第570章 爆了（8k）
“不是？他们怎么赚钱啊？”
真正先炸开的，不是普通用户圈，而是行业内。
就像LKS和徐贤在打车时遇到的聂师傅一样，普通用户看到五千块一年的订阅价格，第一反应大多是贵。
华国的消费水平提高不过是最近这十来年的事，几十块一个月的视频软件会员，尚且推广艰难，腾讯系的付费软件被字节系的免费软件打得溃不成军。
实打实五千一年，对于普通消费者而言，更是天文数字。
山姆的卓越会员一年才890。
哪怕虹星的概念已经足够火爆，真到掏钱的时候，哪怕是林燃的忠实粉丝，也会下意识地按下取消支付的按钮。
另外包括营销上，腾讯做的也远远不足。
除了开了场发布会外，几乎是无声无息。
微信没有宣传，微博首页没有投放广告，b站也没有投流。
别说和年初浩浩荡荡的元宝比，就连Kimi日常营销的烈度都达不到。
但对真正懂行的人来说，看到这个价格后的第一反应是太便宜了。
便宜得不正常。
因为只要稍微懂一点大模型推理成本、Agent任务链路、长期上下文维护、语音交互、图像输入和多模态实时分析的人，脑子里都会下意识先做一道最基础的算术题。
五千块一年，平均下来，一个月四百多，一天十几块。
十几块钱，能买到什么级别的模型调用？
如果只是一个低配聊天助手，那当然够了。
可问题是，虹做的根本不是低配聊天助手。它不是那种问一句答一句的普通对话框，更不是调用一个通用API、套一层人设提示词就能跑起来的壳子产品。
它要持续维护用户画像，要记忆上下文，要根据用户习惯动态调整交互策略，还要执行任务、拆解目标、接管节奏，甚至要吃摄像头、电脑行为权限、手表生理数据这些高频、多模态输入。
这背后的Token消耗，根本不是线性的。
业内人一眼就能看出来，所谓和AI聊聊天的消耗，在整个系统里反而可能是最便宜的一部分。
真正烧钱的，是那些用户看不见的地方。
你让它帮你安排一天的工作，这不是简单吐出几句话就结束了。
它要先解析目标，再调取你的历史上下文，再判断你的当前状态，再决定用什么语气跟你说话，接着还可能要根据你的反馈动态重规划。
这一整套下来，后台很可能已经跑了不止一轮推理。
如果再涉及任务执行，比如帮你梳理论文结构、拆分科研计划、筛选文献、生成提醒、调度设备权限，那消耗会更夸张。
更不用说摄像头监控这件事。
真正懂技术的人，看到实时观测用户深度工作状态这句话，第一反应几乎都是头皮一麻。
因为这意味着什么，大家都很清楚。
这意味着它要维持相当高频率的视觉输入，去判断用户视线是否偏移、表情是否疲惫、是否走神、是不是在真正阅读、有没有在假装工作。
哪怕不是全帧率持续分析，只要是一个能用的实时系统，这背后的视觉编码、特征提取和状态判断都会是惊人的成本黑洞。
再叠加电脑端监控。
浏览器切换、文档停留、键盘节奏、应用频率、输入停顿，这些东西单拿出来看好像不贵，但一旦你想把它们组织成一个真正能工作的认知操作系统，问题就完全变了。
因为它不只是采集数据，它还要实时理解这些数据。
理解意味着推理，推理意味着Token。
更别提语音交互。普通人会觉得一句“你好，刘鹏，我是绯”，只是一个语音包而已。
可行业里的人知道，如果这个声音背后真的是动态生成、实时响应、带情感起伏和人格一致性的表达，那么这套链路从文本生成到语音合成，再到上下文对齐，本身就是另一层成本。
所以行业里最早的讨论，是这东西到底怎么活。
有人在私下里算过一笔很粗的账。
