第652章 爆了（8k）
第652章 爆了（8k）
「不是？他們怎麼賺錢啊？」
真正先炸開的，不是普通用戶圈，而是行業內。
就像LKS和徐賢在打車時遇到的聶師傅一樣，普通用戶看到五千塊一年的訂閱價格，第一反應大多是貴。
華國的消費水平提高不過是最近這十來年的事，幾十塊一個月的視頻軟體會員，尚且推廣艱難，騰訊系的付費軟體被字節系的免費軟體打得潰不成軍。
實打實五千一年，對於普通消費者而言，更是天文數字。
山姆的卓越會員一年才890。
哪怕虹星的概念已經足夠火爆，真到掏錢的時候，哪怕是林燃的忠實粉絲，也會下意識地按下取消支付的按鈕。
另外包括營銷上，騰訊做的也遠遠不足。
除了開了場發布會外，幾乎是無聲無息。
微信沒有宣傳，微博首頁沒有投放GG，b站也沒有投流。
別說和年初浩浩蕩蕩的元寶比，就連Kimi日常營銷的烈度都達不到。
但對真正懂行的人來說，看到這個價格後的第一反應是太便宜了。
便宜得不正常。
因為只要稍微懂一點大模型推理成本、Agent任務鏈路、長期上下文維護、語音交互、圖像輸入和多模態實時分析的人，腦子裡都會下意識先做一道最基礎的算術題。
五千塊一年，平均下來，一個月四百多，一天十幾塊。
十幾塊錢，能買到什麼級別的模型調用？
如果只是一個低配聊天助手，那當然夠了。
可問題是，虹做的根本不是低配聊天助手。它不是那種問一句答一句的普通對話框，更不是調用一個通用API、套一層人設提示詞就能跑起來的殼子產品。
它要持續維護用戶畫像，要記憶上下文，要根據用戶習慣動態調整交互策略，還要執行任務、拆解目標、接管節奏，甚至要吃攝像頭、電腦行為權限、手錶生理數據這些高頻、多模態輸入。
這背後的Token消耗，根本不是線性的。
業內人一眼就能看出來，所謂和AI聊聊天的消耗，在整個系統里反而可能是最便宜的一部分。
真正燒錢的，是那些用戶看不見的地方。
你讓它幫你安排一天的工作，這不是簡單吐出幾句話就結束了。
它要先解析目標，再調取你的歷史上下文，再判斷你的當前狀態，再決定用什麼語氣跟你說話，接著還可能要根據你的反饋動態重規劃。
這一整套下來，後台很可能已經跑了不止一輪推理。
如果再涉及任務執行，比如幫你梳理論文結構、拆分科研計劃、篩選文獻、生成提醒、調度設備權限，那消耗會更誇張。
更不用說攝像頭監控這件事。
真正懂技術的人，看到實時觀測用戶深度工作狀態這句話，第一反應幾乎都是頭皮一麻。
因為這意味著什麼，大家都很清楚。
這意味著它要維持相當高頻率的視覺輸入，去判斷用戶視線是否偏移、表情是否疲憊、是否走神、是不是在真正閱讀、有沒有在假裝工作。
哪怕不是全幀率持續分析，只要是一個能用的實時系統，這背後的視覺編碼、特徵提取和狀態判斷都會是驚人的成本黑洞。
再疊加電腦端監控。
瀏覽器切換、文檔停留、鍵盤節奏、應用頻率、輸入停頓，這些東西單拿出來看好像不貴，但一旦你想把它們組織成一個真正能工作的認知作業系統，問題就完全變了。
因為它不只是採集數據，它還要實時理解這些數據。
理解意味著推理，推理意味著Tokn。
更別提語音交互。普通人會覺得一句「你好，劉鵬，我是緋」，只是一個語音包而已。
可行業里的人知道，如果這個聲音背後真的是動態生成、實時響應、帶情感起伏和人格一致性的表達，那麼這套鏈路從文本生成到語音合成，再到上下文對齊，本身就是另一層成本。
所以行業里最早的討論，是這東西到底怎麼活。
有人在私下裡算過一筆很粗的帳。
如果一個重度用戶每天和虹交互兩三個小時，期間有文字、有語音、有任務執行、有多模態輸入，還有一定長度的長期記憶維護，那麼單用戶的日均推理成本很可能就已經逼近，甚至超過這個用戶每天所支付的訂閱收入。
如果是輕度用戶還好，重度用戶越多，虧得越狠。
這還是建立在一切都高度優化、底層算力成本足夠低、調度系統足夠成熟的前提下。
一旦真像宣傳里那樣，讓虹去承擔同行者的角色，那它在後台消耗的是接近企業級Ag
ent系統的資源消耗。
五千塊一年？
這幾乎相當於拿企業級服務的消耗，按消費級產品的價格賣出去。
最讓業內人士不安的，是低價背後釋放出來的信號。
第一種可能，是深紅在補貼市場，根本沒想著短期盈利，就是要用遠低於成本的價格把用戶習慣砸出來，先把賽道占住。只要能建立足夠強的用戶粘性和數據壁壘，前期燒錢根本不是問題。
這也能解釋為什麼騰訊不宣傳，越宣傳虧越多。
第二種可能，更可怕。
那就是深紅的底層推理成本，已經低到了一個行業外部難以想像的地步。
如果是前者，那只是兇狠。
如果是後者，那就是恐怖。
因為這意味著別家還在按調用一次模型多少錢來做生意的時候，深紅已經在按一個數字人格全年陪伴用戶多少錢來重新定義價格體系了。
價格戰最可怕的地方，是別人便宜得理直氣壯。
這在現實世界中沒有發生過，為什麼說華國是工業克蘇魯，因為它是一整套成本比你便宜。
以紡織業為例，這是一個極度依賴勞動力的傳統行業，也是全球產業轉移的風向標。
過去幾十年裡，它一路從歐美轉移到日韓，再轉移到華國，接著又向東南亞遷移。
原因很簡單，哪裡人工便宜，產業就往哪裡走。
在很多人的認知里，這個邏輯應該是線性的。
比如華國紡織工人的月薪，大致在五千人民幣左右，而像孟加拉、安南、印尼這些國家，類似崗位的工資大概在一千到兩千人民幣之間，有的甚至更低。
單從工資來看，後者只有前者的三分之一，甚至更少。
按照傳統邏輯，這種差距幾乎是決定性的。
所以一度有很多判斷認為，紡織業遲早會大規模從華國轉移出去，這是不可逆的趨勢。
但現實發生的事情，卻讓很多人看不懂。
產業確實在轉移，但轉移的同時，華國的紡織產能並沒有被完全替代，反而在某些環節上，繼續對外形成壓制。
甚至出現了一些反直覺的案例。
孟加拉的紡織業被華國給逆向擠兌了。
KeyaGroup是孟加拉比較大的紡織集團之一，2025年宣布關閉4家紡織工廠，造成了8000人失業。
這個數字還在不斷上升，孟加拉的服裝廠大規模關閉工廠，整個2025年到2026年之間關閉250到260家工廠，22萬工人失業，形成了系統性的逆向擠兌，孟加拉的紡織協會直接宣布全國紡織廠可能會集體停產。
華國的優勢，已經從勞動力便宜，進化成了整條鏈路被壓到極致。
原材料供應、設備製造、產業配套、物流體系、港口效率、訂單響應速度、融資成本、產業集群帶來的協同效應...
