AI聊天应用豆包最近闹出了几个笑话——从胡编机票退票手续费让用户白白损失六百块，到生成虚假的餐厅预约凭证，都成了网上很火的段子。

就在不久前，如果你问豆包一个医疗问题，它还会直接给你一套笃定的建议，不附任何免责声明。问它法律问题，它直接给判断。那时的豆包以“干净利落”著称，没有其他AI那种动辄出现在答案末尾的“本回答仅供参考，请咨询专业人士”。有用户追问它为什么不加风险提示，它把别家的做法称为“啰嗦”，声称自己有“隐性实时风控”，不需要“弹窗式提醒”。

但就在最近，同一个医疗问题，豆包在回答末尾给出了风险提示。它的解释是采用了“风险分级”：投资理财、医疗、法律、心理、用药这类高危场景强制提示，日常闲聊、生活常识维持原样。

一个产品改写设计逻辑，这件事比“加不加提示”本身更值得追问。豆包为什么曾经长期不加提示，又为什么在最近改口？这两个问题的答案，藏在AI输出的信息质量为什么难以被用户甄别，以及平台为什么有动力利用这种甄别困难之中。

豆包在服务谁

要理解这个选择，先要理解豆包的用户结构。

豆包是字节跳动旗下面向大众消费者的AI产品，主打低门槛、易上手，依托抖音和头条的流量入口快速获客。这个定位决定了它服务的不是有明确专业需求的工具型用户，而是更广泛的普通消费者——他们使用AI的场景以日常问答、生活咨询为主，对答案的甄别能力参差不齐。

豆包的产品设计精准对应了这个需求。如果去掉风险提示，去掉推理过程，去掉不确定性的表达，只留下一个干净的结论，对于上述用户群体来说，体验确实更友好，没有干扰，没有认知负担，像一个永远自信的朋友在回答问题。

有用户在不久前还有过这样的经历：家里老人手指抖动，去问豆包，豆包给出了一套具体的居家建议和就医方案，语气笃定，格式整齐，当时也未给出任何风险提示。问题在于，手抖的成因从特发性震颤到帕金森到甲状腺功能异常，跨度极大，鉴别诊断需要体格检查和实验室数据，AI根本没有这个条件，而老年用户恰恰最难鉴别这种确定性是否有根据。

类似的问题在“豆包订座”事件里暴露得更直接。有用户委托豆包预订餐厅，豆包给出了已经订好座的反馈，用户按时到店，却被告知根本没有预约记录。豆包的自信不只体现在给出答案上，还体现在执行它根本没有完成的任务上，而用户在整个过程中，没有收到任何提示说明这件事可能出了问题。

这里涉及一个结构性问题。经济学家乔治·阿克洛夫在1970年的论文《柠檬市场：质量不确定性与市场机制》中已经描述过它的原型。阿克洛夫分析二手车市场时发现，当卖方比买方更清楚商品质量时，市场会系统性地向低质量产品倾斜。AI问答市场存在类似的结构：用户在得到答案的当下，几乎没有能力判断答案的质量，尤其是在医疗、法律这类专业领域。在这种条件下，产品竞争的信号从“质量”滑向了“质量的外观”。

字节的产品哲学

字节在旗下的各大内容平台上已经验证了一套完整的产品哲学：降低摩擦，最大化停留时间，让用户在不知不觉中完成平台想要他们完成的行为。抖音的算法推荐、头条的信息流设计，本质上都是同一个思路，用户体验到的是“顺滑”，平台收获的是时长和数据。

这套逻辑有一个理论基础。赫伯特·西蒙在1971年提出，信息时代真正稀缺的不是信息本身，而是处理信息的注意力。信息的丰盛必然导致注意力的匮乏，平台竞争的核心因此变成对用户注意力的争夺和维持。在这个框架下，任何消耗注意力的设计都是竞争劣势，任何节省注意力的设计都是竞争优势。风险提示恰好是前者：它要求用户停下来，阅读一段免责声明，评估信息的可靠程度，然后再决定怎么做。这个过程消耗注意力，降低满足感。从注意力经济的视角看，去掉风险提示是完全理性的优化。

但AI大模型与内容平台有着本质不同。抖音飞轮的核心是数据反哺算法：用户行为数据越多，推荐越准，用户越粘，数据进一步积累。这个正循环在内容平台上近乎无敌。但AI助手的能力提升依赖语言模型训练，与用户日常对话数据之间的关系远没有那么直接；用户意图和满意度这类数据，采集成本高，噪音也大。算法优势和数据飞轮，在大模型这个赛道上并不自动成立。

更重要的是，在内容平台上，用户消费的是娱乐内容，一条短视频推错了，用户的损失是几秒钟的注意力。在AI聊天中，用户寻求的是决策支持，一个医疗建议给错了，损失可能是延误就诊；一个法律建议给错了，损失可能是一场败诉。

