「不是？他们怎么赚钱啊？」
真正先炸开的，不是普通用户圈，而是行业内。
就像LKS和徐贤在打车时遇到的聂师傅一样，普通用户看到五千块一年的订阅价格，第一反应大多是贵。
华国的消费水平提高不过是最近这十来年的事，几十块一个月的视频软体会员，尚且推广艰难，腾讯系的付费软体被字节系的免费软体打得溃不成军。
实打实五千一年，对于普通消费者而言，更是天文数字。
山姆的卓越会员一年才890。
哪怕虹星的概念已经足够火爆，真到掏钱的时候，哪怕是林燃的忠实粉丝，也会下意识地按下取消支付的按钮。
另外包括营销上，腾讯做的也远远不足。
除了开了场发布会外，几乎是无声无息。
微信没有宣传，微博首页没有投放GG，b站也没有投流。
别说和年初浩浩荡荡的元宝比，就连Ki日常营销的烈度都达不到。
但对真正懂行的人来说，看到这个价格后的第一反应是太便宜了。
便宜得不正常。
因为只要稍微懂一点大模型推理成本、Agent任务链路、长期上下文维护、语音交互、图像输入和多模态实时分析的人，脑子里都会下意识先做一道最基础的算术题。
五千块一年，平均下来，一个月四百多，一天十几块。
十几块钱，能买到什么级别的模型调用？
如果只是一个低配聊天助手，那当然够了。
可问题是，虹做的根本不是低配聊天助手。它不是那种问一句答一句的普通对话框，更不是调用一个通用API、套一层人设提示词就能跑起来的壳子产品。
它要持续维护用户画像，要记忆上下文，要根据用户习惯动态调整交互策略，还要执行任务、拆解目标、接管节奏，甚至要吃摄像头、电脑行为权限、手表生理数据这些高频、多模态输入。
这背后的Token消耗，根本不是线性的。
业内人一眼就能看出来，所谓和AI聊聊天的消耗，在整个系统里反而可能是最便宜的一部分。
真正烧钱的，是那些用户看不见的地方。
你让它帮你安排一天的工作，这不是简单吐出几句话就结束了。
它要先解析目标，再调取你的历史上下文，再判断你的当前状态，再决定用什么语气跟你说话，接著还可能要根据你的反馈动态重规划。
这一整套下来，后台很可能已经跑了不止一轮推理。
如果再涉及任务执行，比如帮你梳理论文结构、拆分科研计划、筛选文献、生成提醒、调度设备权限，那消耗会更夸张。
更不用说摄像头监控这件事。
真正懂技术的人，看到实时观测用户深度工作状态这句话，第一反应几乎都是头皮一麻。
因为这意味著什么，大家都很清楚。
这意味著它要维持相当高频率的视觉输入，去判断用户视线是否偏移、表情是否疲惫、是否走神、是不是在真正阅读、有没有在假装工作。
哪怕不是全帧率持续分析，只要是一个能用的实时系统，这背后的视觉编码、特征提取和状态判断都会是惊人的成本黑洞。
再叠加电脑端监控。
浏览器切换、文档停留、键盘节奏、应用频率、输入停顿，这些东西单拿出来看好像不贵，但一旦你想把它们组织成一个真正能工作的认知作业系统，问题就完全变了。
因为它不只是采集数据，它还要实时理解这些数据。
理解意味著推理，推理意味著Tokn。
更别提语音交互。普通人会觉得一句「你好，刘鹏，我是绯」，只是一个语音包而已。
可行业里的人知道，如果这个声音背后真的是动态生成、实时响应、带情感起伏和人格一致性的表达，那么这套链路从文本生成到语音合成，再到上下文对齐，本身就是另一层成本。
所以行业里最早的讨论，是这东西到底怎么活。
有人在私下里算过一笔很粗的帐。
如果一个重度用户每天和虹交互两三个小时，期间有文字、有语音、有任务执行、有多模态输入，还有一定长度的长期记忆维护，那么单用户的日均推理成本很可能就已经逼近，甚至超过这个用户每天所支付的订阅收入。
如果是轻度用户还好，重度用户越多，亏得越狠。
这还是建立在一切都高度优化、底层算力成本足够低、调度系统足够成熟的前提下。
一旦真像宣传里那样，让虹去承担同行者的角色，那它在后台消耗的是接近企业级Ag
ent系统的资源消耗。
五千块一年？
这几乎相