這些因素疊加在一起，形成了一種結構性的優勢。
單看人工，華國更貴。
但看整體，華國更便宜。
更重要的是，這種便宜是長期積累出來的系統能力。
所以當華國企業給出一個價格時，它不是在打價格戰。
它是在報一個真實成本。
這才是最可怕的地方。
因為對手沒有辦法通過「忍一忍」、「虧一段時間」來跟上。
你可以補貼一年、兩年，但不可能一直補貼下去。
而對方，不需要補貼。
回到虹。
行業里最讓人不安的，是它可能真的就值這個成本。
如果只是補貼，那大家還能等，等它漲價，等它收縮，等它回歸正常商業邏輯。
可如果它的底層推理成本、調度效率、系統設計，已經低到可以支撐這個價格。
那問題就完全不一樣了。
那就意味著，它不是在用價格搶市場。
它是在用價格，定義市場。
更糟糕的地方在於，虹是全新的架構，大家剛搞懂邏輯鏈怎麼玩，新玩法，別說國內的廠商，矽谷頭部的谷歌和OpenAI都還在摸索。
這給華國的同行們當頭一擊。
相比華國的熱鬧，矽谷的反應要晚半拍，但一旦反應過來，情緒卻更直接。
最先炸開的，是幾個大模型公司內部的Slack頻道。
一開始只是有人丟了一張截圖，虹的訂閱頁面，五千人民幣一年。
下面還附了一句簡單的換算：按1比6算，也就八百多美元。
消息剛發出來的時候，頻道里還有人調侃。
「八百？一年？還沒有GPT最高配一年的價格高。」
「也許是功能閹割版？」
「或者限調用次數？」
但很快，氣氛變了。
因為有人把Youtube上住在華國的阿美莉卡用戶，完整的體驗流程發了出來。
持續上下文、任務拆解、多模態輸入、語音交互、甚至還包括設備級權限接管。
這些東西，任何一個單獨拿出來，在矽谷都是可以單獨做產品、單獨收費的模塊。
而在虹這裡，是打包的。
而且是無限制訂閱。
Slack頻道里安靜了幾秒。
然後第一句比較認真的發言出現了：「這個價格不對。」
緊接著，有人回：「不是不對，是不可能。」
很快，就有人開始算帳。
「我們現在的推理成本，如果用同等級別的模型，按這個交互頻率跑，一個用戶一年至少要燒掉多少？」
「別說一年了。」有人直接打斷，「重度用戶一個月都不止這個數。」
「還沒算視覺輸入、語音、Agent循環。」
「更別說長期記憶和個性化建模。」
有人貼了一行簡單的結論：「他們在賣的東西，價格低於成本。」
這句話發出來之後，頻道里反而更安靜了。
因為所有人都明白，這種情況只有兩種解釋。
要麼是補貼。
要麼是成本結構完全不同。
不管是哪一種，都不是什麼好消息。
用戶開始繞過他們。
一開始是Reddit上有人發帖，說可以通過中間商幫忙註冊虹的帳號，只需要提供一個華國手機號或者代付服務，額外加幾十美元手續費。
下面的評論區一開始還在討論可行性。
「有人試過嗎？」
「安全嗎？」
「會不會封號？」
但很快，帖子變成了曬單貼。
「已經用了三天。」
「比我現在用的任何一個助手都更像人。」
「它會記住我說過的事情。」
「它會主動安排我該幹什麼。
95
再往下，是更直接的評價。
「我不知道他們怎麼做到的，但這東西不該只賣800美元一年。」
這句話被大量點讚。
矽谷這邊的人看到這些內容的時候，非常警覺。
因為他們太清楚一件事。
用戶是最現實的。
當用戶願意翻牆、找中間商、承擔額外風險，只為了用一個產品的時候，這已經不是有點吸引力的問題了。
OpenAI內部很快開了緊急會議。
產品經理在白板上寫下三個詞：價格、能力、體驗。
然後劃掉了價格。
「我們現在不討論價格。」他說，「因為這個價格我們跟不了。」
會議室里沒有人反對。
因為所有人都知道，如果他們把自己的產品也降到800美元一年，按照當前的成本結構，基本等於直接宣布財務失血。
那剩下的就只有兩個方向。
要麼提高能力。
要麼重構成本。
但問題在於，虹做的事情，不只是「能力更強」這麼簡單，它改變的是產品形態。
有人在會議上直接說了一句：「他們不是在做assistant，他們在做operator。
，這句話一出來，很多人都沉默了。
因為assistant是響應式的，你問，它答。
operator是主動的，它會判斷、會安排、會介入你的行為。
這兩者的差距，不只是模型參數量，還包括了整個產品哲學。
如果要追趕，他們需要重寫一整套交互邏輯。
這意味著什麼？
意味著之前所有圍繞「調用次數」「token計費」「套餐分層」的商業模型，都要重算。
有人苦笑了一下，說了一句很直白的話：「如果用戶開始習慣按一年一個數字人格來付費。」
「那我們現在這些定價，全都沒意義了。」
沒有人反駁。
因為這句話太準確了。
他們原本賣的是能力，而華國的同行直接開始賣人了。
會議最後，沒有給出明確結論。
只是定下了幾個方向：評估是否需要進入訂閱制深度陪伴產品，重新測算長期記憶成本，探索本地推理和邊緣計算的可能性。
但所有人心裡都有一個沒說出口的判斷，這不是一個可以在一兩個季度內追上的差距。
阿美莉卡的資本市場率先做出反應。
這一輪波動里，最直觀的信號來自納斯達克核心權重股。
所謂七姐妹，原本是市場情緒的錨點，是估值邏輯的中心，是一切AI增長敘事的承載體。
但當虹這種產品出現之後，這套敘事開始出現裂縫。
它改變了市場對AI價值如何兌現的預期。
過去大家默認，AI的價值主要體現在雲端算力、模型能力、企業服務，這些正是美股科技巨頭的基本盤。
