商业模式拆解 · Google DeepMind · 谷歌
Google DeepMind：模型直接收费，但生态才是底牌
模型按 token 直接收费，但搜索、云和 Android 的分发才是真正的付费入口；最大赌注是资本开支能否撑住云容量与模型代际竞赛。
关键数字
- $2/百万 tokenGemini 4 Argon 输入价格（介绍期）2026 年 11 月 30 日前R1
- $10/百万 tokenGemini 4 Argon 输出价格（介绍期）2026 年 11 月 30 日前R1
- $4/百万 tokenGemini 4 Argon 输入价格（介绍期后）2026 年 11 月 30 日后R1
- $20/百万 tokenGemini 4 Argon 输出价格（介绍期后）2026 年 11 月 30 日后R1
- $0.75/百万 tokenFlash 档输入价格2026 年 12 月 31 日前R2
- $3.75/百万 tokenFlash 档输出价格2026 年 12 月 31 日前R2
Google DeepMind 的收入并非只有模型 API：模型按 token 直接收费，同时通过搜索接地、上下文缓存、Batch API 加收费用；企业客户还可以通过 Vertex AI 和 Workspace 打包采购。钱主要花在技术基础设施上，2024 年第四季度资本支出 140 亿美元，2025 年预计 750 亿美元，折旧上升会压制利润率。公司靠 Alphabet 的自由现金流和现金储备活着，2024 年第四季度自由现金流 248 亿美元、现金及有价证券 960 亿美元。真正的底牌是搜索、云和 Android 的分发，但云容量受限是近期硬约束。最可能的结局是模型 API 价格继续下探，收入更多沉淀到云和企业合同里，模型本身成为获客与打包工具。
产品与模型
统一 1,048,576 token 窗口：用容量换迁移成本
Gemini 4 Argon 支持统一 1,048,576 token 上下文窗口，单次输出可超 64K 直至 1M token。这个规格不是单纯的技术炫耀，它让长文档、代码库和多轮对话可以一次性塞进模型，降低开发者的预处理和分段成本。对创业者来说，这意味着迁移到 Gemini 的摩擦变小，但同时也意味着你很难在同一任务上轻易切回窗口更小的模型。
窗口做大之后，推理成本会上升，所以 Google 用按 token 计费和上下文缓存来回收成本。缓存存储费在 2026 年 12 月 31 日前为 $0.50/百万 token/小时，2027 年起 $1.00。这实际上是把长上下文的成本从“一次性输入”转移到“持续存储”，客户用得越久，缓存费用越像订阅费。
Hassabis 自己说，研究上下文已超 1,000 万 token，但认为大窗口是暴力解法，需要更优雅的方案。这说明窗口竞赛有明确的天花板意识：Google 在用容量换生态，但内部并不认为这是终局。
依据R1R2R3R14三档思考深度：把推理成本做成可调档位
Gemini 4 Argon 提供 low/medium/high 三档思考深度，默认 medium。这是一个很产品化的取舍：把推理成本的选择权交给调用方，而不是用单一模型覆盖所有场景。对价格敏感的批处理任务可以选 low，复杂分析选 high，默认档位则用来平衡体验和成本。
这种设计让定价更细，但也让客户的实际账单更难预测。同一个模型，不同档位的 token 消耗可能差别很大，客户需要自己监控和调优。Google 没有公开各档位的具体消耗系数，公开资料未披露。
从商业角度看，三档思考深度是模型矩阵分层的一部分：Flash、Flash-Lite、Pro、Deep Think 覆盖不同价位，Argon 再在单模型内做档位细分。这种矩阵不是单纯的技术路线，而是价格歧视的工具，目的是尽量让每个客户按自己的支付意愿付费。
依据R1R4收入模式
API 按 token 收费：模型直接变现，但价格有明确期限
Gemini 4 Argon 介绍价：2026 年 11 月 30 日前输入 $2/百万 token、输出 $10/百万 token；介绍期后为输入 $4/百万 token、输出 $20/百万 token。这是一个有时间边界的折扣，本质上是在抢开发者和迁移窗口。客户如果在这个窗口内把工作负载搬上来，介绍期后的价格翻倍会形成沉没成本锁定。
某 Flash 档付费价：2026 年 12 月 31 日前输入 $0.75、输出 $3.75 每百万 token，2027 年起翻倍。Flash 档的价格更低，面向高频、低复杂度的调用。免费档与付费档分层，说明模型本身可以直接变现，不依赖广告或云合同。
