设想月底整理账单时,几个AI订阅排在一起。每个工具都有自己的强项,也都曾让人眼前一亮。到了续费那天,问题变得具体:上个月究竟用它完成了什么?

这比“哪个模型最强”难回答。试用时得到一个漂亮答案,很容易记住;准备材料、来回沟通、核对出处和修改结果花了多少时间,却未必留下记录。

2026年10月5日,Olivia Moore在a16z第七版消费AI榜单中加入了美国消费者的观察支出数据。过去看访问量和活跃用户,这次多了一张付款的账。它没有告诉我们谁赚到了钱,却让“谁愿意持续为AI付钱”变得清楚了一些。

我想从这张账出发,讨论专业工作者怎样看自己的订阅。律师、设计师、研究者,都可能把个人购买的工具用在工作中。但把费用归入生产投入,只是提出了一个需要检验的问题:它是否持续带来可使用的成果?

一、付费者有多少,取决于你数的是谁

报告的一项数据是4.5%。截至2026年8月,在YipitData合格的美国电子收据面板中,这些消费者至少持有ChatGPT、Gemini、Claude之一的有效个人付费订阅。原文

这个数字有四道边界:美国、面板样本、个人订阅、三个指定产品。它不能读作全球AI付费率,也没有囊括所有AI工具和企业采购。中国律师愿不愿意购买,仍须另找证据。

另一个数字是13%:已经为AI产品付费的人中,只有这些人还为至少一个其他AI工具付费。这里的分母已经变成了付费者,不能和4.5%接成一条转化漏斗。

两项观察放在一起,至少能提醒重度用户一件事:同时订阅多个工具,并不是这个面板里普遍的付费方式。如果你已经习惯在模型之间切换,自己的工具箱可能离多数付费者的生活很远。

这不说明多工具浪费,也不说明单工具落后。两种配置都要回到任务上判断。一个工具覆盖了稳定工作,就没有必要为了“跟上”而增加订阅;一个任务确实需要不同能力,才有理由把第二项费用留下来。

对专业工作者而言,还要分清付款者和使用场景。个人银行卡上的订阅可以用于工作,企业采购也可能只是备而不用。收据看得到支付,却未必看得到具体任务、交付质量和收益归属。不能仅凭“个人消费”四个字,把这些费用都理解成娱乐开销。

二、903美元是重度支出的观察值,不是入场费

报告里更醒目的数字来自最重度的付费者。支出最高的前1%,贡献了19.5%的观察消费AI支出;到2026年8月,这个群体月均支出903美元。所有AI付费者的月度支出中位数则为25美元。原文数据说明

a16z原图:不同支出分组的消费AI月均支出变化

图源:a16z第七版消费AI榜单,YipitData。横轴为2025年1月至2026年8月,指数以2025年1月为100。图中右侧金额是各分组月均支出;前40%的30美元不是正文所述所有付费者的25美元中位数。原图

前1%、19.5%、903美元和25美元,分别在说人数分组、支出份额、组内平均值、全体付费者的中位数。它们合起来描绘的是支出集中。若直接把903除以25,就会把两个统计性质不同的数,包装成一个并不存在的收入或效率差距。

高额支出可以有多种解释。有人购买高价套餐,有人需要大量生成,有人同时处理不同类型的工作,也可能有人还在试错。仅凭付款记录,无法区分这些情况,更看不到每项投入最后带回了多少业务收入。

Olivia Moore把这些重度用户理解为愿意付费来建设、创作和完成工作的人。这是报告作者的解释。a16z是一家投资机构,这种看法也带有寻找产品和商业机会的视角。我认为它适合用来提出问题,不能用来替个人投资回报作答。

尤其不能把高额订阅当成专业身份的证明。账单越长,管理的工作也可能越多:学习各自的界面,迁移材料,适应不同输出,再处理重复结果。工具带来的选择空间与切换成本,可以同时存在。

因此,重度用户的账单有观察价值,却不适合当预算标准。一个月花多少,应该由任务的频率、质量要求和自己的资源决定。某项订阅只在准备一场讲座时有用,按需购买可能比常年保留更合理;某项工具持续支持每周反复发生的工作,则值得认真记录它的实际作用。

三、把订阅挂在任务下面,账才容易算

作为律师,我更关心材料能否核查、判断能否交给人复核,以及结果能否进入下一步工作。这里的“生产”可以先从很小的成果开始,不必立即对应一笔新增收入。

例如,整理一组公开报告。可用的成果应保留标题、发布日期、统计期间和来源,区分事实、作者解释和待验证推论。如果整理后还要重新打开全部原文,寻找每一句话的依据,省下的阅读时间就可能在复核时花回去。

