modelli; sia per limitare le perdite, recuperare i costi o "creare" margini lordi, le aziende di applicazioni AI devono farlo.

Particolarmente quando alcune aziende bruciano denaro e raccontano storie senza successo, incapaci di continuare o vicine al fallimento, i loro "enormi" token rimanenti possono essere svenduti a prezzi molto bassi.

Un dettaglio interessante è che alcune aziende spendono milioni per l'acquisto di token, ma il loro obiettivo principale non è fare affari, ma raccontare storie: dire al mercato dei capitali che sono diventati grandi clienti dei migliori modelli, mostrando la propria forza e rapidamente raccogliendo un altro round di finanziamenti. Alcuni investitori nel settore VC ci hanno detto che l'acquisto di token in alcune startup è già completamente "disconnesso dalla realtà".

Le autorità locali di primo livello forniranno sussidi per la potenza di calcolo o modelli alle aziende di intelligenza artificiale riconosciute nel loro territorio, permettendo così alle aziende applicative di ridurre il costo dei token al 75-90% del prezzo originale. Tuttavia, queste risorse non sono comuni e per ottenere token a basso costo, tutti devono "mostrare le proprie abilità".

In fin dei conti, tutti cercano di ottenere token più economici. Questa massimizzazione della ricerca di token a basso costo porterà inevitabilmente a un aumento dei "centri di smistamento".

Come industria sotterranea dell'AI, i "centri di smistamento" sono essenzialmente un ingrosso di token al dettaglio. Possono essere suddivisi in tre categorie principali.

La prima categoria è la rivendita "regolare", che acquista token di modelli esteri in grandi quantità, ottenendo sconti e rivendendoli nel mercato domestico, seguendo una logica di distribuzione "normale".

La seconda categoria è il mercato nero puro, gestito principalmente da individui, con offerte come "un milione di token a tre yuan", che possono chiudere in qualsiasi momento o essere bloccati.

La terza categoria è la "pooling" delle risorse. Questi centri di smistamento raccolgono quote di token da vari canali frammentati, creando un livello di instradamento unificato (router).

I centri di smistamento sono uno dei principali canali per ottenere token a basso costo nel mercato delle applicazioni AI. Tuttavia, i prezzi di queste risorse variano notevolmente e la qualità non è stabile. Nel caso della generazione video, è comune vedere il fenomeno del "diluito".

Un centro di smistamento che fornisce "materiale" a una startup AI ci ha detto: "Ad esempio, utilizzando l'API di Keling, 8 volte su 10 è Keling, 2 volte è il modello di questa azienda. Se il centro di smistamento vuole guadagnare di più, deve regolare questo rapporto".

Le aziende di applicazioni AI sono consapevoli di questo, ma alcune continueranno a "tollerare" i token diluiti nei loro prodotti, riducendo ulteriormente la qualità del servizio per gli utenti finali. Dopotutto, "non riuscire a ottenere il token" è la norma; anche se gli utenti sospettano che il prodotto non sia quello giusto, possono sempre giustificarsi.

Nonostante questi canali, le aziende di applicazioni AI stanno ancora cercando modi per ridurre ulteriormente i costi.

Per abbattere legalmente i costi dei token e trovare un margine di profitto per i bilanci, alcune startup hanno inventato un altro modo: progettare i propri prodotti come un controllore di token preciso, limitando la durata, stratificando i pacchetti, degradando i modelli e nascondendo i parametri, per ridurre l'impatto dei token sui margini di profitto.

In particolare, alcune applicazioni limiteranno direttamente la durata dei video generati dagli utenti, ad esempio generando video di 4 secondi, per evitare sprechi di fatturazione nel caso di video di 3 secondi.

Il "tranello dei pacchetti" è un'altra strategia più astuta; alcune applicazioni non offrono il miglior modello nel pacchetto intermedio e non aprono il modello ottimale per scenari ad alto consumo, progettando pacchetti che gli utenti "non possono esaurire", sperando che gli utenti siano inattivi e utilizzino poco, per ottenere margini di profitto.