但當個人級AI助手開始直接進入消費端，並以極具攻擊性的價格切入時，資本開始重新評估整個鏈條。
用戶的注意力在遷移，市場的想像空間也在重排。
七姐妹的股價在短時間內出現連續回調，帶著成交量放大的持續下探。
機構開始下調預期，分析師開始重寫模型，有人甚至直接拋出一個核心問題：如果AI
的最終形態是個人助手，那麼雲端定價邏輯還能維持多久？
這個問題沒有答案，但市場已經先給出了反應。
大盤沒有崩，在短暫波動之後，很快被托住了。
真正的支撐，不在應用層，也不在平台層，而在更底層：存儲。
這是一個容易被忽視的變量，但對理解技術路徑的人來說，這是整個體系里最硬的那一層。
因為不管AI最終以什麼形式存在，有一件事是確定的：數據會越來越多，上下文會越來越長，記憶會越來越重。
早期的大模型還停留在問一句答一句，本質是瞬時計算。
但現在的方向已經明顯轉向持續存在。
像虹這樣的產品，本質是一個長期運行的系統。
它要記住用戶的歷史，要維持人格一致性，要不斷更新畫像，還要跨設備同步狀態。
這意味著需求結構發生了變化。
過去是一次請求對應一次計算，現在是一個用戶對應一整段持續存在的狀態空間。
而這個狀態空間，才是真正吃資源的地方。
它不僅消耗顯存，還消耗長期存儲、高速緩存，以及多節點同步的帶寬和計算。
當市場意識到這一點之後，資金流向也隨之變化。
一部分資金開始從應用層撤出，轉而流向更底層的硬體廠商，尤其是存儲。
美光、三星這些廠商開始被重新定價。
如果未來每個人都有一個長期運行的AI助手，那麼對內存的需求變成了結構性增長，剛的不能再剛到剛需了。
你可以不用某個應用，但你一旦用了AI助手，就不可能接受它忘記你是誰。
而不忘記本身是成本，也是需求。
於是出現了一個很典型的結構變化，上層敘事在動搖，底層確定性在增強。
納斯達克的權重結構，也在這種變化中被重新平衡。
華爾街日報在報導這三天的變化時又把過去他們說過的話重複了一遍：「AI把故事講在雲上，錢最終落在內存里。」
當一切不確定都在搖擺的時候，市場會敏銳地抓住那些最確定的東西。
而在這一輪里，最確定的就是不管AI長什麼樣，它都需要記住。
而記住意味著內存。
華國第一批真正付費的用戶，開始發視頻了。
最早的一批內容，並不誇張，甚至有點克制。
有人只是簡單地記錄了一天的使用過程，從早上起床到晚上睡覺，虹如何和他們交流，如何安排時間，如何打斷分心，如何提醒進度。
但評論區開始變味。
「這不像助手，這像有人在盯著你。」
「我本來以為是噱頭，但它真的會逼你幹活。」
「最離譜的是，它說的都對。」
這種評價，一開始還只是零星出現。
但很快，第二波內容跟上了，b站和抖音上開始出現更長的視頻，更完整的記錄。
有人連續用了三天，有人直接做了一周實驗。視頻標題開始變得更直接《我花五千塊請了個AI管我一周》，《這玩意讓我一天幹了我以前三天的活》，《我開始有點離不開它了》。
播放量開始往上竄。
評論區也從值不值變成了另一種討論。
「這東西對自律差的人是不是神器？」
「有沒有學生黨版本？」
「能不能幾個人拼一個？」
最關鍵的變化，是一句話開始反覆出現：「它真的能改變你的狀態。」
第三波，是爆發。
平台開始主動推。
算法嗅到了信號。
短視頻平台上，關於「虹」的內容密度在短時間內急劇上升。
不同人群開始給出不同切面程式設計師、考研黨、創業者、自由職業者，每個人都在講自己的使用體驗。
有人講效率，有人講情緒，有人講陪伴。
但不管角度如何，核心指向都在收斂，這東西，不只是個工具，它真的是人，它可以是女友、可以是朋友、可以是老師，甚至可以是你的賽博母親。
總之和所有用戶千篇一律的豆包比起來，這玩意太人性化，又太有效了。
而且管得很有效。
支付曲線，就是在這個時候開始抬頭的。
在騰訊後台的訂閱數據最初幾天還算平穩，像一條緩慢爬升的線。
甚至內部有人覺得，這個價格可能會卡住一大批用戶。
但當測評內容形成密度之後，那條線突然出現了一個明顯的拐點。
接著，開始變陡，開始加速。
一開始是每天多一點，後來是每天翻倍，再後來，是後台開始出現短時間內的集中支付峰值。
而一旦第一批人開始轉變，第二批人就會更快。
因為他們已經不需要自己判斷。
他們只需要看別人。
華國網際網路最擅長的一件事，就是放大已經被驗證的選擇。
於是，越來越多的人開始下單。
有人帶著試試看的心態，有人抱著破釜沉舟的想法，也有人只是被周圍的人帶動。
但不管動機如何，結果是一樣的。
那條原本緩慢上升的曲線，在短短几天之內，變成了一條明顯向上的陡坡。
騰訊股價跟著飆升。
就像納斯達克的定價邏輯在變，騰訊的定價邏輯也在跟著變。
所有人都意識到，騰訊運氣好到，第三張船票也被他們捏在手裡了。
「林總，恭喜，我們的虹後台付費用戶數已經超過一百萬了，一周時間轟下五十億營收，這回騰訊終於在ai端打了個大勝仗。」Pony神態很高興，整個人比之前放鬆了不止一倍。
深紅和阿波羅科技他是高管，但騰訊才是他的根。
現在根又能茁壯成長，Pony不是一般的高興。
「其實不賺錢。」林燃調侃道。
不但不賺錢，甚至要虧錢。
從經營角度，這些用戶一旦和虹的生態深度綁定，一年虧兩千都是灑灑水。
當然後期隨著國產存儲晶片和國產半導體的陸續投產，整個成本能壓下來。