又如,形成研究草稿。目标可以是把一个问题的资料分组,列出支持与反对的理由,标出缺口。草稿有没有帮助,要看负责的人能否沿着出处检查,能否迅速识别仍需专业判断的地方。篇幅和语言流畅度只是其中很小的一部分。

再如,制作可复用模板。价值在于下一次遇到相似任务时,是否少做重复准备,同时仍允许根据新材料修改。一次生成了一张精美的表,不等于模板已经成立;反复使用后,哪些字段始终有用、哪些问题总被遗漏,才有机会沉淀成规则。

这些例子都是任务设计的建议,并非已经测得的工作收益。它们共同要求一件事:先写下交付物应该长什么样,再让工具参加。只说“帮我研究一下”,得到的结果很难与下次比较;明确要求一页来源清单、一份争议问题表,才容易知道它完成了哪一部分。

模型之间的差异,也应该在同一项任务里观察。某个模型擅长长材料,另一个模型善于做图,第三个模型能够实际整理文件,这些能力有可能互补。但若每个工具都只做了一次惊艳演示,组合起来仍缺少稳定产出,就没有充分理由把它们都留在固定预算里。

工具使用中的探索也有价值。学习一项新能力、理解技术的变化,可以是个人明确选择的支出目的。只要把探索与日常交付分开记录,就不会在月底拿一项尚未成熟的实验,去冒充已经得到验证的效率。

四、续费前,留下一条可以复查的记录

个人没有必要一开始就建立复杂的财务模型。先选一项反复发生的任务,在下次续费前记录几次真实使用,通常比继续收集工具测评更有帮助。

记录可以很短:用了哪份材料,交付目标是什么,最后得到什么,核验和返工花了多少时间,还有哪些错误需要自己接住。涉及工作时,只记录必要信息,并按所在团队的材料使用规则处理;初次试行可以选公开材料。

判断成本时,至少把准备、生成、核验和返工放在一起。生成很快,结果却需要逐句重做,就不能只记下那几分钟。如果成果后来被另一项工作直接复用,也应记录下来,避免只看第一次生成时的耗时。

接着看这个任务原来怎样完成。如果原先没有必要做,AI让你顺手生产了更多内容,那可能是新增能力,却不能全部算作节省。若原先会委托他人完成,则还要考虑自己现在承担的管理和复核工作。比较对象越清楚,费用才越容易解释。

也不必把每分钟都兑换成钱。公开演讲材料的可靠性、一个研究框架的完整性、模板的可维护程度,可能先于收入表现出来。可以分别记录这些价值,避免用一个想象中的时薪,把尚未确认的收益算得很漂亮。

续费时再问:这项任务还会反复发生吗?现在这套工具能否稳定交付?新增订阅究竟补上了什么缺口?如果问题还没有答案,可以缩小使用范围,换一个方案,或者停一段时间。

订阅按月支付,工作却未必平均分布。一次繁忙月份的记录,不宜直接外推全年;闲月暂时没有产出,也未必说明工具不值得保留。把未来一段时间的任务安排放在旁边,区分固定需要与偶尔需要,比拿某一天的使用热情作决定更可靠。

报告里的903美元属于一个特定样本的重度支出。自己的下一笔订阅费,最好属于一项说得清、验得出的工作。


资料说明: 本文依据Olivia Moore于2026年10月5日发布的《Top 100 Consumer AI Apps — Seventh Edition》及官网同文。数据为YipitData美国面板观察,不代表全球公司收入或中国市场;本文任务管理办法为作者建议,尚非生产率或收入实证。

作者简介: 陈石律师(主页 chenshi.ai),浙江海泰律师事务所副主任、高级合伙人、房地产与建设工程部主任,第十届宁波市律师协会常务理事、第七届宁波仲裁委员会仲裁员,聚焦建筑房地产、投融资、并购重组及商事争议解决。曾获多家法律媒体与专业机构认可,荣登 LegalOne 2025 中国区建工及房地产实务先锋 45 强、律新社 2025 年度管理合伙人 20 佳(华东),入选《商法》The A-List 法律精英,获评 ALB China 区域市场十五佳长三角地区律师新星,并获律新社 2024 年度并购领域品牌之星。长期为万科、华润置地、信达地产、保利置业、招商蛇口、中海地产等企业提供法律服务,承办“首宗百亿地王”“长春第一高楼”“台州第一高楼”等代表性项目,累计服务项目投资额超千亿。近年来持续推动 AI 与法律实务融合,强调以结构化方法打通技术逻辑、法律判断与商业场景;著有《赋能法律人:AI 底层思维与应用范式》,并在多地开展相关主题讲座与分享。