北京 AGI Bar 在免费 AI 使用与高昂算力成本之间测试

AGI Bar 登上 Google News，源于它将北京的一处场所变成了一项不同寻常的实验：点一杯饮品，连接笔记本电脑，即可无需支付 token 费用使用 AI 模型。这一服务吸引了开发者、投资者和学生，也暴露出软件公司通常隐藏在仪表盘背后的矛盾：每一次模型响应、每台计算机和每一度电，仍然需要有人买单。

这家酒吧位于中关村，毗邻多所重要高校和科技公司。顾客可通过其 Wi‑Fi 连接，并配置编程工具以使用店内 AI agent。agent 是一种能够调用模型和工具来完成多步骤任务的软件。据报道，两台 Nvidia DGX Spark 计算机负责本地 DeepSeek 推理，这意味着模型在场所内部的设备上生成响应。

这不只是一个主题餐饮故事。AGI Bar 正在测试，AI 使用权能否像网络服务一样成为一种配套设施，同时由另一项产品创造收入。然而，其经营者表示该场所仍在亏损。因此，真正的较量并非啤酒与软件之间的竞争，而是无摩擦 AI 使用体验与提供它所面临的顽固经济现实之间的对抗。

Google News 揭示了 AGI Bar 的什么

AGI Bar 将 AI 消费从个人软件账户转移到了共享的实体空间。

该场所于 2025 年在北京中关村科技区开业。其名称指向通用人工智能，即机器在广泛能力上达到或超越人类的理论概念。这一标签奠定了主题，但顾客体验更为务实。

根据最初的 AGI Bar report，顾客点一杯饮品后，可在笔记本电脑上安装插件，随后通过本地网络访问场所的 AI agent。报道称，该系统支持多种模型，其中 DeepSeek-V4-Flash 在本地运行。

Tokens 是 AI 模型处理的微小文本单位。每次请求都会消耗输入 tokens，而回答会消耗输出 tokens。用户通常会通过 API 账户、订阅服务或用量额度看到这一计量方式。

AGI Bar 让这块“计量表”变得不那么显眼。访客可以坐在桌前工作，无需另行开通模型账户，也不用盯着用量余额。场所承担了访问、基础设施及由此产生的成本。

这种安排改变了免费使用的含义。服务在使用当下是免费的，但运营它并不免费。酒吧必须采购硬件、供应电力、维护软件，并承受顾客需求带来的成本。

据《南华早报》报道，当被问及每月 token 消耗量时，经理杨元拒绝透露。他表示费用由老板承担。由于缺乏用量数据，外界无法计算运营负担，也无法比较本地推理与商业 API 的成本。

报道还描述了一间坐满笔记本电脑用户的拥挤房间。许多人点单后不久便接入网络。这一细节很重要，因为 AI 服务似乎是到访的核心，而非酒吧旁的装饰性功能。

Google News 的列表将这个故事浓缩为啤酒与 AI 的有趣相遇。但其背后的事件更具意义：一家餐饮场所将模型访问与线下到访打包，把计算能力变成了氛围的一部分。

该场所还会举办活动，并非只依赖自然到店客流。其官方介绍推广产品发布、行业讨论、after-party，以及面向 AI 创始人、工程师和创作者的聚会。这使酒吧成为一个提供饮品的社区场所，而不只是一间摆着计算机的酒吧。

这种模式类似于咖啡馆曾经将 Wi‑Fi 变成默认配套设施的过程。早期接入需要账户、专用连接和谨慎计费。后来，餐饮企业将网络连接打包进占用座位的成本之中。

AI 的不同之处在于，其边际成本对使用行为更加敏感。一位访客查看邮件，与另一位下载大文件并不相同，但大多数 Wi‑Fi 活动仍然成本低廉。AI 编程 agent 则可能生成长篇回答、反复调用工具，并在顾客交谈时持续工作。

这正是新鲜感背后的张力所在。AGI Bar 移除了顾客面前的计量表，却没有消除服务提供方承担的风险。

免费 DeepSeek Tokens 将算力变成餐饮体验的一部分

这家酒吧将模型推理视为吸引人们进入场所、停留其中并加入技术社区的理由。

Reuters 报道称，老板宋德将该场所描述为竞争实验室、公司和大学人员的聚集地。其位置支撑了这一愿景。中关村毗邻清华大学、北京大学、DeepSeek、Microsoft，以及密集分布的科技企业。

