端侧AI重构大模型商业模式：按Token计费走向三层账单体系

近期端侧芯片融资频现与行业智能体规范发布，折射出一个共同趋势：AI的商业收费模式正在发生深刻转移。

业内曾担忧端侧芯片普及会导致云端调用量萎缩，但实际产业走向恰恰相反。端侧普及并非削弱主干网络，而是极大增加了整体接入设备总量，引发类似于“杰文斯悖论”的效应——当单次使用成本大幅下降，全社会的智能化需求反而成倍释放。端侧分流的只是按次计费的前端调用，而模型蒸馏、数据回流训练和知识更新等底层算力消耗依然依托云端。

模型压缩突破催生端侧拐点

端侧设备能够自主运行复杂模型，核心在于模型压缩效率的质变。清华大学团队提出的“密度定律”（Densing Law）指出，大模型的最大能力密度大约每3.5个月翻一倍，即每隔百余天，只需一半参数规模的模型即可比肩此前顶尖模型的性能。结合推理成本的快速下降，可用智能的体积已大幅缩减。

然而，端侧设备部署的百亿级参数模型多为云端蒸馏后的“能力切片”，具备推理模式却缺乏持续自我进化的能力。蒸馏模型存在天然能力上限，长尾知识仍需依赖云端定期更新快照。端侧NPU承载数据出口，云端大模型把控知识入口，二者是执行层与供给层的共生关系。

产业链三方博弈加速

在端云协同的演进中，芯片厂、设备厂与模型厂正在展开利益重构：

芯片厂商聚焦能效、生态与调度权。存算一体等新型架构正在边缘端与终端展开落地验证，传统算力巨头也通过投资和技术授权加速布局新型推理架构。
设备厂商面临夹心层压力。自研前沿大模型成本高昂，直接采购闭源授权则难以掌控长期利润，多数硬件厂商倾向于赚取硬件溢价与场景服务费，而在端侧调度上尽量追求“本地消化、减少回源”。
模型厂商的核心壁垒从单纯的模型权重转向综合服务能力。行业普遍认为，约八成日常任务可由端侧消化，两成长尾复杂任务回源至云端，这部分回源权构成了云端溢价的核心壁垒。

走向“三层账单”新模式

伴随利益格局的调整，AI行业传统的单一按Token调用计费正在转变为三层账单体系：

装机授权费：模型厂商按出货设备量向硬件厂商收取基础授权费用，类似传统操作系统的OEM授权，海外开源模型生态与国内轻量模型团队均已在手机、PC等设备上探索落地。
持续服务费：鉴于前沿模型迭代迅速，设备厂商需要确保模型能力持续同步，快照更新订阅、端云对齐和私有化适配等按年收费的服务成为核心造血点。
兜底调用费：端侧无法处理的复杂、高时效任务回源云端，继续按照调用量或混合计费模式结算。例如苹果与阿里云千问的合作方案，便体现了端侧本地执行结合云端兜底的端云打包服务思路。

与此同时，近期关于智能体互联基础设施与自律公约的推进，实质是在为端侧Agent之间的互联互通建立应用层规范。通过明确身份认证、能力发现、资源计量与权责边界，跨设备调用的审计与计费才得以成立。

从按次收费到端云分层的体系演进，AI产业链的商业模式正在完成基础设施级别的重构。端侧的普及非但没有架空云端，反而在重塑一个更加庞大、分工明确的智能产业网络。