2026年，退订潮来了
上个月在上海陆家嘴喝咖啡，碰到一个做HR SaaS的老熟人。胡子拉碴，烟一根接一根抽。
去年他喊着All in LLM，砍了原本做异地算薪产品线的一半预算，砸了近两千万进去，招了八个算法工程师，给产品嵌了LLM驱动的简历自动分析、面试自动评分功能。当时行业峰会还请他去分享，说他踩中了AI+SaaS的风口。
今年开年一盘点，退订率比去年涨了18个百分点。
老客户骂娘说，我就租个系统帮我算工资交社保，你平白无故涨三百块年费，就为了加一个我半年用不上一次的AI功能？不用，退订。
新客户更精，说隔壁同类型产品没加AI，比你便宜两百，我买那个不行吗？
说实话，这不是个例。2026年开年这三个月，我跑了四五个行业峰会，十个讲LLM落地的嘉宾，八个张口都是风口，闭口都是未来，没人敢说自己赚了钱。
现在圈内说，训练一个13B参数的中文本土化LLM，光训练阶段的电力消耗，就相当于浙江嘉兴一个10万人口小镇全年的居民用电量。这还只是训练，推理的成本呢？给百万级客户做调用，每个月的算力账单能把创始人吓出心脏病。
看起来人人都在做LLM，其实大部分都是赶风口，凑估值，烧投资人的钱。真的要从用户口袋里掏银子，难。
很多人说，用户不爱用是因为产品做的不好，算法还要迭代。我看不对。问题从根上就错了。你给一个100人以下的小微企业做HR系统，人家要什么千亿参数的大模型？能把简历关键词搜对就够用了。你非得堆参数涨价格，用户用脚投票，很正常。
算力账单里的路线战争
现在国内LLM圈分两派，打的不可开交。一派是闭源派，以百度文心、阿里通义为代表，卖API，卖企业定制服务，靠算力赚钱。另一派是开源派，以字节豆包、智谱清言为代表，放出版权宽松的小尺寸模型，免费给大家用，靠生态赚钱。
去年字节把14B参数的豆包模型开源之后，整个行业都震动了。我问过一个做电商SaaS的朋友，他原来用的是某头部闭源模型的API，同样处理100万token的商品文本，现在换成字节开源模型本地部署，成本差多少？
他给我算了一笔账，闭源API要12块钱，自己搭开源模型只要不到3块钱，比闭源便宜三分之二还多，但是通用场景推理准确率仅低4%。对于电商商品标注、客服自动回复这类场景，4%的差距完全不影响使用，成本差十倍都不止，你选哪个？
说白了，这就是一场针对算力成本的降维打击。
我觉得这个事情特别有意思，用生物进化的逻辑看，现在LLM领域就像寒武纪生命大爆发。一开始站在聚光灯下的，都是那些千亿参数的巨型大模型，就像当时海里的奇虾，体型庞大，咬合力第一，所有人都觉得它会统治海洋。结果呢？那些躲在角落里，只有几B到几十B参数的开源小模型，就像当时不起眼的原始脊椎动物，体量小，成本低，能适配各种各样的复杂场景，悄悄就把生态位占了。
不过话说回来，闭源派也不是没饭吃。真的要做深度科研、或者金融级别的复杂推理，还是要大模型。但是90%的民用商业化场景，真的不需要千亿参数。你开个奶茶店做自动点单机器人，要千亿参数干嘛？撑的？
现在很多本土企业都看明白了，花几个亿训练千亿大模型，不如花几百万微调一个开源小模型，适配自己的场景，赚钱快多了。字节这一步走的，真的是抄了闭源派的底。
普通人的淘金新赛道
说了这么多，LLM的热战，和普通从业者有什么关系？
我最近接触了好几个自由职业的新媒体文案，原来写一篇公众号软文报价八百，现在反而报价一千五了。为什么？客户要求你用LLM出初稿，然后你要做品牌调性调整，做事实校验，改prompt，工作量其实没减少，反而多了一道工序，自然可以涨价。
很多人说LLM抢了文案的饭碗，我看不对。抢的是那种只会套模板写通稿的低端文案的饭碗，真正懂用户懂品牌的，反而提价了。因为LLM把最基础的苦力活干了，你只要做最值钱的创意和判断部分，单位时间的收入反而更高。
还有，现在大公司都在裁预训练算法工程师，但是我认识的几个做场景微调的团队，月薪开三万五，招了半年都招不到合适的人。为什么？大部分算法毕业生都往大模型预训练挤，都想做AGI，没人愿意下沉到具体场景做脏活累活。
说白了，现在LLM的淘金热，卖水的才是真赚钱。你非要去挖大金块，挖不到就饿死，你给挖金子的人做铲子、做牛仔裤，反而稳赚不赔。
我见过太多刚入行的年轻人，张口就是AGI，闭口就是千亿参数，看不起做场景落地的小项目，觉得不够酷，不够顶级。其实呢？顶级的项目都在大公司的研究院，轮得到你一个刚毕业的小朋友吃肉吗？
这个方向我认为走偏了。LLM未来十年最大的机会，从来都不是做一个更大的模型，而是把现有的模型，适配到千千万万个没人注意到的小场景里去。给理发店做会员推荐，给装修公司做施工图解读，给家政公司做需求匹配，哪个不需要？哪个不赚钱？
明年这个时候，你再看，90%喊着All in千亿LLM的中小创业公司，都会烧完钱关门。你信吗？