因此，这个空间提供了家庭 API 账户无法带来的东西。开发者可以结识潜在合作者、比较工作流，并观察他人如何使用新兴工具。投资者可以在正式路演之外接触团队。学生可以从大学讨论进入一个实际运作的行业网络。

AGI Bar 曾举办开发者研讨会、开源讨论、研究会议，以及面向中国 AI 公司的活动。Reuters 报道称，Z.ai 是使用该场所的实验室之一。这类活动赋予该业务另一种角色：在竞争激烈的市场中充当中立会面点。

免费 DeepSeek tokens 强化了这一社区设计。访问权为访客提供了即时的共同活动。一名用户可以带着笔记本电脑到店，连接编程助手，并在无需预先安排凭据的情况下演示项目。

据报道，该系统可与接受 OpenAI-compatible interfaces 的编程环境配合使用。这种接口格式使软件能够向不同模型提供商发送标准化请求。兼容性很重要，因为它减少了访客切换模型所需的配置工作。

一篇中国科技报道指出，顾客可为多种开发工具获取基础地址和 API key。具体配置仍由场所控制。不过，这种方式类似于在酒吧网络后方部署的私有模型网关。

硬件使这一切成为可能，而无需将每个请求都发送到外部服务。Nvidia 将 DGX Spark描述为一款用于本地 AI 开发和推理的紧凑型计算机。每套系统都配备 128 GB 统一内存，并支持对内存有较高要求的模型。

据报道，AGI Bar 使用了两台这样的设备。本地推理意味着，取决于具体实现，提示词和响应可以保留在场所内的设备上。它也将按请求计费的 API 成本，替换为硬件、电力、维护和容量成本。

这种替代并不会消除限制。两套桌面系统的吞吐量有限。如果许多编程 agents 同时提交请求，繁忙的房间可能产生排队。长提示词和复杂推理也比简短问题消耗更多内存与处理时间。

该场所尚未公布延迟、正常运行时间、并发用户容量或月度工作负载数据。这些缺失的信息使得与托管服务进行严肃的性能比较变得困难。这套部署证明了本地访问可行，但并不证明其能达到云服务的可靠性。

DeepSeek 本身也提供按量计费的商业 API。其token documentation说明，使用量取决于输入和输出规模。该公司还会根据缓存和需求时段调整费率。

这一官方结构凸显了酒吧正在承担的内容。访客看到的是一个开放连接；运营方看到的是随模型选择、提示词长度、agent 行为和活跃笔记本电脑数量而变化的不确定工作负载。

本地部署也需要技术投入。必须有人安装模型更新、管理访问密钥、保护网关、监控温度，并在软件故障时作出响应。即使顾客从未收到发票，这些工作也不会消失。

尽管如此，该场所展示了一种有意义的分发思路。AI 不一定要通过由单一提供商控制的聊天机器人网站抵达用户手中。它可以作为共享基础设施，出现在某个地点、会员体系、学校、工作空间或活动中。

对知识工作者而言，重要变化在于场景化。人们会在对话和决策原本就发生的地方使用模型。AI 服务成为环境的一部分，而人与人之间的交流提供了模型无法创造的信息。

这种组合解释了为何该故事能超越本地科技媒体传播。Google News 呈现的是一家酒吧，但更大的主题是 AI 工具的一个新分发节点。

真正的产品是接触人的机会

AGI Bar 最强的优势在于其高度集中的人际网络，而免费计算能力则承担了邀请函的角色。

模型 endpoint 很容易复制。另一家场所可以购买合适硬件、配置网关，并将访问权与餐饮或会员资格打包。更难获得的资产，是一群可信赖、会持续到访且希望彼此见面的人。

AGI Bar 的地理位置使其占得先机。中关村本就聚集了大学、实验室、投资者、创始人和大型科技公司。这家酒吧不需要创造北京的 AI 社区；它需要成为其中一个有价值的交汇点。

这一区别改变了评判该业务的方式。如果核心产品是低成本模型推理，云服务提供商仍将是强大的竞争对手。它们运营更大规模的系统，在客户之间调配需求，并提供更成熟的可靠性控制。

如果产品是专业社区，那么本地 AI 服务就成为获客手段。免费 tokens 提供了到访的具体理由，而活动和关系则提供了再次回来的理由。价值来自数字效用与实体邻近之间的重叠。

宋德告诉 Reuters，来自竞争公司和大学的人会坐在一起讨论行业趋势。这比单纯的无限输出更具吸引力。模型访问已变得广泛可得，但可信赖且不受脚本约束的交流仍然稀缺。