Utilizzeranno formule come "numero di utenti nel pacchetto da 199 yuan × 2 miliardi di token riservati" per negoziare prezzi all'ingrosso con i fornitori di modelli, ottenendo prezzi di acquisto molto inferiori alla reale domanda di consumo. La parte non consumata verrà poi rivenduta come "centro di smistamento".

Un VC ci ha raccontato: durante la due diligence di un'azienda, ha scoperto queste "anomalie" e ha chiesto se i loro utenti potessero realmente consumare così tanti token, mentre il fondatore ha sottolineato solo il numero di utenti che acquistano quel pacchetto, evitando di parlare del reale volume di consumo.

Gli investitori non sono contenti; un business in cui l'attività degli utenti è inversamente proporzionale al margine di profitto non è un buon affare.

Le applicazioni AI "nascono dai token", generando un problema che mina le fondamenta delle aziende: i prodotti non sono più progettati solo attorno all'esperienza dell'utente, ma sempre più attorno a "come far consumare meno token agli utenti".

Naturalmente, ci sono anche metodi di riduzione dei costi ingegneristici che tengono conto dell'esperienza dell'utente. Ad esempio, chiamando prima modelli video più economici per generare versioni a bassa risoluzione, e poi migliorando la chiarezza tramite tecniche di super risoluzione. Alcuni strumenti AI riducono il numero di tentativi di estrazione dei token attraverso parole chiave, flussi di lavoro, controllo dei parametri, post-elaborazione, caching e instradamento dei modelli.

Tra questi, OiiOii è una delle aziende che ha progettato in modo più ingegnoso il "controllore di token".

OiiOii chiama i punti acquistati dagli utenti "box lunch". A differenza di LibTV, che ha cercato di conquistare i clienti a prezzi molto aggressivi, il modello principale di OiiOii (con riferimento a più immagini, 10 secondi 140 box lunch) ha un prezzo di 0,96 yuan/secondo, e con l'esportazione in alta definizione, il prezzo totale è di circa 0,99 yuan/secondo, praticamente equivalente alla vendita a prezzo equo dei token di Seedance 2.0, con un margine di profitto che può essere appena estratto, anche se rimane esiguo.

Può farlo grazie a alcuni design ingegnosi: l'interfaccia non mostra le specifiche video e le riduzioni di punti, ma guida direttamente l'utente attraverso il processo di creazione della sceneggiatura ------ personaggio ------ scena ------ storyboard ------ video, evitando di dare all'utente l'opportunità di "sentire il dolore" e non dicendo nemmeno se nel processo di creazione iniziale si sta utilizzando Seedance, Keling o Sora 2, o altri modelli più economici. Solo nel passaggio dello storyboard, l'utente può scegliere il modello. Gli utenti non possono ottimizzare il consumo né confrontare i prezzi con quelli di altre aziende, possono solo dimenticare temporaneamente il prezzo; "l'opacità" è il suo meccanismo di protezione del margine.

Tuttavia, OiiOii può permettersi di stabilire prezzi e progettare meccanismi di token in questo modo perché ha una buona reputazione e notorietà tra i gruppi di produzione di opere video professionali come i fumetti. Al di là della lotta per la sopravvivenza con i token, ha costruito una certa unicità.

Un dipendente BD di un fornitore di servizi cloud che ha a che fare con molti clienti di cortometraggi e fumetti ci ha detto: OiiOii ha una certa notorietà nel cerchio dei cortometraggi e dei fumetti, e recentemente anche LibTV è emersa. Questi clienti menzionano il flusso di lavoro di LibTV come facile da usare e la tela come buona.

In precedenza, il motivo principale per cui LibTV era sotto i riflettori era il controverso "rapporto qualità-prezzo" e il "tasso di perdita di margine". Con il miglioramento e il progresso del prodotto, LibTV, che è sempre stata caratterizzata dalla riduzione dei prezzi dei token, ha anche acquisito un po' di fiducia per aumentare i prezzi.