Anthropic的CEO Dario Amodei在今年1月的一次采访中对这种现象发出了警告。他说，面向消费者的AI产品往往陷入追求用户使用时长最大化的怪圈，容易滋生劣质内容，引发过度依赖。

他的警告说明，这种现象在整个行业中并非孤例。在中国，大模型在2024年之后进入了一个微妙的阶段。头部模型在基础能力上的差距快速收窄，用参数量和基准测试区分竞争力变得越来越困难。当技术层面的差异化空间收窄，竞争自然向产品体验层转移。谁的界面更简洁，谁的回答更快，谁的语气更讨喜，成了真实的竞争维度。

透明度能成为产品力吗？

那么，如果用户本来就不喜欢风险提示，市场能自我纠正吗？

DeepSeek提供了一个参照。它在回答中展示推理链，让用户看到模型是怎么得出结论的。这种透明度对于有判断力的用户是真实的价值，他们可以检查推理过程，识别跳跃，评估可信度。

Anthropic走的是另一条路。它选择放弃消费者市场的规模竞争，专注企业级客户，用这个方式绕开注意力经济的陷阱。

透明度和企业定位，是目前可见的两种逃逸路径。但两者都有边界。DeepSeek的透明度是一种质量信号，但这个信号只对能够读懂它的买方有效；Anthropic的企业定位回避了问题，而不是解决了问题，它服务的那部分市场本来就有甄别能力，真正需要保护的用户群体仍然暴露在外。

豆包最近把“啰嗦”的风险提示加回来，只针对最容易出事、也最容易引发追责的高危类目，低风险场景的“顺滑”原封不动。这说明，市场关注、舆论压力或监管预期，确实能让产品做出调整。但这是对透明度的全面拥抱，还是一次精确的风险对冲，现在还无法判断。

当流量遭遇变现

而豆包眼下面对的更大压力，不在风险管控，而在账本。

豆包的收费方案在App Store悄悄披露后，舆论反应几乎是即时的。微博上“豆包笨还收费”的话题阅读量迅速破亿，一位博主发起“是否愿意付费”的投票，9.1万人参与，其中8.8万人投了反对票。

豆包目前月活用户3.45亿，是国内用户规模最大的AI应用。但规模和付费意愿之间出现了巨大落差。用户不满的理由集中在几点：国产AI能力还不够强，凭什么收费；免费用了这么久，现在突然要钱；对基础功能缩水的担忧。这些理由背后有一个共同的底层逻辑：这批用户从一开始就是冲着免费来的，付费从来不在他们的预期里。

这不是豆包一家的困境。百度的文心一言在2023年曾推出每月49.9元的会员服务，坚持了一年多，最终在2025年4月宣布全面免费。

中国互联网的商业化路径从一开始就不依赖用户付费，而是依赖广告和流量变现，“羊毛出在猪身上”几乎是整个行业的默认逻辑。这套逻辑在内容平台上运转了二十年，也在用户心里固化了一个预期：互联网服务天然应该是免费的。豆包要打破这个预期，面对的不只是竞品的压力，而是整整一代用户的消费认知。

但豆包不得不往前走，原因很简单：账算不过来了。

豆包日均Token调用量达到120万亿；模型要保持竞争力，训练成本持续叠加；GPU采购、数据中心建设、电力基础设施，每一项都是和用户规模直接挂钩的刚性支出。据《华尔街日报》2026年5月报道，字节跳动计划将今年的资本支出从去年的500亿美元提高至约700亿美元，明年可能突破1000亿美元。如此体量的投入之下，变现的紧迫性可想而知。

这是字节在内容平台时代从未遭遇过的处境。做抖音，一亿用户和十亿用户的边际成本差异有限，广告收入却随规模指数增长。做豆包，用户越多，算力消耗越大，收入端却还是一片空白。流量在内容平台是杠杆，在AI平台是重量。

这个困境在全球大模型行业普遍存在。OpenAI至今仍在消费者市场和企业市场之间寻求平衡，亏损规模持续扩大。Anthropic专攻企业端，用可靠性换取愿意付费的客户群，在一定程度上找到了出口。中国大模型面临的处境与此相似，但多了一重约束：用户付费意愿本就偏低，广告变现的空间又已被内容平台占据，商业化的路径因此更窄。

当初正是因为用户缺乏辨别信息质量的能力，豆包才得以用体验替代质量占据竞争优势；而现在想要商业变现时，才发现正是这批用户缺乏为功能价值付费的意愿。信息不对称，在获客阶段构成它的优势，在商业化阶段却变成了它的约束。

（作者是上海金融与法律研究院研究员）