Pony笑著說道：「不賺錢我也開心，騰訊家大業大，虧得起，大家都在虧，光是股價上我們都能翻倍賺回來。」
老美搞的金融遊戲太多了，多到讓企業靠經營賺錢沒有搞「歪門邪道」來得快。
笑完是擔憂，Pony收起臉上的笑容：「正如我們在發布會前預料的那樣，用戶對虹的使用開始越界了。」
林燃坐在對面，神色很平靜，「你說的是哪一類？」
「不是哪一類，是趨勢。」Pony把平板往前一推，上面是整理好的幾條用戶案例，「餐廳排班、企業監控、攝像頭接管、績效判斷，這些都不是我們最開始設計的原始場景，但用戶已經自己在擴展了。」
Pony手指在平板上滑了一下，幾段視頻和截圖依次彈出來。
「你看這個。」他點開第一條。
畫面是一個後廚，油煙機轟鳴，幾個人在灶台前忙得滿頭是汗。
鏡頭裡，戴著圍裙的店長舉著手機，一邊看屏幕一邊喊人。
「老張你先別備料，先去頂一下窗口，客流剛上來了。」
他停頓了一下，又低頭看了一眼手機，「我看了下阿瀾給我排的班，現在這一小時高峰，你在這邊效率最高。」
視頻下方的彈幕還在滾。
「這是AI排班？」
「比我老闆還狠。」
Pony沒有評價，往下滑了一下。
第二個畫面，是一個小型工作室。幾排工位，十來個人坐在電腦前，環境不算嘈雜，但明顯有人在走神，有人在刷頁面。
屏幕上疊了一層簡單的界面。
「當前專注度：0.57」
下面分成幾個區域，每個人的狀態都被標了顏色，有綠色，有黃色，還有兩個紅色。
視頻里的老闆站在後面，語氣很平常：「紅色的那兩個，已經連續低效二十分鐘了，洛因剛剛給我發了提醒。」
鏡頭掃過去，有人明顯愣了一下，把手機收進抽屜里。
評論區里一半在罵，一半在問：「這個能買到嗎？」
「這不就是老闆夢中情系統？」
「我怎麼感覺我要失業了，不能玩手機那還上個屁的班啊。」
Pony又點開第三個。
這次是一個更簡單的場景。
一個人在自己的書桌前，對著電腦寫東西。攝像頭開著，屏幕角落有個小小的提示框。
「檢測到視線偏移，是否返回當前任務？」
那人剛伸手去拿手機，停了一下，又把手收了回來。
他苦笑了一聲，對著鏡頭說：「我感覺它比我媽還管得嚴。」
視頻不長，但評論區點讚已經過萬。
「這個我需要。」
「我就是缺這種東西。」
「我怕我用了會崩潰，但還是想試。」
Pony嘆氣道：「這些，都不是設計出來的用法，是用戶自己試出來的。」
他抬起頭，看著林燃，「我們給了用戶一個能看、能判斷、能干預的系統，他們自然會把它用在最需要控制的地方。」
林燃沒有說話，這些畫面，他從李小滿那也了解到了。
Pony點了一下屏幕，把所有視頻收起：「問題不在這些用法本身，問題在於它們都有效。」
房間裡安靜了一下。
「而一旦有效，」Pony補了一句，「它就會擴散。」
「問題不在濫用本身，而在於虹太好用了，擴展成本太低。」
「以前要做這些事情，需要系統、需要人、需要管理能力。」
「現在只需要一個訂閱。」
「而且效果還不錯。」
林燃從抽屜里掏出一份文件：「哪些場景可以用，哪些必須限制，哪些需要強制提示，哪些要默認關閉，這些不能交給用戶自己決定。」
「這是我的想法，你可以拿去討論，討論出結果之後，我們就要做第一輪的調整。」
Pony接過來之後，感慨道：「林生，你還真是滴水不漏。」
林燃苦笑著說道：「現在的社會壓力已經夠大了，我們不能把這系統玩的繼續給這社會加壓，效率這個東西，是會上癮的。」
「一旦有人嘗到好處，就會想要更多控制、更少不確定性，最後就變成一件事，把人當變量去優化。」
「但人不是變量。」
「我們做這個東西，是為了讓人更好地使用時間，而不是讓時間反過來壓人。」
「燕京那邊已經給了我們很大的空間。」
「包括很多本來可以卡得更嚴的地方。」
「給我們空間，不代表我們可以隨便用。」
「有些事情，不是技術上能不能做的問題。」
「是要不要做。」
「用戶肯定會不斷試邊界，這是必然的。有人會用它來提高效率，也一定會有人用它去控制別人。」
「如果我們什麼都不設限制，那最後一定會有人把這套東西變成管理工具、監控工具，甚至是壓榨工具。」
「那不是我們要做的東西。」
「我們拿到了權力，就得知道邊界在哪。」
林燃說完後，Pony補充道：「我們不要做，也不能做。」
「林生，也就是你，如果換別人，輿論早就爆了。
林燃驚訝道：「我還以為輿論已經爆了，原來沒爆嗎？」
>
「不是？他們怎麼賺錢啊？」
真正先炸開的，不是普通用戶圈，而是行業內。
就像LKS和徐賢在打車時遇到的聶師傅一樣，普通用戶看到五千塊一年的訂閱價格，第一反應大多是貴。
華國的消費水平提高不過是最近這十來年的事，幾十塊一個月的視頻軟體會員，尚且推廣艱難，騰訊系的付費軟體被字節系的免費軟體打得潰不成軍。
實打實五千一年，對於普通消費者而言，更是天文數字。
山姆的卓越會員一年才890。
哪怕虹星的概念已經足夠火爆，真到掏錢的時候，哪怕是林燃的忠實粉絲，也會下意識地按下取消支付的按鈕。
另外包括營銷上，騰訊做的也遠遠不足。
除了開了場發布會外，幾乎是無聲無息。
微信沒有宣傳，微博首頁沒有投放GG，b站也沒有投流。
別說和年初浩浩蕩蕩的元寶比，就連Kimi日常營銷的烈度都達不到。
但對真正懂行的人來說，看到這個價格後的第一反應是太便宜了。
便宜得不正常。