据报道，该酒吧的注册名称提及知识蒸馏。在机器学习中，知识蒸馏是将更大模型的行为迁移到更小模型中。在社交场所里，这一隐喻描述的是专业知识如何通过对话在人与人之间流动。

这种流动无法通过计算 tokens 来衡量。创始人或许会遇到工程师，学生可能找到研究方向，投资者也可能看到一场可运行的演示。这些结果未必会体现在酒吧销售额中。

场所举办的活动进一步强化了这一解读。产品发布和技术讨论可以带来赞助商、私人包场和重复到访的人群。实体地点也让新兴公司有了建设社区的空间，而无需自行组织每一项运营细节。

不过，社区型业务也有自身的限制。受欢迎的房间可能变得嘈杂、拥挤，或被宣传性质的活动主导。如果受众的技术属性下降，早期参与者可能离开。该场所必须在开放性与使其具有价值的人群密度之间取得平衡。

可见度与留存之间也存在差异。Google News 的标题或许能一次性带来好奇的访客，却无法说明开发者会不会在新鲜感消退后继续回来，也无法证明活动能否全年持续支撑这个场所。

这家酒吧的扩张计划加大了这一风险。Reuters 报道称，Song 于 2026 年 6 月在上海开设分店，并希望在北京获得更大的场地。扩张能够检验这一概念是否能超越其最初的人际网络。

上海拥有自己的科技、投资和研究社群。然而，第二个地点无法自动复制在中关村建立起来的关系网络。这个品牌必须吸引当地的组织者和参与者，让他们彼此创造价值。

这使 AGI Bar 不太像一款可复制出相同实例的软件产品。每个地点都依赖当地的人、活动策划和声誉。电脑可以标准化，社群却无法标准化。

这正是这一实体模式开始引起企业买家兴趣的地方。企业已经在 AI 工具上投入重金，但员工获得访问权限后，采用往往就会停滞。一个共享环境能让试验变得可见，并在社交层面更容易被接受。

团队会从身边的案例中学习。一位开发者的工作流可能会触发另一人的想法。非正式交流能够揭示某个智能体为何失败、哪个模型表现更佳，或某个提示词为何变得不可靠。

希望沉淀这些经验的组织，需要的不只是聊天记录。可检索的知识库能够在聚会结束后保留决策、实验和技术背景。否则，有价值的知识就会随参与者离开。

因此，AGI Bar 代表了一种更广泛的设计模式。模型并不总是完整的产品。有时，它是支撑社群、服务或工作流的基础设施，而这些才是创造真正价值的部分。

无限访问遇上有限的商业模式

这家酒吧最重要的披露并非其模型选择，而是老板承认这项经营处于亏损状态。

Reuters 援引 Song 的话称，该场所完全处于亏损状态。他还表示，酒吧送出的饮品约为售出饮品的十倍。这种失衡让免费 token 的承诺更像一项受补贴的实验，而不是已被验证的商业模式。

这份披露异常直接。AI 公司常常宣传低廉的用户成本，却很少公开推理经济账。AGI Bar 将这种不匹配放在同一个房间里：免费饮品、本地电脑和高强度使用同时变得可见。

一家企业可以因多种原因容忍亏损。它可能在打造品牌、吸引赞助商、创造活动收入，或支撑另一项商业活动。老板也可能把这个场所视为社群项目，而非传统酒吧。

现有报道并未说明究竟是哪一条收入来源最终支撑其运营。Yang 不愿披露 token 消耗量，而 Song 强调目前的亏损。因此，读者不应轻易将这种模式称为可持续或可规模化。

拥有硬件会改变成本曲线，但并不保证盈利。购买的电脑可以避免为每次 API 响应单独付费。然而，即使需求上升，其容量仍然固定；随着新系统出现，其价值也会下降。

电力、网络、散热、维护和技术人力仍是持续开支。场所还要承担租金、员工、许可证、物资和活动运营成本。免费模型访问为本已要求严苛的餐饮业务增加了另一项变量。

需求管理带来第二个问题。“无限”很适合营销，但共享系统需要公平使用规则。一个自主编码任务的运行时间，可能比几十个基础问答都长。

智能体会让问题更突出，因为它们能够在无需持续人工关注的情况下反复提交请求。顾客可能启动一个漫长的工作流，然后转而专注于交谈。场所必须决定何时一名用户占用了过多共享容量。