A giugno, LibTV Agent è stato lanciato. Ha portato l'AI video dalla generazione di singoli colpi alla consegna di un film completo, completando automaticamente la pianificazione, lo storyboard, la generazione e il montaggio tramite Skill professionali, mantenendo al contempo storyboard e flussi di lavoro per modifiche manuali; la piattaforma 3D, la libreria dei personaggi e la memoria a lungo termine hanno ulteriormente migliorato la coerenza tra personaggi e colpi.

Successivamente, LibTV ha raramente e audacemente aumentato i prezzi.

In precedenza, i prezzi annuali per i due livelli di abbonamento della versione suprema di LibTV erano rispettivamente di 8499 yuan e 10999 yuan, ora sono aumentati di 1000 yuan. I prezzi di chiamata corrispondenti a Seedance 2.0, che prima potevano scendere fino a 0,37 yuan al secondo, ora sono aumentati a un minimo di 0,41 yuan al secondo.

Questo ha portato a lamentele da parte di alcuni utenti pesantemente sensibili ai prezzi, ma con il miglioramento dell'esperienza del prodotto, è una misura inevitabile.

Oltre all'aumento dei prezzi, c'è un approccio più diretto, ovvero entrare direttamente nel mercato estero, stabilendo un prezzo relativamente alto. Per migliorare il margine di profitto, quasi tutte le applicazioni AI cinesi servono prima il mercato globale, in particolare le regioni come Europa, Stati Uniti e Giappone, dove gli utenti sono più propensi a pagare. Lovart, sotto la guida di Yingyu Technology, è anche un attivo sperimentatore.

Secondo quanto riportato in precedenza da Elsewhere: Lovart è stato fortemente ispirato da Manus. Manus ha rapidamente confezionato un prodotto con buone esperienze quando le capacità del modello hanno superato un punto critico, mentre Lovart, sapendo che GPT-image-1 sarebbe stato rilasciato entro tre settimane, ha estratto le migliori persone dell'intera azienda per sviluppare in modo chiuso a Shanghai. Manus ha completato il cold start contattando attivamente i grandi nomi della tecnologia della Silicon Valley, mentre Lovart ha sfruttato i blogger tecnologici esteri per diffondere la voce. Un poster di Tesla Cybertruck generato dagli utenti ha persino ricevuto un "like" da Musk.

Tuttavia, l'espansione di Lovart all'estero non è stata priva di difficoltà; già all'inizio del lancio nel maggio 2025, Lovart aveva formato un team locale nella Silicon Valley, responsabile della crescita degli utenti e delle operazioni di mercato, ma questo team era pieno di turbolenze. Entro la fine del 2025, membri del team americano, tra cui il co-fondatore di Lovart, COO Elena Leung, e il co-fondatore Aimee Yang, hanno lasciato tutti, e i membri attuali del team sono tutti nuovi arrivati che si sono uniti nella prima metà del 2026.

Nell'espansione del mercato globale per ottenere utenti "netti" più alti, migliorare l'ingegneria e il design del prodotto per aumentare i prezzi, e la raffinata impostazione del "controllore di token" delle applicazioni AI, sempre più team di startup AI stanno facendo scelte difficili. E la progettazione raffinata del controllore di token è sicuramente l'opzione relativamente più controllabile in termini di risultati.

Tuttavia, se tutte le startup di applicazioni AI devono prima progettarsi come controllori di token, allora non potranno mai fornire una vera esperienza utente e migliorare realmente la forza del prodotto. In una competizione di mercato più ampia, questo potrebbe renderle più passive.

La minaccia più evidente proviene dai giganti.