如果一个重度用户每天和虹交互两三个小时，期间有文字、有语音、有任务执行、有多模态输入，还有一定长度的长期记忆维护，那么单用户的日均推理成本很可能就已经逼近，甚至超过这个用户每天所支付的订阅收入。
如果是轻度用户还好，重度用户越多，亏得越狠。
这还是建立在一切都高度优化、底层算力成本足够低、调度系统足够成熟的前提下。
一旦真像宣传里那样，让虹去承担同行者的角色，那它在后台消耗的是接近企业级Agent系统的资源消耗。
五千块一年？
这几乎相当于拿企业级服务的消耗，按消费级产品的价格卖出去。
最让业内人士不安的，是低价背后释放出来的信号。
第一种可能，是深红在补贴市场，根本没想着短期盈利，就是要用远低于成本的价格把用户习惯砸出来，先把赛道占住。只要能建立足够强的用户粘性和数据壁垒，前期烧钱根本不是问题。
这也能解释为什么腾讯不宣传，越宣传亏越多。
第二种可能，更可怕。
那就是深红的底层推理成本，已经低到了一个行业外部难以想象的地步。
如果是前者，那只是凶狠。
如果是后者，那就是恐怖。
因为这意味着别家还在按调用一次模型多少钱来做生意的时候，深红已经在按一个数字人格全年陪伴用户多少钱来重新定义价格体系了。
价格战最可怕的地方，是别人便宜得理直气壮。
这在现实世界中没有发生过，为什么说华国是工业克苏鲁，因为它是一整套成本比你便宜。
以纺织业为例，这是一个极度依赖劳动力的传统行业，也是全球产业转移的风向标。
过去几十年里，它一路从欧美转移到日韩，再转移到华国，接着又向东南亚迁移。
原因很简单，哪里人工便宜，产业就往哪里走。
在很多人的认知里，这个逻辑应该是线性的。
比如华国纺织工人的月薪，大致在五千人民币左右，而像孟加拉、安南、印尼这些国家，类似岗位的工资大概在一千到两千人民币之间，有的甚至更低。
单从工资来看，后者只有前者的三分之一，甚至更少。
按照传统逻辑，这种差距几乎是决定性的。
所以一度有很多判断认为，纺织业迟早会大规模从华国转移出去，这是不可逆的趋势。
但现实发生的事情，却让很多人看不懂。
产业确实在转移，但转移的同时，华国的纺织产能并没有被完全替代，反而在某些环节上，继续对外形成压制。
甚至出现了一些反直觉的案例。
孟加拉的纺织业被华国给逆向挤兑了。
Keya Group是孟加拉比较大的纺织集团之一，2025年宣布关闭4家纺织工厂，造成了8000人失业。
这个数字还在不断上升，孟加拉的服装厂大规模关闭工厂，整个2025年到2026年之间关闭250到260家工厂，22万工人失业，形成了系统性的逆向挤兑，孟加拉的纺织协会直接宣布全国纺织厂可能会集体停产。
华国的优势，已经从劳动力便宜，进化成了整条链路被压到极致。
原材料供应、设备制造、产业配套、物流体系、港口效率、订单响应速度、融资成本、产业集群带来的协同效应……
这些因素叠加在一起，形成了一种结构性的优势。
单看人工，华国更贵。
但看整体，华国更便宜。
更重要的是，这种便宜是长期积累出来的系统能力。
所以当华国企业给出一个价格时，它不是在打价格战。
它是在报一个真实成本。
这才是最可怕的地方。
因为对手没有办法通过“忍一忍”、“亏一段时间”来跟上。
你可以补贴一年、两年，但不可能一直补贴下去。
而对方，不需要补贴。
回到虹。
行业里最让人不安的，是它可能真的就值这个成本。
如果只是补贴，那大家还能等，等它涨价，等它收缩，等它回归正常商业逻辑。
可如果它的底层推理成本、调度效率、系统设计，已经低到可以支撑这个价格。
那问题就完全不一样了。
那就意味着，它不是在用价格抢市场。
它是在用价格，定义市场。