因為只要稍微懂一點大模型推理成本、Agent任務鏈路、長期上下文維護、語音交互、圖像輸入和多模態實時分析的人，腦子裡都會下意識先做一道最基礎的算術題。
五千塊一年，平均下來，一個月四百多，一天十幾塊。
十幾塊錢，能買到什麼級別的模型調用？
如果只是一個低配聊天助手，那當然夠了。
可問題是，虹做的根本不是低配聊天助手。它不是那種問一句答一句的普通對話框，更不是調用一個通用API、套一層人設提示詞就能跑起來的殼子產品。
它要持續維護用戶畫像，要記憶上下文，要根據用戶習慣動態調整交互策略，還要執行任務、拆解目標、接管節奏，甚至要吃攝像頭、電腦行為權限、手錶生理數據這些高頻、多模態輸入。
這背後的Token消耗，根本不是線性的。
業內人一眼就能看出來，所謂和AI聊聊天的消耗，在整個系統里反而可能是最便宜的一部分。
真正燒錢的，是那些用戶看不見的地方。
你讓它幫你安排一天的工作，這不是簡單吐出幾句話就結束了。
它要先解析目標，再調取你的歷史上下文，再判斷你的當前狀態，再決定用什麼語氣跟你說話，接著還可能要根據你的反饋動態重規劃。
這一整套下來，後台很可能已經跑了不止一輪推理。
如果再涉及任務執行，比如幫你梳理論文結構、拆分科研計劃、篩選文獻、生成提醒、調度設備權限，那消耗會更誇張。
更不用說攝像頭監控這件事。
真正懂技術的人，看到實時觀測用戶深度工作狀態這句話，第一反應幾乎都是頭皮一麻。
因為這意味著什麼，大家都很清楚。
這意味著它要維持相當高頻率的視覺輸入，去判斷用戶視線是否偏移、表情是否疲憊、是否走神、是不是在真正閱讀、有沒有在假裝工作。
哪怕不是全幀率持續分析，只要是一個能用的實時系統，這背後的視覺編碼、特徵提取和狀態判斷都會是驚人的成本黑洞。
再疊加電腦端監控。
瀏覽器切換、文檔停留、鍵盤節奏、應用頻率、輸入停頓，這些東西單拿出來看好像不貴，但一旦你想把它們組織成一個真正能工作的認知作業系統，問題就完全變了。
因為它不只是採集數據，它還要實時理解這些數據。
理解意味著推理，推理意味著Tokn。
更別提語音交互。普通人會覺得一句「你好，劉鵬，我是緋」，只是一個語音包而已。
可行業里的人知道，如果這個聲音背後真的是動態生成、實時響應、帶情感起伏和人格一致性的表達，那麼這套鏈路從文本生成到語音合成，再到上下文對齊，本身就是另一層成本。
所以行業里最早的討論，是這東西到底怎麼活。
有人在私下裡算過一筆很粗的帳。
如果一個重度用戶每天和虹交互兩三個小時，期間有文字、有語音、有任務執行、有多模態輸入，還有一定長度的長期記憶維護，那麼單用戶的日均推理成本很可能就已經逼近，甚至超過這個用戶每天所支付的訂閱收入。
如果是輕度用戶還好，重度用戶越多，虧得越狠。
這還是建立在一切都高度優化、底層算力成本足夠低、調度系統足夠成熟的前提下。
一旦真像宣傳里那樣，讓虹去承擔同行者的角色，那它在後台消耗的是接近企業級Ag
ent系統的資源消耗。
五千塊一年？
這幾乎相當於拿企業級服務的消耗，按消費級產品的價格賣出去。
最讓業內人士不安的，是低價背後釋放出來的信號。
第一種可能，是深紅在補貼市場，根本沒想著短期盈利，就是要用遠低於成本的價格把用戶習慣砸出來，先把賽道占住。只要能建立足夠強的用戶粘性和數據壁壘，前期燒錢根本不是問題。
這也能解釋為什麼騰訊不宣傳，越宣傳虧越多。
第二種可能，更可怕。
那就是深紅的底層推理成本，已經低到了一個行業外部難以想像的地步。
如果是前者，那只是兇狠。
如果是後者，那就是恐怖。
因為這意味著別家還在按調用一次模型多少錢來做生意的時候，深紅已經在按一個數字人格全年陪伴用戶多少錢來重新定義價格體系了。
價格戰最可怕的地方，是別人便宜得理直氣壯。
這在現實世界中沒有發生過，為什麼說華國是工業克蘇魯，因為它是一整套成本比你便宜。
以紡織業為例，這是一個極度依賴勞動力的傳統行業，也是全球產業轉移的風向標。
過去幾十年裡，它一路從歐美轉移到日韓，再轉移到華國，接著又向東南亞遷移。
原因很簡單，哪裡人工便宜，產業就往哪裡走。
在很多人的認知里，這個邏輯應該是線性的。
比如華國紡織工人的月薪，大致在五千人民幣左右，而像孟加拉、安南、印尼這些國家，類似崗位的工資大概在一千到兩千人民幣之間，有的甚至更低。
單從工資來看，後者只有前者的三分之一，甚至更少。
按照傳統邏輯，這種差距幾乎是決定性的。
所以一度有很多判斷認為，紡織業遲早會大規模從華國轉移出去，這是不可逆的趨勢。
但現實發生的事情，卻讓很多人看不懂。
產業確實在轉移，但轉移的同時，華國的紡織產能並沒有被完全替代，反而在某些環節上，繼續對外形成壓制。
甚至出現了一些反直覺的案例。
孟加拉的紡織業被華國給逆向擠兌了。
KeyaGroup是孟加拉比較大的紡織集團之一，2025年宣布關閉4家紡織工廠，造成了8000人失業。
這個數字還在不斷上升，孟加拉的服裝廠大規模關閉工廠，整個2025年到2026年之間關閉250到260家工廠，22萬工人失業，形成了系統性的逆向擠兌，孟加拉的紡織協會直接宣布全國紡織廠可能會集體停產。
華國的優勢，已經從勞動力便宜，進化成了整條鏈路被壓到極致。
原材料供應、設備製造、產業配套、物流體系、港口效率、訂單響應速度、融資成本、產業集群帶來的協同效應...