Quando i potenti giganti di Internet, sfruttando i progressi dei propri modelli e le capacità dei modelli di terze parti, stabiliscono rapidamente una matrice di prodotti per le proprie applicazioni AI con risorse finanziarie abbondanti e senza paura di consumare token, le prospettive delle startup vengono schiacciate. L'emergere di Tencent WorkBuddy e l'overflow delle capacità dei prodotti dietro di esso sono un esempio che gli imprenditori delle applicazioni AI dovrebbero tenere d'occhio e temere.

Dopo il lancio della beta pubblica a marzo 2026, Tencent ha ampliato l'esposizione attraverso flussi di informazioni WeChat, pubblicità su account ufficiali, metropolitane e uffici, e ha attirato un gran numero di utenti con misure per ridurre i costi di prova, come registrazioni gratuite, premi per check-in, modelli gratuiti e crediti doppi. Le iterazioni ad alta frequenza hanno ulteriormente consolidato la posizione di WorkBuddy nell'ondata di produttività AI.

Solo a giugno 2026, questo prodotto ha completato almeno 17 rilasci di versioni, a volte anche due al giorno. Oltre a riparare rapidamente i bug, WorkBuddy ha integrato rapidamente applicazioni dell'ecosistema Tencent come Tencent Docs e WeChat Work, e ha migliorato le capacità di collaborazione multi-agente, gestione delle attività cloud e gestione dei progetti aziendali, diventando infine una nuova stella AI che supera Yuanbao all'interno di Tencent.

Quando ha pubblicato i risultati del primo trimestre a maggio, Tencent ha dichiarato senza mezzi termini che, in base al numero di account attivi giornalieri, WorkBuddy è diventato il servizio AI di efficienza più popolare in Cina. Secondo i dati di Analysys, dal marzo al giugno, il numero di visite mensili della versione PC di WorkBuddy è passato da 8,85 milioni a 20,97 milioni, più che raddoppiando.

Questo è un risultato che qualsiasi azienda di applicazioni AI invidierebbe ma non potrebbe ottenere. WorkBuddy può attingere a tutte le risorse di traffico di Tencent e, cosa più importante, non deve gestire finemente il design del controllore di token come le startup.

Fuga dalla morte

Sempre più imprenditori di applicazioni AI iniziano a esplorare vie alternative ai token.

Il famoso imprenditore Zhang Yueguang ha postato su Xiaohongshu a giugno: per valutare se un'applicazione AI è valida, i veri top 3 indicatori sono il margine di profitto degli utenti paganti, il tasso di rinnovo e il CAC (costo di acquisizione clienti). Per realizzare i primi due in modo sano, è necessario trasformare il modello commerciale di vendita dei token in un altro modello commerciale, oppure vendere token a utenti che non sono sensibili al prezzo dei token. "Tutti i prodotti che si basano su utenti sensibili ai token per vendere token possono essere solo affari di fornitori di modelli."

Il prodotto imprenditoriale di Zhang Yueguang corrisponde a due diverse soluzioni che ha trovato.

Una è Starry Night, che cerca di coprire i costi dei token con entrate da giochi e IP; l'altra è Dokie, che cerca di far pagare gli utenti per un risultato utilizzabile, piuttosto che confrontare il costo per ogni chiamata al modello. Inoltre, secondo le sue dichiarazioni pubbliche, Dokie ha ridotto completamente a zero le quote di prova gratuite in oltre 140 paesi, il che in realtà non ha avuto quasi alcun impatto sui pagamenti.

Per molto tempo, il "token Maxxing" è stato considerato un principio fondamentale, con l'industria che inseguiva freneticamente il consumo di token, vedendolo come un simbolo di potenza del prodotto e di un mercato in crescita. Ma alla fine tutti si sono resi conto che perseguire il consumo di token era una deviazione; la struttura del margine lordo è il vero faro. In altre parole, le aziende che nascono dai token non sono quelle che bruciano più token, ma quelle che riescono a vendere i token in un modo diverso.

Un esempio tipico si trova nel campo "hardware + applicazioni", con Plaud come rappresentante più emblematico.