更糟糕的地方在于，虹是全新的架构，大家刚搞懂逻辑链怎么玩，新玩法，别说国内的厂商，硅谷头部的谷歌和OpenAI都还在摸索。
这给华国的同行们当头一击。
相比华国的热闹，硅谷的反应要晚半拍，但一旦反应过来，情绪却更直接。
最先炸开的，是几个大模型公司内部的Slack频道。
一开始只是有人丢了一张截图，虹的订阅页面，五千人民币一年。
下面还附了一句简单的换算：按1比6算，也就八百多美元。
消息刚发出来的时候，频道里还有人调侃。
“八百？一年？还没有GPT最高配一年的价格高。”
“也许是功能阉割版？”
“或者限调用次数？”
但很快，气氛变了。
因为有人把Youtube上住在华国的阿美莉卡用户，完整的体验流程发了出来。
持续上下文、任务拆解、多模态输入、语音交互、甚至还包括设备级权限接管。
这些东西，任何一个单独拿出来，在硅谷都是可以单独做产品、单独收费的模块。
而在虹这里，是打包的。
而且是无限制订阅。
Slack频道里安静了几秒。
然后第一句比较认真的发言出现了：
“这个价格不对。”
紧接着，有人回：
“不是不对，是不可能。”
很快，就有人开始算账。
“我们现在的推理成本，如果用同等级别的模型，按这个交互频率跑，一个用户一年至少要烧掉多少？”
“别说一年了。”有人直接打断，“重度用户一个月都不止这个数。”
“还没算视觉输入、语音、Agent循环。”
“更别说长期记忆和个性化建模。”
有人贴了一行简单的结论：
“他们在卖的东西，价格低于成本。”
这句话发出来之后，频道里反而更安静了。
因为所有人都明白，这种情况只有两种解释。
要么是补贴。
要么是成本结构完全不同。
不管是哪一种，都不是什么好消息。
用户开始绕过他们。
一开始是Reddit上有人发帖，说可以通过中间商帮忙注册虹的账号，只需要提供一个华国手机号或者代付服务，额外加几十美元手续费。
下面的评论区一开始还在讨论可行性。
“有人试过吗？”
“安全吗？”
“会不会封号？”
但很快，帖子变成了晒单贴。
“已经用了三天。”
“比我现在用的任何一个助手都更像人。”
“它会记住我说过的事情。”
“它会主动安排我该干什么。”
再往下，是更直接的评价。
“我不知道他们怎么做到的，但这东西不该只卖800美元一年。”
这句话被大量点赞。
硅谷这边的人看到这些内容的时候，非常警觉。
因为他们太清楚一件事。
用户是最现实的。
当用户愿意翻墙、找中间商、承担额外风险，只为了用一个产品的时候，这已经不是有点吸引力的问题了。
OpenAI内部很快开了紧急会议。
产品经理在白板上写下三个词：价格、能力、体验。
然后划掉了价格。
“我们现在不讨论价格。”他说，“因为这个价格我们跟不了。”
会议室里没有人反对。
因为所有人都知道，如果他们把自己的产品也降到800美元一年，按照当前的成本结构，基本等于直接宣布财务失血。
那剩下的就只有两个方向。
要么提高能力。
要么重构成本。
但问题在于，虹做的事情，不只是“能力更强”这么简单，它改变的是产品形态。
有人在会议上直接说了一句：
“他们不是在做assistant，他们在做operator。”
这句话一出来，很多人都沉默了。
因为assistant是响应式的，你问，它答。
operator是主动的，它会判断、会安排、会介入你的行为。
这两者的差距，不只是模型参数量，还包括了整个产品哲学。
如果要追赶，他们需要重写一整套交互逻辑。
这意味着什么？