但要注意，这些价格是 API 挂牌价，不是实际收入。批量折扣、企业合同和云打包都会让实际成交价低于挂牌价，公开资料未披露实际折扣幅度和收入贡献。
依据R1R2搜索接地和缓存：在 token 之外加收“配套费”
Google 搜索接地：每月 5,000 次免费请求（Gemini 3.x 共享），之后 $14/1,000 次。这是把搜索能力作为模型的外挂收费项，客户用 Gemini 生成答案时，如果需要实时或权威信息，就要为接地请求付费。免费额度不高，超过之后单价不低，适合高频问答类应用。
上下文缓存存储费按小时计，2026 年 12 月 31 日前 $0.50/百万 token/小时，2027 年起 $1.00。这是典型的“存储+计算”拆分收费：长上下文客户不仅要付输入 token 费，还要为缓存驻留时间付费。缓存用得好可以降低重复输入成本，但也会让账单结构更复杂。
Batch API 成本降低 50%，企业档按用量提供批量折扣。这说明 Google 在用小额免费额度吸引试用，再用接地、缓存和批量折扣把客户分层。模型是入口，配套服务才是提高客单价的手段。
依据R2R3客户与市场
企业客户：先小范围试点，再全员推广
Spotify 在 2024 年春试点 Gemini，先培训 200 人，数周内再增 150 人，最终决定向全部 9,000 名员工推广。这个路径很典型：先用小范围培训降低使用门槛，再用内部口碑扩散，最后变成全员工具。对 Google 来说，这类客户的价值不只是 API 调用量，更是 Workspace 和企业合同的入口。
意大利电信 TIM 用 Google 语音智能体处理客户来电，效率提升 20%。Elanco 基于 Vertex AI 与 Gemini 落地生成式 AI，称上线以来 ROI 约 190 万美元。这两个案例说明，企业客户付费的理由是具体的运营指标，而不是模型本身的能力。
Google 称 Gemini for Workspace 企业客户平均每位用户每周节省 105 分钟。这个数字是 Google 自己的口径，公开资料没有披露统计方法和样本量，引用时需要保留来源。总体看，客户结构以企业为主，中小企业和个人开发者的收入贡献公开资料未披露。
依据R7R11R12获客与渠道
搜索、云和 Android 三路分发，模型只是其中一层
Gemini 的触达不靠单一渠道。搜索是最大的天然入口，云（Vertex AI）是企业采购的合同载体，Android 是设备端的预装渠道。模型 API 只是这些渠道里的一个 SKU，客户可以在云上买，也可以在 Workspace 里打包买。
Spotify 的推广路径说明，Google 的地推和培训能力在 enterprise 销售里起作用：先培训 200 人，数周内再增 150 人，然后全公司 9,000 人。这种“培训先行”的分发方式，对小团队来说很难复制，因为它依赖销售和组织渗透。
对创业者来说，可借的是把模型嵌入现有工作流，而不是另起一个入口。Google 的分发优势来自它已经占据了搜索、云和移动操作系统，模型只是附着在这些入口上的能力层。
依据R7R11R12成本结构
钱花在技术基础设施上，折旧会先于收入压制利润
Alphabet 2024 年第四季度资本支出 140 亿美元，主要用于技术基础设施；预计 2025 年资本支出 750 亿美元，折旧上升或压制利润率。这是典型的重资产模型：先买 GPU 和数据中心，再靠云和 API 收入回收。
折旧是会计上的固定成本，一旦资本开支上去，即使收入增长，利润率也会先被压一段。Alphabet 2024 年第四季度自由现金流 248 亿美元、全年 728 亿美元，说明当前现金流还能覆盖投资，但 2025 年资本开支跳到 750 亿美元后，自由现金流的缓冲会变薄。
除了基础设施，模型研发的人力成本也是大头。Crustdata 统计 Google DeepMind 员工 10,428 人，截至 2026 年 9 月，同比增 41%。团队扩张意味着研发费用上升，但公开资料未披露研发费用的具体金额和分摊方式。
依据R10R15融资与资本
靠 Alphabet 的现金流和现金储备活着，不靠外部融资
Alphabet 2024 年第四季度末现金及有价证券 960 亿美元，第四季度自由现金流 248 亿美元、全年 728 亿美元。这给了 Google DeepMind 不依赖外部融资的底气，也意味着它可以用长期视角打模型价格战。
但钱不是无限的。2025 年预计资本支出 750 亿美元，接近全年自由现金流的水平，如果云收入增速跟不上，资本开支就会挤压股东回报。Alphabet 2024 年第四季度云业务收入 120 亿美元、同比增 30%，但公司称云容量受限，说明需求存在，供给是瓶颈。
