AI 的账单先到了，应用还没跑通

这个问题不只是某一个工具不行。它更像最近 AI 行业的一个缩影：应用层还在证明自己能不能稳定交付，成本、监管和硬件价格已经先开始落地。

设计图能上，交付不一定能省

我之前的想法是，先把页面截图丢给 ChatGPT 网页版的 Image2，让它优化视觉设计，再把 UI 图交给 Codex 做界面开发。对简单页面，这个流程确实有用，至少能快速把一个粗糙界面推到“看起来像个产品”的程度。

复杂页面不一样。

复杂页面里，真正费时间的不是“把颜色调好看”，而是信息层级、组件状态、边界场景、响应式布局和交互细节。AI 生成的设计图有时第一眼还可以，交给 Codex 以后才发现问题：它没有把页面结构拆清楚，局部控件长得像，但整体开发约束没跟上。最后就变成反复描述、反复截图、反复修补。

这时候 token 成本就变得很具体。它不是账单上的一个数字，而是一次次“看起来快了，实际又绕回人工校对”的时间损耗。

我自己的体验是，前端设计这件事，GPT-5.5 这一类模型已经能上桌，但短板仍然明显。反而是一些国产多模态模型，比如 M3、Kimi，在“直接看截图、生成像样 Web 页面”这类任务里，出来的结果更有模有样。这里不是要给模型排座次，只是说 UI 这种任务很吃视觉理解和页面结构还原，单看文字推理能力不够。

模型越来越强，放出来反而更慢

最近 AI 圈另一个变化，是美国对前沿模型发布的安全评估开始变得更实。

白宫 2026 年 6 月发布的行政令，把高级 AI 能力和网络安全、国家安全评估放到一起处理。这里不能简单写成“美国所有大模型以后都要审批才能发”。这份行政令更准确的口径，是建立政府和企业之间的前沿模型评估、早期接触和可信伙伴机制，同时强调不做强制许可。

但落到实际发布节奏上，影响已经出现。AP 报道里，OpenAI 和 Anthropic 的新模型都出现了限制访问、先给政府批准客户或可信伙伴使用的安排，理由是网络安全审查。

这对普通用户的影响，短期看是“最新模型你可能没法马上用”。对开发者和应用公司来说，影响更麻烦：你以为模型能力会线性升级，结果真正可接入、可规模化、可稳定使用的时间点变得不确定。AI 应用层本来就在算成本，现在连底层模型的发布节奏也多了一层变量。

硬件厂商先把钱收了

AI 做了三年多，最先跑出确定利润的还是硬件和供应链。

这次苹果涨价很有代表性。Axios 报道，苹果在 2026 年 6 月宣布提高 MacBook 和 iPad 价格，涨幅在 15% 到 25% 之间，理由是 AI 数据中心扩张推高了内存和存储成本。iPhone 没有进入这一轮调价，但苹果也没有给出一个“手机一定不涨”的承诺。

以前市场还在预估苹果会不会尽量扛住成本，不把压力传给消费者。没想到最先把涨价幅度公开摆出来的，反而是苹果。

这个信号比单个产品贵不贵更重要。AI 的成本不只在云厂商、电费和 GPU 采购里，它会顺着内存、存储、芯片、整机和终端价格一路传导。消费者可能没有直接买 AI 服务，但会在换电脑、换平板、换手机时替这轮算力竞赛埋单。

应用层还没有正循环

硬件涨价可以直接收钱，应用层就没这么舒服。

现在 AI 应用的问题不是没有 demo。demo 太多了，发布会、短视频、案例页都能做得很好看。问题是这些 demo 到真实工作流里，经常还要经过一层很厚的返工。

就拿前端开发来说，如果 AI 能稳定把截图还原成可维护页面，能理解复杂布局，能一次性处理组件状态和响应式，开发者当然愿意付费。但如果它只是把第一版做得像，后面还要人不断检查、重写和补洞，那它节省的时间就会被不确定性吃掉。

这也是我现在对 AI 应用层比较谨慎的地方。很多产品还没走到真正的正循环：用户持续付费，模型调用成本可控，交付结果稳定，人工返工下降。只要这四件事没有同时成立，应用层就仍然是在补贴、融资、试错和营销之间来回切。