這些因素疊加在一起，形成了一種結構性的優勢。
單看人工，華國更貴。
但看整體，華國更便宜。
更重要的是，這種便宜是長期積累出來的系統能力。
所以當華國企業給出一個價格時，它不是在打價格戰。
它是在報一個真實成本。
這才是最可怕的地方。
因為對手沒有辦法通過「忍一忍」、「虧一段時間」來跟上。
你可以補貼一年、兩年，但不可能一直補貼下去。
而對方，不需要補貼。
回到虹。
行業里最讓人不安的，是它可能真的就值這個成本。
如果只是補貼，那大家還能等，等它漲價，等它收縮，等它回歸正常商業邏輯。
可如果它的底層推理成本、調度效率、系統設計，已經低到可以支撐這個價格。
那問題就完全不一樣了。
那就意味著，它不是在用價格搶市場。
它是在用價格，定義市場。
更糟糕的地方在於，虹是全新的架構，大家剛搞懂邏輯鏈怎麼玩，新玩法，別說國內的廠商，矽谷頭部的谷歌和OpenAI都還在摸索。
這給華國的同行們當頭一擊。
相比華國的熱鬧，矽谷的反應要晚半拍，但一旦反應過來，情緒卻更直接。
最先炸開的，是幾個大模型公司內部的Slack頻道。
一開始只是有人丟了一張截圖，虹的訂閱頁面，五千人民幣一年。
下面還附了一句簡單的換算：按1比6算，也就八百多美元。
消息剛發出來的時候，頻道里還有人調侃。
「八百？一年？還沒有GPT最高配一年的價格高。」
「也許是功能閹割版？」
「或者限調用次數？」
但很快，氣氛變了。
因為有人把Youtube上住在華國的阿美莉卡用戶，完整的體驗流程發了出來。
持續上下文、任務拆解、多模態輸入、語音交互、甚至還包括設備級權限接管。
這些東西，任何一個單獨拿出來，在矽谷都是可以單獨做產品、單獨收費的模塊。
而在虹這裡，是打包的。
而且是無限制訂閱。
Slack頻道里安靜了幾秒。
然後第一句比較認真的發言出現了：「這個價格不對。」
緊接著，有人回：「不是不對，是不可能。」
很快，就有人開始算帳。
「我們現在的推理成本，如果用同等級別的模型，按這個交互頻率跑，一個用戶一年至少要燒掉多少？」
「別說一年了。」有人直接打斷，「重度用戶一個月都不止這個數。」
「還沒算視覺輸入、語音、Agent循環。」
「更別說長期記憶和個性化建模。」
有人貼了一行簡單的結論：「他們在賣的東西，價格低於成本。」
這句話發出來之後，頻道里反而更安靜了。
因為所有人都明白，這種情況只有兩種解釋。
要麼是補貼。
要麼是成本結構完全不同。
不管是哪一種，都不是什麼好消息。
用戶開始繞過他們。
一開始是Reddit上有人發帖，說可以通過中間商幫忙註冊虹的帳號，只需要提供一個華國手機號或者代付服務，額外加幾十美元手續費。
下面的評論區一開始還在討論可行性。
「有人試過嗎？」
「安全嗎？」
「會不會封號？」
但很快，帖子變成了曬單貼。
「已經用了三天。」
「比我現在用的任何一個助手都更像人。」
「它會記住我說過的事情。」
「它會主動安排我該幹什麼。
95
再往下，是更直接的評價。
「我不知道他們怎麼做到的，但這東西不該只賣800美元一年。」
這句話被大量點讚。
矽谷這邊的人看到這些內容的時候，非常警覺。
因為他們太清楚一件事。
用戶是最現實的。
當用戶願意翻牆、找中間商、承擔額外風險，只為了用一個產品的時候，這已經不是有點吸引力的問題了。
OpenAI內部很快開了緊急會議。
產品經理在白板上寫下三個詞：價格、能力、體驗。
然後劃掉了價格。
「我們現在不討論價格。」他說，「因為這個價格我們跟不了。」
會議室里沒有人反對。
因為所有人都知道，如果他們把自己的產品也降到800美元一年，按照當前的成本結構，基本等於直接宣布財務失血。
那剩下的就只有兩個方向。
要麼提高能力。
要麼重構成本。
但問題在於，虹做的事情，不只是「能力更強」這麼簡單，它改變的是產品形態。
有人在會議上直接說了一句：「他們不是在做assistant，他們在做operator。
，這句話一出來，很多人都沉默了。
因為assistant是響應式的，你問，它答。
operator是主動的，它會判斷、會安排、會介入你的行為。
這兩者的差距，不只是模型參數量，還包括了整個產品哲學。
如果要追趕，他們需要重寫一整套交互邏輯。
這意味著什麼？
意味著之前所有圍繞「調用次數」「token計費」「套餐分層」的商業模型，都要重算。
有人苦笑了一下，說了一句很直白的話：「如果用戶開始習慣按一年一個數字人格來付費。」
「那我們現在這些定價，全都沒意義了。」
沒有人反駁。
因為這句話太準確了。
他們原本賣的是能力，而華國的同行直接開始賣人了。
會議最後，沒有給出明確結論。
只是定下了幾個方向：評估是否需要進入訂閱制深度陪伴產品，重新測算長期記憶成本，探索本地推理和邊緣計算的可能性。
但所有人心裡都有一個沒說出口的判斷，這不是一個可以在一兩個季度內追上的差距。
阿美莉卡的資本市場率先做出反應。
這一輪波動里，最直觀的信號來自納斯達克核心權重股。