Secondo le nostre informazioni, il profitto netto dei servizi AI non hardware di Plaud ha già raggiunto decine di milioni di dollari all'anno. Il suo obiettivo di vendita totale per il 2026 è di 500 milioni di dollari, con oltre 2 milioni di utenti installati.

Dietro a questo c'è una struttura di pagamento diversa.

Innanzitutto, c'è l'hardware stesso. Nell'industria dell'elettronica di consumo, il prezzo al pubblico finale deve solitamente raggiungere il costo BOM, che è circa 3 volte il costo dei materiali, affinché l'azienda possa ottenere uno spazio di operazione sostenibile. Il prezzo di vendita di Plaud Note Pro è di circa 179-189 dollari, con un costo BOM di circa 60 dollari, e un margine lordo hardware di circa il 67%, in linea con questa regola.

Più importante è il reddito da abbonamento AI. Il suo abbonamento AI è suddiviso in due livelli: Pro annuale a circa 8,33 dollari al mese e Unlimited annuale a circa 20 dollari al mese. Questo prezzo non è né troppo caro né troppo economico; la chiave è che il suo scenario AI è leggero, principalmente trascrizione e sintesi, non generazione di video e nemmeno ragionamento avanzato dell'agente. Secondo una stima di un fornitore di Plaud: calcolando il reddito da abbonamento di 8-20 dollari/mese/persona, il costo di elaborazione AI di Plaud è di circa 1-2 dollari/mese/persona, e il margine lordo del software di Plaud può raggiungere circa il 75%-90%.

In generale, la situazione dell'hardware è relativamente migliore rispetto al software, non c'è una competizione diretta con le aziende di modelli e prodotti di modelli, e c'è spazio per un premium.

Un imprenditore di hardware AI ha classificato i prodotti sul mercato in diverse categorie:

1. Tipo hardware auto-coerente. Attraverso un prezzo interno di 3 volte e 5 volte all'estero, l'hardware non perde denaro, e con l'abbonamento può anche guadagnare qualcosa.

2. Tipo a basso margine hardware + abbonamento compensativo. Plaud appartiene a questa categoria.

3. Tipo di crescita finanziaria, molte aziende di hardware AI nelle fasi iniziali appartengono a questo tipo; infine, c'è il tipo a basso prezzo hardware + senza abbonamento. Ad esempio, la maggior parte dei prodotti AI di compagnia/giocattoli in Cina guadagna principalmente un po' di hardware, compensando i costi dei token.

Tuttavia, secondo la sensazione di questo imprenditore, ora anche l'hardware sta diventando competitivo, e i prezzi superiori a tre volte il costo BOM non possono più essere mantenuti. "Il margine è troppo basso, e alla fine sarà eroso da canali, assistenza post-vendita e resi; se si cerca solo il margine lordo dell'hardware, si potrebbe anche alzare troppo il prezzo di acquisto iniziale, influenzando le dimensioni delle vendite e la conversione degli abbonamenti successivi." Se così fosse, anche l'hardware AI dovrà trovare nuove strade.

Al di fuori di questi metodi di risoluzione appartenenti alle aziende hardware, stanno emergendo anche alcune idee più generali.

Una recente tendenza è che sempre più applicazioni AI, comprese le aziende hardware, iniziano a "riaddestrare" i propri modelli.

Il fondatore del prodotto hardware di successo "AI Mushroom" Swoii, noto come "Zio He", ci ha rivelato che stanno utilizzando modelli auto-sviluppati per realizzare personalizzazioni a basso costo, soddisfacendo le esigenze degli utenti in scenari UGC, aumentando la soddisfazione degli utenti e la loro volontà di pagare.

L'azienda di applicazioni AI Mindverse, che ha fatto parlare di sé con Macaron, sta trasformandosi in una società di ricerca sui modelli, e il suo Mind Lab ha appena rilasciato e aperto i pesi del modello Macaron-V1, servendo sia i propri prodotti che iniziando a fornire modelli e capacità di riaddestramento a più applicazioni B.