安全性带来另一层不确定性。一个公共网关需要身份验证、速率控制、日志政策，以及针对恶意提示词或受感染设备的防护。顾客也需要了解自己的代码和提示词是否仍然私密。

本地推理可以改善数据控制，但前提是具体实施方式能够支持这一点。该酒吧尚未发布涵盖提示词、留存、日志或管理员访问的隐私政策。用户不应假定“本地”就自动等于“保密”。

模型来源同样重要。South China Morning Post 指出，DeepSeek-V4-Flash 是在本地运行的模型。据报道，该场所更广泛的承诺涵盖多个模型，这可能同时涉及外部 API 和本地系统。

每条路径对数据的处理方式都可能不同。本地请求可能留在场所内部，而云端请求则会传往服务提供商。除非插件明确标识所选端点，否则单个插件可能掩盖这种差异。

性能同样尚未得到验证。Nvidia 表示 DGX Spark 可以运行规模可观的 AI 工作负载，但制造商规格无法说明这家酒吧的真实流量。没有独立基准测试展示拥挤活动期间的响应时间。

该场所也没有公开的服务等级承诺。云服务提供商可以将故障和需求分摊到大型基础设施上。当硬件、软件或连接出现故障时，小型部署的备选方案更少。

这些限制并不会否定这项实验。它们界定了尚未得到证明的内容。AGI Bar 表明，一个小型实体场所能够提供有用的本地推理。但它尚未证明无限访问能够实现自我融资。

亏损披露实际上让这个故事更有价值。它避免让该场所变成一句“AI 正在变得免费”的简单口号。计算成本正在下降，但访问权仍取决于有人选择如何为其买单。

这种选择遍布整个 AI 市场。消费者服务依靠订阅、广告、投资者补贴、设备销售或企业合同。开放模型将部分成本转移给运营者，而托管模型则将成本留在提供商一侧。

AGI Bar 将餐饮和活动也加入了这份清单。它面临的挑战是：在不削弱免费服务所吸引的社群的前提下，围绕该服务找到足够的收入来源。

中国的 AI 采用让这项实验恰逢其时

AGI Bar 出现之际，中国的模型使用正从偶尔聊天扩展到日常工作、编程和基于智能体的任务。

根据一份官方采用报告，截至 2025 年 12 月，中国生成式 AI 用户达到 6.02 亿。报告称，采用率达到 42.8%，这一年内实现了显著增长。

这些数字描述的是庞大的人群，而非 AGI Bar 内部的特定受众。但它们说明了为何一个场所能够将 AI 访问视为可被广泛理解的基础设施，而非面向专业人士的演示。

中国用户也有越来越多的国产模型可供选择。DeepSeek 与 Alibaba、Tencent、ByteDance、Z.ai、Moonshot AI 及其他公司的系统竞争。这种竞争扩大了访问范围，并鼓励开发者在不同模型之间切换。

相比单一品牌终端，这家酒吧的模型网关更契合这个市场。开发者越来越希望拥有能够根据能力、延迟、上下文长度或可用性路由任务的工具。兼容 OpenAI 的接口有助于将编码环境与底层提供商分离。

这种灵活性以微妙的方式给模型公司带来压力。当用户通过一个本地智能体访问多个系统时，场所掌握了直接关系。模型成为共享接口背后的一个组件。

云端公司仍保有重要优势。它们可以快速推出新模型、以更大规模运营，并提供托管安全功能。本地系统则提供控制权、可预测的实体访问，以及让数据留在附近的可能性。

AGI Bar 将这一基础设施选择变成公开演示。访客可以看到电脑、连接自己的工具，并观察其限制。本地推理不再只是抽象的部署图。

该场所也为硬件公司提供了非传统的展示窗口。Nvidia 的 DGX Spark 专为桌面 AI 工作设计，但酒吧内的两台设备让这款产品更容易被更广泛的受众理解。系统成为社交体验的一部分。

这种可见性并不能终结本地与云端推理之间更大的争论。许多工作负载仍将需要数据中心容量。另一些则可以在工作站、公司服务器或个人设备上有效运行。

实际问题在于如何分配。敏感或重复性的任务可以在本地运行。大型、高要求或低频的工作则可以使用托管模型。如果运营者谨慎管理权限和可靠性，网关可以将工作导向任一路径。

AGI Bar 提供了这种混合未来的简化版本。它通过 Wi-Fi 打包访问，将硬件放在用户附近，并将模型选择视为运营细节。这种做法类似于学校、工作室、共享办公空间和企业办公室可能尝试的模式。