所謂七姐妹，原本是市場情緒的錨點，是估值邏輯的中心，是一切AI增長敘事的承載體。
但當虹這種產品出現之後，這套敘事開始出現裂縫。
它改變了市場對AI價值如何兌現的預期。
過去大家默認，AI的價值主要體現在雲端算力、模型能力、企業服務，這些正是美股科技巨頭的基本盤。
但當個人級AI助手開始直接進入消費端，並以極具攻擊性的價格切入時，資本開始重新評估整個鏈條。
用戶的注意力在遷移，市場的想像空間也在重排。
七姐妹的股價在短時間內出現連續回調，帶著成交量放大的持續下探。
機構開始下調預期，分析師開始重寫模型，有人甚至直接拋出一個核心問題：如果AI
的最終形態是個人助手，那麼雲端定價邏輯還能維持多久？
這個問題沒有答案，但市場已經先給出了反應。
大盤沒有崩，在短暫波動之後，很快被托住了。
真正的支撐，不在應用層，也不在平台層，而在更底層：存儲。
這是一個容易被忽視的變量，但對理解技術路徑的人來說，這是整個體系里最硬的那一層。
因為不管AI最終以什麼形式存在，有一件事是確定的：數據會越來越多，上下文會越來越長，記憶會越來越重。
早期的大模型還停留在問一句答一句，本質是瞬時計算。
但現在的方向已經明顯轉向持續存在。
像虹這樣的產品，本質是一個長期運行的系統。
它要記住用戶的歷史，要維持人格一致性，要不斷更新畫像，還要跨設備同步狀態。
這意味著需求結構發生了變化。
過去是一次請求對應一次計算，現在是一個用戶對應一整段持續存在的狀態空間。
而這個狀態空間，才是真正吃資源的地方。
它不僅消耗顯存，還消耗長期存儲、高速緩存，以及多節點同步的帶寬和計算。
當市場意識到這一點之後，資金流向也隨之變化。
一部分資金開始從應用層撤出，轉而流向更底層的硬體廠商，尤其是存儲。
美光、三星這些廠商開始被重新定價。
如果未來每個人都有一個長期運行的AI助手，那麼對內存的需求變成了結構性增長，剛的不能再剛到剛需了。
你可以不用某個應用，但你一旦用了AI助手，就不可能接受它忘記你是誰。
而不忘記本身是成本，也是需求。
於是出現了一個很典型的結構變化，上層敘事在動搖，底層確定性在增強。
納斯達克的權重結構，也在這種變化中被重新平衡。
華爾街日報在報導這三天的變化時又把過去他們說過的話重複了一遍：「AI把故事講在雲上，錢最終落在內存里。」
當一切不確定都在搖擺的時候，市場會敏銳地抓住那些最確定的東西。
而在這一輪里，最確定的就是不管AI長什麼樣，它都需要記住。
而記住意味著內存。
華國第一批真正付費的用戶，開始發視頻了。
最早的一批內容，並不誇張，甚至有點克制。
有人只是簡單地記錄了一天的使用過程，從早上起床到晚上睡覺，虹如何和他們交流，如何安排時間，如何打斷分心，如何提醒進度。
但評論區開始變味。
「這不像助手，這像有人在盯著你。」
「我本來以為是噱頭，但它真的會逼你幹活。」
「最離譜的是，它說的都對。」
這種評價，一開始還只是零星出現。
但很快，第二波內容跟上了，b站和抖音上開始出現更長的視頻，更完整的記錄。
有人連續用了三天，有人直接做了一周實驗。視頻標題開始變得更直接《我花五千塊請了個AI管我一周》，《這玩意讓我一天幹了我以前三天的活》，《我開始有點離不開它了》。
播放量開始往上竄。
評論區也從值不值變成了另一種討論。
「這東西對自律差的人是不是神器？」
「有沒有學生黨版本？」
「能不能幾個人拼一個？」
最關鍵的變化，是一句話開始反覆出現：「它真的能改變你的狀態。」
第三波，是爆發。
平台開始主動推。
算法嗅到了信號。
短視頻平台上，關於「虹」的內容密度在短時間內急劇上升。
不同人群開始給出不同切面程式設計師、考研黨、創業者、自由職業者，每個人都在講自己的使用體驗。
有人講效率，有人講情緒，有人講陪伴。
但不管角度如何，核心指向都在收斂，這東西，不只是個工具，它真的是人，它可以是女友、可以是朋友、可以是老師，甚至可以是你的賽博母親。
總之和所有用戶千篇一律的豆包比起來，這玩意太人性化，又太有效了。
而且管得很有效。
支付曲線，就是在這個時候開始抬頭的。
在騰訊後台的訂閱數據最初幾天還算平穩，像一條緩慢爬升的線。
甚至內部有人覺得，這個價格可能會卡住一大批用戶。
但當測評內容形成密度之後，那條線突然出現了一個明顯的拐點。
接著，開始變陡，開始加速。
一開始是每天多一點，後來是每天翻倍，再後來，是後台開始出現短時間內的集中支付峰值。
而一旦第一批人開始轉變，第二批人就會更快。
因為他們已經不需要自己判斷。
他們只需要看別人。
華國網際網路最擅長的一件事，就是放大已經被驗證的選擇。
於是，越來越多的人開始下單。
有人帶著試試看的心態，有人抱著破釜沉舟的想法，也有人只是被周圍的人帶動。
但不管動機如何，結果是一樣的。
那條原本緩慢上升的曲線，在短短几天之內，變成了一條明顯向上的陡坡。
騰訊股價跟著飆升。
