每一家提供国产大模型服务的企业，生存的根基不仅在于算法模型本身，更与稳定的网络通信服务以及不可或缺的算力资源密切联系。用户轻点屏幕，提一个简单的问题，看似未消耗多少算力资源，但当这个简单操作的基数膨胀至数千万乃至数亿的月活用户，日复一日地输入提示词，算力的消耗量就变成了一个天文数字。

更底层的制约在于，驱动这些庞大数据中心运转的电力，总供给量在特定时期内是相对有限的。当人工智能大模型化身“吃电怪兽”，对电力的胃口大开时，算力资源会在用户量的井喷之下变得捉襟见肘。这不是一家企业的问题，而是整个行业要面对的基础性课题。继续沿袭免费的老路，意味着要在有限的能源盘子里进行无限的需求供给。

如果把观察的焦距拉长，用一种更客观的视角审视，在总体算力资源存在客观上限的背景下，没有一家企业能够永远做赔本赚吆喝的买卖。为了填补那个由高昂算力成本撕开的巨大缺口，不同的企业会根据自身资源禀赋和技术优势，探索出形态各异的收费路径。因此，未来的人工智能服务市场可能不再考虑是否免费的问题，而是如何兼顾免费和收费。

不过，付费与否并不影响人工智能服务提供者法定的数据安全保护义务。从我国现行的法律框架审视，所谓“以免费换安全”的逻辑，与数据安全法、网络安全法等立法的核心目标明显相悖。法律为企业设定的数据安全保护义务，是一个刚性的、不以服务是否收费为转移的基线。无论企业提供的人工智能服务是收取会员费、按次计费还是永久免费，只要处理了用户的数据，就必须承担起相应的法定保护义务。至于义务的具体内容和履行方式，则与企业自身的业务范畴和技术能力范围有关，免费从来都不是免责的挡箭牌。当人工智能服务进化为企业级的专业生产工具时，其所处理的数据类型会延伸至重要信息范畴。那么，服务提供者就要采用相较普通消费级场景更为严格的数据安全保护措施。

要注意的是，当下的人工智能服务治理实践应当注意服务中断或终止所产生的安全风险。这种风险的成因，既涵盖内外部的网络安全攻击，也包括服务提供者在市场竞争中失利所导致的服务能力下降。因此，人工智能服务提供者的数据安全保护义务内容也要有所延伸，将网络安全法、数据安全法等现行立法所规定的应急处置机制与人工智能中断、终止安全风险予以绑定。在未来，人工智能收费服务的竞争优势，在于相关服务能够满足用户个性化需求，也在于为用户提供可信任的持续稳定服务。