Inoltre, secondo le nostre informazioni, l'imprenditore di successo, fondatore di Teambition e ex vicepresidente dei prodotti di Feishu e responsabile dei prodotti PC di Doubao, Qi Junyuan, sta avviando una nuova impresa, e il suo team sta sviluppando e testando un prodotto AI Agent, che si basa in larga misura su modelli auto-sviluppati, cercando di ridurre al minimo la dipendenza dalle API e dai token dei fornitori di modelli.

Sebbene questi prodotti abbiano scenari diversi, dietro le differenze c'è una logica comune importante: sempre più imprenditori dedicati a realizzare buoni prodotti AI si rendono conto che riaddestrare un modello da soli e integrare il modello e l'applicazione è molto più conveniente che acquistare token da fornitori di modelli.

Particolarmente quelle aziende di applicazioni AI con scenari chiari, dati ricchi e una scala di chiamate stabile, hanno l'opportunità di sostituire costosi API di modelli SOTA generali con modelli specializzati attraverso il riaddestramento. Con l'espansione della scala delle chiamate, l'investimento iniziale per l'addestramento del modello viene diluito nel lungo periodo, riducendo significativamente il costo unitario dei token.

Se questa strada viene percorsa con successo, le applicazioni AI saranno più popolari. Per quanto riguarda il presente, i progetti AI puramente software stanno già perdendo slancio nel settore del capitale.

Alcuni investitori affermano che nella prima metà di quest'anno, l'attenzione di alcuni fondi di prima linea si è spostata verso l'intelligenza incarnata e l'hardware. Non significa che non investano nel software. Continuano a guardare nella direzione B2B, in particolare le applicazioni per "piccoli imprenditori benestanti" in scenari specifici sono molto apprezzate. a16z ha investito in diversi progetti AI che si occupano di odontoiatria, operazioni sanitarie e servizi domestici a giugno. Nella primavera del programma di progetti di Qiji Chuangtan, sono emerse anche alcune aziende simili rivolte a fabbriche, marchi e aziende che si espandono all'estero.

Questo cambiamento è comprensibile. Anche se i "piccoli imprenditori benestanti" si preoccupano del prezzo, si preoccupano di più se gli strumenti possono aiutarli a produrre di più e a concludere più affari. Finché i profitti generati dall'AI superano chiaramente i costi d'uso, anche una tassa annuale di diverse migliaia di dollari è giustificata. Le aziende AI che servono loro possono essere "piccole", ma possono guadagnare soldi in modo tangibile nel business.

Inoltre, l'aumento continuo del FDE è anche una riflessione e una rottura dell'industria riguardo alla crisi dei token delle applicazioni AI. Il FDE sposta il punto di ancoraggio del valore del prodotto da "quanti token sono stati chiamati" a "cosa è stato completato per il cliente", dando alle startup l'opportunità di addebitare realmente in base ai risultati consegnati. Quando i token stessi non determinano più il limite superiore del valore del prodotto, le applicazioni AI hanno anche l'opportunità di ottenere maggiori profitti.

In definitiva, i token acquistano solo un biglietto d'ingresso, non una barriera protettiva. Se non si riesce a sfuggire a questa situazione, si rischia di essere risucchiati dai token.

Questo contenuto è fornito a solo scopo informativo generale e non costituisce consulenza finanziaria, di investimento, legale o fiscale. Qualsiasi evento, ricompensa, promozione online o informazione correlata menzionata nel presente documento non deve essere considerata una raccomandazione, una sollecitazione o un invito ad acquistare, vendere, fare trading o altrimenti negoziare criptovalute. Le criptovalute sono altamente volatili e possono comportare perdite. La disponibilità dei servizi, dei prodotti e degli eventi correlati di WEEX può variare a seconda della regione. È tua responsabilità assicurarti che la tua partecipazione sia conforme alle leggi e ai regolamenti locali applicabili.