意味着之前所有围绕“调用次数”“token计费”“套餐分层”的商业模型，都要重算。
有人苦笑了一下，说了一句很直白的话：
“如果用户开始习惯按一年一个数字人格来付费。”
“那我们现在这些定价，全都没意义了。”
没有人反驳。
因为这句话太准确了。
他们原本卖的是能力，而华国的同行直接开始卖人了。
会议最后，没有给出明确结论。
只是定下了几个方向：评估是否需要进入订阅制深度陪伴产品，重新测算长期记忆成本，探索本地推理和边缘计算的可能性。
但所有人心里都有一个没说出口的判断，这不是一个可以在一两个季度内追上的差距。
阿美莉卡的资本市场率先做出反应。
这一轮波动里，最直观的信号来自纳斯达克核心权重股。
所谓七姐妹，原本是市场情绪的锚点，是估值逻辑的中心，是一切AI增长叙事的承载体。
但当虹这种产品出现之后，这套叙事开始出现裂缝。
它改变了市场对AI价值如何兑现的预期。
过去大家默认，AI的价值主要体现在云端算力、模型能力、企业服务，这些正是美股科技巨头的基本盘。
但当个人级AI助手开始直接进入消费端，并以极具攻击性的价格切入时，资本开始重新评估整个链条。
用户的注意力在迁移，市场的想象空间也在重排。
七姐妹的股价在短时间内出现连续回调，带着成交量放大的持续下探。
机构开始下调预期，分析师开始重写模型，有人甚至直接抛出一个核心问题：如果AI的最终形态是个人助手，那么云端定价逻辑还能维持多久？
这个问题没有答案，但市场已经先给出了反应。
大盘没有崩，在短暂波动之后，很快被托住了。
真正的支撑，不在应用层，也不在平台层，而在更底层：存储。
这是一个容易被忽视的变量，但对理解技术路径的人来说，这是整个体系里最硬的那一层。
因为不管AI最终以什么形式存在，有一件事是确定的：数据会越来越多，上下文会越来越长，记忆会越来越重。
早期的大模型还停留在问一句答一句，本质是瞬时计算。
但现在的方向已经明显转向持续存在。
像虹这样的产品，本质是一个长期运行的系统。
它要记住用户的历史，要维持人格一致性，要不断更新画像，还要跨设备同步状态。
这意味着需求结构发生了变化。
过去是一次请求对应一次计算，现在是一个用户对应一整段持续存在的状态空间。
而这个状态空间，才是真正吃资源的地方。
它不仅消耗显存，还消耗长期存储、高速缓存，以及多节点同步的带宽和计算。
当市场意识到这一点之后，资金流向也随之变化。
一部分资金开始从应用层撤出，转而流向更底层的硬件厂商，尤其是存储。
美光、三星这些厂商开始被重新定价。
如果未来每个人都有一个长期运行的AI助手，那么对内存的需求变成了结构性增长，刚的不能再刚到刚需了。
你可以不用某个应用，但你一旦用了AI助手，就不可能接受它忘记你是谁。
而不忘记本身是成本，也是需求。
于是出现了一个很典型的结构变化，上层叙事在动摇，底层确定性在增强。
纳斯达克的权重结构，也在这种变化中被重新平衡。
华尔街日报在报道这三天的变化时又把过去他们说过的话重复了一遍：“AI把故事讲在云上，钱最终落在内存里。”
当一切不确定都在摇摆的时候，市场会敏锐地抓住那些最确定的东西。
而在这一轮里，最确定的就是不管AI长什么样，它都需要记住。
而记住意味着内存。
……
华国第一批真正付费的用户，开始发视频了。
最早的一批内容，并不夸张，甚至有点克制。
有人只是简单地记录了一天的使用过程，从早上起床到晚上睡觉，虹如何和他们交流，如何安排时间，如何打断分心，如何提醒进度。
但评论区开始变味。
“这不像助手，这像有人在盯着你。”
