大讲堂
卖99元包月的AI图API，居然靠VAE打价格战
2026年开春，国内AI云服务市场炸了一个小冷门。
字节跳动旗下的AI生成服务官方放出了新的普惠价：1024*1024分辨率商品图生成，单次调用只要0.002元。包月99元就能调用五万次。
这个价格什么概念？相当于头部竞品的六分之一。一杯星巴克的钱，能生成上千张合格的商品图，够一个中小型电商店用一整年。
我当时看到这个报价，直接把手里的冰美式洒了半个键盘。
圈内人一开始都猜，字节是不是砸钱补贴抢市场，用超大模型堆出的成本优势。直到半个月后，有字节内部的算法工程师在匿名社区爆料，这个普惠API的核心生成模块，不是大家挤破头卷的纯diffusion架构，是经过深度压缩优化的VAE分支架构。
没人敢信。毕竟这两年生成式AI的聚光灯全给了diffusion、Transformer，VAE早被打成“过时老技术”，提到它都是在教科书复习题里，谁会拿它出来打价格战？
说实话，我最早接触VAE还是十年前，那时候生成式AI还没火，VAE就是实验室里用来做降维的工具，生成的图糊得像打了十层马赛克，谁都瞧不上。
谁能想到十年后，它杀回来了，还一刀捅在了行业最痛的地方：落地成本。
闷声发大财的本土玩家，都在偷偷改VAE
不过话说回来，哪有什么横空出世的惊喜，都是闷声憋出来的大招。
我去年底在杭州见了一个做电商AIGC的创始人，他公司刚拿了A轮，对外宣传全是“原生diffusion大模型”“万亿参数”那套词。喝到第二瓶黄酒的时候，他说漏了嘴，公司80%的to B订单，跑的都是优化后的VAE架构。
为什么？算一笔账你就懂了。同精度的商品生成，VAE的推理显存占用是纯diffusion的四分之一，推理速度快三倍。原来一张A100显卡同时只能跑8个并发任务，换VAE能跑22个。单卡的月服务成本摊下来，从一万两千块降到三千八百块。
这个差价是什么？就是净利润啊。
很多人说VAE生成质量差，那是拿艺术家级别的生成要求比。你去看淘宝的商品图，抖音直播的背景板，美团外卖的菜品图，需要你画得跟大师一样吗？只要清晰，主体对，颜色正，就能用。
这个逻辑其实像极了陆军步兵和战略核导弹的关系。所有人都盯着核弹，觉得有核弹才有话语权，但是日常边境巡逻、清剿零散任务，总不能扔核弹吧？成本炸上天，也完全没必要。diffusion大模型就是现在AI圈的核弹，用来发布会吹牛，拿融资涨估值，真要批量接几十上百万张的生成单，还得靠VAE这个步兵冲在前头。
国内这帮创业者精得很，嘴上跟着资本喊口号，身体早已经用脚投票了。你去看商汤对外放的AI数字人生成接口，底层的人脸建模模块，就是基于VAE改的，比纯transformer建模快了快十倍，成本降了六成，才敢把数字人直播的门槛降到几百块一个月。
这个方向我认为之前整个行业都走偏了。所有人拼了命卷参数卷效果，把技术迭代当成了秀肌肉，完全忘了落地要赚钱这个最基本的事。VAE能活过来，根本不是技术突破了多少，是商业模式终于回归了常识：谁能把成本打下来，谁就能拿最多的订单。
被忽略的VAE红利，只属于不信邪的人
现在随便拉一个AI创业者聊天，开口就是千亿参数，闭口就是AGI，仿佛不搞大模型就不配叫AI创业。
但是你算算账，训练一个千亿参数模型，光电费就要好几千万，还不算买卡的钱。巨头玩得起，中小创业者玩得起吗？你刚融了几百万天使轮，买十张A100就没了，拿什么接订单养公司？
VAE的好处就在这。它技术成熟，开源代码一堆，优化空间还极大，最重要的是，对算力要求低到离谱，几块消费级3090就能跑起来，中小团队也能玩。
我上个月跟深圳一个三人小团队吃饭，他们做美团外卖商家的AI图升级服务，帮商家把模糊的菜品图修成清晰美观的商品图，一张收十块钱，一天能接一两百单。底层就是基于VAE改的迁移模型，服务器就是三块普通的3090，放在民房里就跑起来了。去年一年纯利润快两百万，三个人分，比很多融了几千万的AI公司赚得多。
对吧？这就是没人说破的红利。整个行业都把资源往大模型堆，留给VAE的细分场景全是空白，只要你愿意沉下去找，就能捡到钱。
很多做算法的毕业生，一毕业就往大公司的大模型部门挤，挤破头抢一个hc，其实不如出来看看，很多to B的细分场景，缺的不是大模型专家，是能把VAE玩明白，把成本压下来的人。
再过12个月，一半以上赚钱的to B AIGC项目，核心推理模块都会是VAE的衍生架构。
作者|大讲堂
排版|大讲堂
审核|小北