大公司不缺资源，但资源不等于组织效率

Meta 和 Google 最近的状态，也说明大公司做 AI 不一定天然占优。

Google 当然有模型、算力、研究积累和产品入口，但 TechCrunch 最近报道，Google 仍然有核心 AI 研究人员流向 Anthropic 等竞争对手。人才出走本身不等于公司失败，但它说明顶级 AI 人才正在重新选择平台。大公司给得起资源，不代表每个人都愿意留在那套组织节奏里。

Meta 的问题更像组织消耗。TechCrunch 和 Business Insider 都报道过 Meta AI 相关团队内部士气、强制调岗、AI 训练工作安排等问题。Meta 有钱，有用户，有分发，也有足够强的工程基础，但 AI 不是单纯把几千个工程师塞进一个组织就能解决的事。

大公司做 AI，麻烦在内部山头多、路线多、历史包袱多。每个团队都能说自己重要，每条产品线都想接 AI，每个老板都要保自己的资源。最后看起来资源很多，真正能集中到一个方向上的不一定多。

专门做 AI 的公司反而更容易一点。它们也有自己的问题，比如成本、监管、安全和商业化压力，但至少组织目标更单一。模型公司就是要做模型，AI 应用公司就是要证明一个工作流能不能闭环，不需要先在内部解释“为什么这件事值得做”。

安卓后面怎么定价，还要看下半年

苹果先把 Mac 和 iPad 的价格抬上去了，国内安卓后面怎么定价，会是下半年很值得看的问题。

手机厂商现在都在讲端侧 AI、本地模型、智能体、影像大模型和系统级助手。这些功能听起来都不错，但它们不是免费的。更大的内存、更高的存储、更强的 NPU、更复杂的散热和更长的软件维护周期，最后都要进 BOM 成本。

安卓厂商有几种选择：直接涨价，把 Pro、Ultra 系列继续往上推；保持价格，但压缩其他配置；或者把 AI 功能拆成会员、云服务、生态权益，用后续收入摊成本。哪一种能跑通，还要看消费者愿不愿意为手机里的 AI 付费。

这和前面说的应用层是同一个问题。AI 功能要从“发布会亮点”变成“用户愿意多花钱的日常能力”，中间还差一段路。苹果可以先靠品牌和生态把涨价压力传出去，安卓厂商未必都能这么做。

我现在更愿意把 AI 看成一笔正在重新分配的账。硬件厂商先收钱，云厂商继续烧钱，模型公司被监管牵住，应用公司还在找正循环，用户则在各种设备和订阅里慢慢付账。

真正值得看的，不是下一次模型发布会又提高了多少分，而是它能不能在真实工作流里少返工、少浪费、少让人绕路。至少在我这次前端页面测试里，答案还没那么乐观。

参考资料

写作附记

原始提示词

$blog-writer 以前的稿子写到，我们可以截图，ChatGPT 网页版 Image2 优化设计图，然后用 UI 图 交付给 codex 进行界面开发，实际测试下来，复杂的页面效果不太行，白白浪费了 token。前端设计能上，gpt5.5 还是存在短板。用国产多模态的模型，M3 Kimi 效果都更好，截图直接扔过去，出来的 web 页面都是有模有样的。近期 AI 圈子还有个新闻，最新的大模型，美国都要审查以后才能发布，放开给公众使用。AI 搞了三年多，目前最赚钱的还是 硬件厂商，市场之前还预估苹果不会涨价，没想到最选公开涨价幅度的居然是苹果，当然，苹果手机的涨价幅度还没公布，应用层，目前没有哪家走到了正循环。Meta 的 AI 看着是又没动静了、谷歌最近也是频繁的人才出走，大公司搞 AI 内部山头多，无法集中资源，看来不如专门做 AI 的公司。国内的安卓后续怎么定价，是个大问题，下半年慢慢看了。写的东西很杂，你找个合适的标题，梳理下，章节内容怎么安排。调用写作 skill 输出完整的稿子。

写作思路摘要

这篇保留了前端页面生成返工、国产多模态模型体验、美国前沿模型发布审查、苹果涨价、应用层没有正循环、大厂组织效率和安卓后续定价这几条材料。压掉了“模型排行榜”和“AI 新闻汇总”的写法，把它们收成一条主线：应用层还没稳定跑通，但成本和监管已经先到。

监管部分做了口径降级：白宫行政令不是所有模型强制审批，正文只写成前沿模型发布前的政府评估、早期接触和访问限制开始影响节奏。安卓定价目前没有确定事实，所以只作为下半年观察项处理。