“我本来以为是噱头，但它真的会逼你干活。”
“最离谱的是，它说的都对。”
这种评价，一开始还只是零星出现。
但很快，第二波内容跟上了，b站和抖音上开始出现更长的视频，更完整的记录。
有人连续用了三天，有人直接做了一周实验。视频标题开始变得更直接《我花五千块请了个AI管我一周》，《这玩意让我一天干了我以前三天的活》，《我开始有点离不开它了》。
播放量开始往上窜。
评论区也从值不值变成了另一种讨论。
“这东西对自律差的人是不是神器？”
“有没有学生党版本？”
“能不能几个人拼一个？”
最关键的变化，是一句话开始反复出现：
“它真的能改变你的状态。”
第三波，是爆发。
平台开始主动推。
算法嗅到了信号。
短视频平台上，关于“虹”的内容密度在短时间内急剧上升。
不同人群开始给出不同切面——程序员、考研党、创业者、自由职业者，每个人都在讲自己的使用体验。
有人讲效率，有人讲情绪，有人讲陪伴。
但不管角度如何，核心指向都在收敛，这东西，不只是个工具，它真的是人，它可以是女友、可以是朋友、可以是老师，甚至可以是你的赛博母亲。
总之和所有用户千篇一律的豆包比起来，这玩意太人性化，又太有效了。
而且管得很有效。
支付曲线，就是在这个时候开始抬头的。
在腾讯后台的订阅数据最初几天还算平稳，像一条缓慢爬升的线。
甚至内部有人觉得，这个价格可能会卡住一大批用户。
但当测评内容形成密度之后，那条线突然出现了一个明显的拐点。
接着，开始变陡，开始加速。
一开始是每天多一点，后来是每天翻倍，再后来，是后台开始出现短时间内的集中支付峰值。
而一旦第一批人开始转变，第二批人就会更快。
因为他们已经不需要自己判断。
他们只需要看别人。
华国互联网最擅长的一件事，就是放大已经被验证的选择。
于是，越来越多的人开始下单。
有人带着试试看的心态，有人抱着破釜沉舟的想法，也有人只是被周围的人带动。
但不管动机如何，结果是一样的。
那条原本缓慢上升的曲线，在短短几天之内，变成了一条明显向上的陡坡。
腾讯股价跟着飙升。
就像纳斯达克的定价逻辑在变，腾讯的定价逻辑也在跟着变。
所有人都意识到，腾讯运气好到，第三张船票也被他们捏在手里了。
“林总，恭喜，我们的虹后台付费用户数已经超过一百万了，一周时间轰下五十亿营收，这回腾讯终于在ai端打了个大胜仗。”Pony神态很高兴，整个人比之前放松了不止一倍。
深红和阿波罗科技他是高管，但腾讯才是他的根。
现在根又能茁壮成长，Pony不是一般的高兴。
“其实不赚钱。”林燃调侃道。
不但不赚钱，甚至要亏钱。
从经营角度，这些用户一旦和虹的生态深度绑定，一年亏两千都是洒洒水。
当然后期随着国产存储芯片和国产半导体的陆续投产，整个成本能压下来。
Pony笑着说道：“不赚钱我也开心，腾讯家大业大，亏得起，大家都在亏，光是股价上我们都能翻倍赚回来。”
老美搞的金融游戏太多了，多到让企业靠经营赚钱没有搞“歪门邪道”来得快。
笑完是担忧，Pony收起脸上的笑容：“正如我们在发布会前预料的那样，用户对虹的使用开始越界了。”
林燃坐在对面，神色很平静，“你说的是哪一类？”
“不是哪一类，是趋势。”Pony把平板往前一推，上面是整理好的几条用户案例，“餐厅排班、企业监控、摄像头接管、绩效判断，这些都不是我们最开始设计的原始场景，但用户已经自己在扩展了。”
Pony手指在平板上滑了一下，几段视频和截图依次弹出来。
“你看这个。”他点开第一条。
画面是一个后厨，油烟机轰鸣，几个人在灶台前忙得满头是汗。