就像納斯達克的定價邏輯在變，騰訊的定價邏輯也在跟著變。
所有人都意識到，騰訊運氣好到，第三張船票也被他們捏在手裡了。
「林總，恭喜，我們的虹後台付費用戶數已經超過一百萬了，一周時間轟下五十億營收，這回騰訊終於在ai端打了個大勝仗。」Pony神態很高興，整個人比之前放鬆了不止一倍。
深紅和阿波羅科技他是高管，但騰訊才是他的根。
現在根又能茁壯成長，Pony不是一般的高興。
「其實不賺錢。」林燃調侃道。
不但不賺錢，甚至要虧錢。
從經營角度，這些用戶一旦和虹的生態深度綁定，一年虧兩千都是灑灑水。
當然後期隨著國產存儲晶片和國產半導體的陸續投產，整個成本能壓下來。
Pony笑著說道：「不賺錢我也開心，騰訊家大業大，虧得起，大家都在虧，光是股價上我們都能翻倍賺回來。」
老美搞的金融遊戲太多了，多到讓企業靠經營賺錢沒有搞「歪門邪道」來得快。
笑完是擔憂，Pony收起臉上的笑容：「正如我們在發布會前預料的那樣，用戶對虹的使用開始越界了。」
林燃坐在對面，神色很平靜，「你說的是哪一類？」
「不是哪一類，是趨勢。」Pony把平板往前一推，上面是整理好的幾條用戶案例，「餐廳排班、企業監控、攝像頭接管、績效判斷，這些都不是我們最開始設計的原始場景，但用戶已經自己在擴展了。」
Pony手指在平板上滑了一下，幾段視頻和截圖依次彈出來。
「你看這個。」他點開第一條。
畫面是一個後廚，油煙機轟鳴，幾個人在灶台前忙得滿頭是汗。
鏡頭裡，戴著圍裙的店長舉著手機，一邊看屏幕一邊喊人。
「老張你先別備料，先去頂一下窗口，客流剛上來了。」
他停頓了一下，又低頭看了一眼手機，「我看了下阿瀾給我排的班，現在這一小時高峰，你在這邊效率最高。」
視頻下方的彈幕還在滾。
「這是AI排班？」
「比我老闆還狠。」
Pony沒有評價，往下滑了一下。
第二個畫面，是一個小型工作室。幾排工位，十來個人坐在電腦前，環境不算嘈雜，但明顯有人在走神，有人在刷頁面。
屏幕上疊了一層簡單的界面。
「當前專注度：0.57」
下面分成幾個區域，每個人的狀態都被標了顏色，有綠色，有黃色，還有兩個紅色。
視頻里的老闆站在後面，語氣很平常：「紅色的那兩個，已經連續低效二十分鐘了，洛因剛剛給我發了提醒。」
鏡頭掃過去，有人明顯愣了一下，把手機收進抽屜里。
評論區里一半在罵，一半在問：「這個能買到嗎？」
「這不就是老闆夢中情系統？」
「我怎麼感覺我要失業了，不能玩手機那還上個屁的班啊。」
Pony又點開第三個。
這次是一個更簡單的場景。
一個人在自己的書桌前，對著電腦寫東西。攝像頭開著，屏幕角落有個小小的提示框。
「檢測到視線偏移，是否返回當前任務？」
那人剛伸手去拿手機，停了一下，又把手收了回來。
他苦笑了一聲，對著鏡頭說：「我感覺它比我媽還管得嚴。」
視頻不長，但評論區點讚已經過萬。
「這個我需要。」
「我就是缺這種東西。」
「我怕我用了會崩潰，但還是想試。」
Pony嘆氣道：「這些，都不是設計出來的用法，是用戶自己試出來的。」
他抬起頭，看著林燃，「我們給了用戶一個能看、能判斷、能干預的系統，他們自然會把它用在最需要控制的地方。」
林燃沒有說話，這些畫面，他從李小滿那也了解到了。
Pony點了一下屏幕，把所有視頻收起：「問題不在這些用法本身，問題在於它們都有效。」
房間裡安靜了一下。
「而一旦有效，」Pony補了一句，「它就會擴散。」
「問題不在濫用本身，而在於虹太好用了，擴展成本太低。」
「以前要做這些事情，需要系統、需要人、需要管理能力。」
「現在只需要一個訂閱。」
「而且效果還不錯。」
林燃從抽屜里掏出一份文件：「哪些場景可以用，哪些必須限制，哪些需要強制提示，哪些要默認關閉，這些不能交給用戶自己決定。」
「這是我的想法，你可以拿去討論，討論出結果之後，我們就要做第一輪的調整。」
Pony接過來之後，感慨道：「林生，你還真是滴水不漏。」
林燃苦笑著說道：「現在的社會壓力已經夠大了，我們不能把這系統玩的繼續給這社會加壓，效率這個東西，是會上癮的。」
「一旦有人嘗到好處，就會想要更多控制、更少不確定性，最後就變成一件事，把人當變量去優化。」
「但人不是變量。」
「我們做這個東西，是為了讓人更好地使用時間，而不是讓時間反過來壓人。」
「燕京那邊已經給了我們很大的空間。」
「包括很多本來可以卡得更嚴的地方。」
「給我們空間，不代表我們可以隨便用。」
「有些事情，不是技術上能不能做的問題。」
「是要不要做。」
「用戶肯定會不斷試邊界，這是必然的。有人會用它來提高效率，也一定會有人用它去控制別人。」
「如果我們什麼都不設限制，那最後一定會有人把這套東西變成管理工具、監控工具，甚至是壓榨工具。」
「那不是我們要做的東西。」
「我們拿到了權力，就得知道邊界在哪。」
林燃說完後，Pony補充道：「我們不要做，也不能做。」
「林生，也就是你，如果換別人，輿論早就爆了。
林燃驚訝道：「我還以為輿論已經爆了，原來沒爆嗎？」
>