不过，机构部署需要更明确的控制措施。企业需要身份管理、审计日志、数据留存规则和可预测的容量。休闲场所能够容忍的那些不确定性，受监管组织无法容忍。

社交环境可能比技术更难复制。公司安装模型服务器，并不会让员工自动协作。他们需要共同的问题、案例和激励机制，才能交流自己发现的内容。

AGI Bar 已经具备这一要素，因为人们来访的部分目的就是结识其他 AI 从业者。机器支撑聚会，但并不创造聚会。

对知识工作者而言，这才是最有用的教训。更好的模型可以减少摩擦，但持久价值来自将生成内容与人的语境连接起来。笔记、源材料、决策和关系决定了一份回应能否变成有用的工作。

该场所的受欢迎程度还揭示了人们对更少正式技术空间的需求。会议需要规划，办公室强化组织边界，线上社群则缺少实体信任。酒吧可以在保持明确定位的同时降低这些门槛。

但如果场所变成旅游景点而非工作型社群，这种优势就会消失。媒体关注能带来触达范围，但也可能改变受众。维持技术密度将需要有意识的活动策划。

三个信号将决定这一模式能否持续

下一阶段取决于重复使用、可信的经济效益，以及证明这一概念能否超越其最初北京社群的证据。

第一个信号是在真实需求下的容量表现。评判 AGI Bar，应看其本地系统在高峰期是否仍然有用。响应时间、排队长度、正常运行时间和活跃用户数，比另一张拥挤房间的照片更能说明问题。

如果该场所扩充硬件或引入透明的使用控制，这将强化 AI 作为共享便利设施的论据。持续拥堵则会削弱这一论据。当用户无法完成有意义的工作时，无限访问的价值微乎其微。

第二个信号是饮品销售以外的收入。活动、赞助、会员制、私人包场或合作伙伴关系，都可以在不对每个 token 收费的情况下支撑社群。现有报道已经表明，聚会构成该场所身份的重要部分。

稳定的收入结构将表明，免费推理是更广泛业务的获客手段。若持续亏损且看不出明确的支撑机制，则说明这项试验依赖所有者补贴。

这一区别很重要，因为补贴可能造成具有误导性的采用率。人们很乐意使用不设计量的服务，但他们的行为并不能证明，他们愿意支付足以覆盖成本的费用。

第三个信号，是上海分店能否形成自身持久的网络。若第二个社区取得成功，将说明 AGI Bar 拥有可复制的运营方法。参与度疲弱则可能意味着，北京门店主要受益于中关村异常集中的人才资源。

扩张也将考验管理能力。宋曾谈及通过 AI agent 自动化库存、预订、公用事业和会员流程。据 Reuters 报道，他还表达了对人形服务机器人的兴趣。

这些新增元素会吸引关注，但并非核心考验。机器人端来一杯饮料带来的是噱头；可靠的基础设施、有价值的聚会和持续回访的用户，才决定场所能否真正运转。

读者还应关注本地推理与商业 API 之间的关系。模型更新可能改变硬件要求、质量与运营成本。今天运行良好的系统，可能在服务商调整产品后失去吸引力。

DeepSeek 于 2026 年 8 月发布了更新后的 V4 服务，并调整了其 API 结构。这一时点让该酒吧的本地部署格外引人注目。未来的版本将显示，小型运营者能否在不干扰客户的情况下快速更新。

隐私实践同样值得关注。一份公开的政策，说明路由方式、数据保留和管理员访问权限，将提升该服务的可信度。若保持沉默，严肃用户就会不确定是否应提交专有代码或文档。

因此，该场所提供的免费 DeepSeek tokens 只是开场。可持续的产品必须结合算力、信任与社区经济。与维持其背后的一切相比，取消使用计量要容易得多。

Google News 让 AGI Bar 成为可传播的趣闻，但这项试验值得以更严格的视角解读。它让人得以一窥 AI 如何成为实体空间中的环境式基础设施，也说明了为什么访问永远不会真正毫无成本。

开发者和企业采购方应关注新鲜感消退后会发生什么。本地 AI 是否仍然响应迅速，参与者是否会回归，以及该场所是否披露了可行的支撑模式？这些答案将决定 AGI Bar 是早期范本，还是一个有趣的例外。

如果你的组织像提供 Wi-Fi 一样随意地提供共享 AI，用户会拿它做什么，又由谁承担成本？追踪人们反复使用的工作流，保留他们产出的知识，并衡量完整的运营负担。下一则重要的 Google News 故事，不会是关于又一个主题房间，而会是关于一项共享 AI 服务——它证明当免费访问不再新鲜后，人们依然会回来。