镜头里，戴着围裙的店长举着手机，一边看屏幕一边喊人。
“老张你先别备料，先去顶一下窗口，客流刚上来了。”
他停顿了一下，又低头看了一眼手机，“我看了下阿澜给我排的班，现在这一小时高峰，你在这边效率最高。”
视频下方的弹幕还在滚。
“这是AI排班？”
“比我老板还狠。”
Pony没有评价，往下滑了一下。
第二个画面，是一个小型工作室。几排工位，十来个人坐在电脑前，环境不算嘈杂，但明显有人在走神，有人在刷页面。
屏幕上叠了一层简单的界面。
“当前专注度：0.57”
下面分成几个区域，每个人的状态都被标了颜色，有绿色，有黄色，还有两个红色。
视频里的老板站在后面，语气很平常：“红色的那两个，已经连续低效二十分钟了，洛因刚刚给我发了提醒。”
镜头扫过去，有人明显愣了一下，把手机收进抽屉里。
评论区里一半在骂，一半在问：
“这个能买到吗？”
“这不就是老板梦中情系统？”
“我怎么感觉我要失业了，不能玩手机那还上个屁的班啊。”
Pony又点开第三个。
这次是一个更简单的场景。
一个人在自己的书桌前，对着电脑写东西。摄像头开着，屏幕角落有个小小的提示框。
“检测到视线偏移，是否返回当前任务？”
那人刚伸手去拿手机，停了一下，又把手收了回来。
他苦笑了一声，对着镜头说：“我感觉它比我妈还管得严。”
视频不长，但评论区点赞已经过万。
“这个我需要。”
“我就是缺这种东西。”
“我怕我用了会崩溃，但还是想试。”
Pony叹气道：“这些，都不是设计出来的用法，是用户自己试出来的。”
他抬起头，看着林燃，“我们给了用户一个能看、能判断、能干预的系统，他们自然会把它用在最需要控制的地方。”
林燃没有说话，这些画面，他从李小满那也了解到了。
Pony点了一下屏幕，把所有视频收起：“问题不在这些用法本身，问题在于它们都有效。”
房间里安静了一下。
“而一旦有效，”Pony补了一句，“它就会扩散。”
“问题不在滥用本身，而在于虹太好用了，扩展成本太低。”
“以前要做这些事情，需要系统、需要人、需要管理能力。”
“现在只需要一个订阅。”
“而且效果还不错。”
林燃从抽屉里掏出一份文件：“哪些场景可以用，哪些必须限制，哪些需要强制提示，哪些要默认关闭，这些不能交给用户自己决定。”
“这是我的想法，你可以拿去讨论，讨论出结果之后，我们就要做第一轮的调整。”
Pony接过来之后，感慨道：“林生，你还真是滴水不漏。”
林燃苦笑着说道：“现在的社会压力已经够大了，我们不能把这系统玩的继续给这社会加压，效率这个东西，是会上瘾的。”
“一旦有人尝到好处，就会想要更多控制、更少不确定性，最后就变成一件事，把人当变量去优化。”
“但人不是变量。”
“我们做这个东西，是为了让人更好地使用时间，而不是让时间反过来压人。”
“燕京那边已经给了我们很大的空间。”
“包括很多本来可以卡得更严的地方。”
“给我们空间，不代表我们可以随便用。”
“有些事情，不是技术上能不能做的问题。”
“是要不要做。”
“用户肯定会不断试边界，这是必然的。有人会用它来提高效率，也一定会有人用它去控制别人。”
“如果我们什么都不设限制，那最后一定会有人把这套东西变成管理工具、监控工具，甚至是压榨工具。”
“那不是我们要做的东西。”
“我们拿到了权力，就得知道边界在哪。”
林燃说完后，Pony补充道：“我们不要做，也不能做。”
“林生，也就是你，如果换别人，舆论早就爆了。”
林燃惊讶道：“我还以为舆论已经爆了，原来没爆吗？”