对创业者来说，这种资金结构借不了。小团队没有 960 亿美元现金储备，也没有 750 亿美元的资本开支能力，只能靠收入养活自己，不能靠补贴换市场份额。
依据R10护城河
分发和现金流是护城河，模型能力不是
Google 的护城河不在模型参数或上下文窗口，而在搜索、云和 Android 的分发能力。模型可以被人追上，但搜索的索引、云的合同和 Android 的预装不是一朝一夕能复制的。Gemini 的定价和功能设计，本质上是在把这些分发优势变现。
现金流是第二层护城河。Alphabet 可以承受 750 亿美元的资本开支，可以在介绍期把价格压到输入 $2/百万 token，然后用介绍期后的价格回收。小公司没有这个缓冲，价格战打不起。
但护城河也有裂缝。Hassabis 自己说大窗口是暴力解法，说明技术路线可能被更优雅的方案颠覆；云容量受限说明供给端不是无限弹性。护城河能挡住追赶者，但挡不住技术路线的切换。
依据R10R14R1风险与不确定性
云容量受限：需求在，但供给跟不上
Alphabet 2024 年第四季度云业务收入 120 亿美元、同比增 30%，但公司称云容量受限。这意味着 Gemini 的企业落地和 API 调用可能受制于算力供给，而不是需求。容量受限会推迟收入确认，也会给竞争对手留出窗口。
对客户来说，容量受限意味着服务质量和交付时间有不确定性。对 Google 来说，这是资本开支和运营效率的赛跑：2025 年 750 亿美元的资本开支能不能及时转化为可用容量，公开资料未披露具体时间表。
如果容量问题持续，企业客户可能会分散采购，把部分工作负载放到其他云上。这会削弱 Gemini 通过云打包收费的能力，也会让模型 API 的价格竞争更直接。
依据R10价格介绍期结束后的续费风险
Gemini 4 Argon 介绍价有效期至 2026 年 11 月 30 日，之后输入和输出价格都翻倍。Flash 档的付费价也在 2027 年起翻倍。这种定价策略在获客期有效，但介绍期结束后，客户会重新评估成本，部分工作负载可能迁回更便宜的模型或自建。
续费风险的大小取决于客户对长上下文和搜索接地的依赖程度。如果客户只是用 API 做简单生成，迁移成本低，翻倍后的价格会直接导致流失。如果客户已经把缓存、接地和 Workspace 打包进来，迁移成本高，续费概率更大。
公开资料没有披露介绍期客户的数量和留存率，无法判断翻倍后的实际影响。这是模型 API 生意的结构性风险：价格是透明的，客户随时可以比价。
依据R1R2关键节点
对AI原生公司创始人的启示
这一节是编辑判断，基于上面的证据推演，不是公司原话。
把模型嵌进客户已有的工作流，比另做一个入口更省力
Google 的分发优势来自搜索、云和 Android，模型只是附着在这些入口上的能力层。小团队没有这种入口，但可以借这个思路：不要做一个独立的 AI 产品让用户来找你，而是把模型嵌进用户已经在用的流程里，比如邮件、文档、客服系统。Spotify 的试点路径也说明，先在一个小团队里跑通，再扩散，比一上来就全员推广更可控。你不需要 9,000 人，但可以先找 20 个真实用户跑通一个具体任务。
介绍期低价换迁移的策略，小团队借不了，定价要从第一天覆盖成本
Google 可以用介绍期价格抢客户，靠 Alphabet 的现金流和现金储备撑住，然后用介绍期后的价格回收。小团队没有这个缓冲，补贴换来的客户在价格翻倍后大概率流失。你的定价应该从第一天就覆盖成本，而不是先低价再涨价。另外，Google 的云容量受限说明重资产不是小团队能碰的，小团队应该用现成 API，把资本开支留给大厂，自己只承担可变成本。
三档思考深度和缓存计费的做法可以借来设计自己的成本分层
Gemini 4 Argon 把推理成本做成 low/medium/high 三档，让调用方按场景选择，再用上下文缓存把长上下文的成本从一次性输入转成持续存储费。小团队做 AI 产品时，同样可以在自己的产品里设置成本档位，让价格敏感的批处理任务走低档，复杂分析走高档，而不是用一套配置覆盖所有用户。缓存计费也值得借鉴：把重复计算的部分做成可复用的存储，向客户按驻留时间收费，账单结构更清楚。但要注意，Google 没有公开各档位的具体消耗系数，小团队需要自己测出档位与成本的对应关系，不能照搬。
公开资料没有回答的问题
- Gemini API 的实际收入贡献和毛利率公开资料未披露
- 介绍期结束后的客户留存率和迁移成本公开资料未披露
- 企业合同中的实际折扣幅度和批量定价结构公开资料未披露
- Google DeepMind 的研发费用和人员成本分摊公开资料未披露
- Gemini 3.5 Pro 的发布时间和定价公开资料未披露
证据来源
正文里的编号对应下面的来源。数字没有来源的句子在成稿前已被删除；公开资料未披露的直接写明未披露。
- R1What's new in Gemini 4 Argon | Gemini API | Google AI for Developersai.google.dev · 一手来源 · 可信度 89
- R2Tarifs de l'API Gemini Developer | Gemini API | Google AI for Developers - Tarifs de l'API Gemini Developerai.google.dev · 一手来源 · 可信度 88
- R3Gemini Developer API の料金 | Gemini API | Google AI for Developers - 無料枠 | 有料枠（100 万トークンあたり、米ドル）ai.google.dev · 一手来源 · 可信度 88
- R4Geminideepmind.google · 一手来源 · 可信度 86
- R5Modelsdeepmind.google · 一手来源 · 可信度 85
- R6Google DeepMinddeepmind.google · 一手来源 · 可信度 85
- R7Spotify Deepens AI Integration with Gemini for Enhanced Workspacedevoteam.com · 媒体与披露 · 可信度 81
- R8全球领先组织提供的 321 个真实的生成式 AI 应用场景gcp.infoq.cn · 媒体与披露 · 可信度 80
- R9Google DeepMind C.E.O. Demis Hassabis on the Path From Chatbots to A.G.I. (Published 2024) - So I think that means that the threshold for safety and robustness and responsibility for putting those kinds of things out has ...vi.web-platforms-vi.nyti.nyt.net · 媒体与披露 · 可信度 79
- R10Alphabet Inc (GOOG) Q4 2024 Earnings Call Highlights: Strong Revenue Growth and AI Advancements ... - Skip to navigation Skip to main content Skip to right columnuk.finance.yahoo.com · 媒体与披露 · 可信度 79
- R11Customers are putting Gemini to work - Customers are putting Gemini to workblog.google · 一手来源 · 可信度 79
- R12客户借力 Gemini 收获丰硕实效gcp.infoq.cn · 媒体与披露 · 可信度 78
- R13Wipro Teams Up with Google Cloud to Enhance Employees Productivity with AI - Wipro Teams Up with Google Cloud to Enhance Employees Productivity with AIdqindia.com · 媒体与披露 · 可信度 78
- R14Demis Hassabis on what’s next after his Nobel Prize - Advertisementtech.yahoo.com · 媒体与披露 · 可信度 78
- R15Google DeepMind - Headcount, Funding & Open Jobs (October 2026)profiles.crustdata.com · 媒体与披露 · 可信度 84
- R16我们公司的发展历程以及现状 - Googleabout.google · 一手来源 · 可信度 84
- R17Google 的創立背景和發展現況 - Googleabout.google · 一手来源 · 可信度 83
- R18كيف بدأنا وأين وصلنا اليوم - Googleabout.google · 一手来源 · 可信度 81
由 EveryTik 调研流水线生成（deepseek-flash），经结构门禁、数字核对与独立审稿；引用 12 个来源、8 个独立域名。发现错误请以公开来源为准，我们会在下一轮调研时修正。