{"text":[[{"start":10.3,"text":"人工智能被寄予厚望，人们认为它不仅有望改变我们的商业方式，还可能重塑整个经济体。这个行业正在迅速扩张，基础设施投资已吸引数万亿美元资金。这些资金需要获得回报，对人工智能收费的压力也在不断加大。"}],[{"start":29.240000000000002,"text":"多年来，使用人工智能一直要付出代价，但普通消费者可能并未察觉。入门级聊天机器人服务仍然免费，比如询问“用X、Y和Z能做什么菜”；但使用需求更高的人可以使用更多工具。"}],[{"start":44.77,"text":"面向消费者或小型企业的Claude和ChatGPT现成订阅套餐，月费起价为8美元。要进行“更长时间的对话”，月费则需100美元或以上。对于非技术岗位使用的AI助手，这种按席位收费的定价方式很常见。"}],[{"start":64.1,"text":"使用量较大的用户不得不按token付费。2022年，ChatGPT率先采用这种收费方式，其他产品很快跟进。随着AI应用日益普及、任务日趋复杂——例如AI智能体部署增多——token消耗量和AI账单金额都大幅飙升。"}],[{"start":83.55,"text":"随着开发者和服务提供商寻求获得回报，这项科技的经济模式仍在不断演变。本报告探讨token及其定价背后的机制、公司如何管理用量，以及如何衡量其创造的价值。"}],[{"start":98.07,"text":"

Token与成本

"}],[{"start":99.88999999999999,"text":"Token是人工智能系统用来处理、理解和生成文本的信息片段。不同服务商对token的单位大小定义各异，一个token可以由一个字符到多个字符组成。每家开发商的不同模型都会将查询拆分成固定数量的token，但使用更先进的模型处理同一查询会花费更多，因为更深入的推理需要更多算力(compute)。"}],[{"start":123.65999999999998,"text":"例如，Anthropic推出的Claude模型系列包括Haiku（能力最基础的型号）、Sonnet、Opus和Fable。它们使用相同的协议，但Haiku的token价格最低。Fable的推理能力最强，因此使用成本更高。"}],[{"start":null,"text":" "}],[{"start":140.89999999999998,"text":"每次查询及其回答都涉及输入token（用户在提示词中提供的内容）和输出token（生成回答的内容）。输入token价格较低，因为读取文本所需的计算量很小。输出token价格较高，因为生成文本需要反复进行前向计算，计算量也更大。"}],[{"start":161.28999999999996,"text":"一项任务的最终费用取决于所需的处理量。费用会受到与查询相关的token数量，以及读取输入和生成输出所需算力的影响。即使查询和回答都很短或很简单，使用前沿模型的费用也更高。"}],[{"start":178.23999999999995,"text":"尽管人工智能技术日益复杂，但人工智能究竟是运用逻辑和推理得出答案，还是仅仅依靠复杂的模式匹配，仍有争议。"}],[{"start":187.96999999999994,"text":"

定价演变

"}],[{"start":189.78999999999994,"text":"人工智能模型刚推出时，服务提供商着力吸引客户使用自家平台。与优步(Uber)早期的做法颇为相似，人工智能公司免费提供产品，以扩大用户采用并增强用户对模型的依赖。随着模型规模扩大、训练成本飙升，所需电力和基础设施也随之增加，服务提供商已无力继续补贴这笔开销，投资者则施压要求它们实现商业变现。"}],[{"start":216.21999999999994,"text":"与此同时，随着产能扩大，开发者发现自己无法锁定客户，token平均价格因此下跌。10月初，Silicon Data编制的大型语言模型Token支出指数跌至95美分，为该指数九个月历史上的最低水平。由于AI模型不依赖特定基础设施，用户转换服务的成本很低；这也解释了谷歌(Google)为何试图将云存储与Gemini按席位订阅捆绑销售，以提高用户黏性。"}],[{"start":null,"text":" "}],[{"start":245.07999999999993,"text":"尽管token价格下跌，AI重度用户的支出却在增加，主要原因是需要大量算力的智能体日益普及。"}],[{"start":253.65999999999994,"text":"前沿人工智能公司Adaption Labs联合创始人兼首席执行官萨拉•胡克(Sara Hooker)表示：“引入智能体工作流后，整个动态都变了。”她说，在智能体出现之前，向单个模型提出一个问题，就能得到一个直接明了的答案；而有了智能体工作流，一切都变成了“长周期”的。"}],[{"start":273.85999999999996,"text":"“你可能会让一个模型想办法高效地把你从A点送到B点。它会调用大量工具，然后发现，哇，我不太确定自己的答案，于是又调用更多工具。”从本质上说，智能体会不断查询数据，直到确信答案完整为止。这个过程由智能体自主进行，很难中断。"}],[{"start":295.59,"text":"这彻底改变了定价机制，使费用变得更加难以预测。胡克说：“具体用多少token取决于任务的复杂程度，复杂任务会消耗多得多的token。”因此，计费金额大幅增加。"}],[{"start":310.66999999999996,"text":"人工智能支出不断攀升，凸显出公司每天消耗的算力之多：总体支出已呈指数级增长。"}],[{"start":318.25999999999993,"text":"AI供应商管理平台Ramp表示，截至2026年6月的18个月内，企业AI支出增长近六倍，原因是企业使用更多token处理更复杂的任务。过去9个月，企业在AI算力上的总支出增长了60%。"}],[{"start":null,"text":" "}],[{"start":334.92999999999995,"text":"即使是主流企业，支出也在增加。涵盖大多数处于早期采用阶段的公司的月均每名员工支出(PEPM)，从2024年1月的2.86美元升至2026年7月的11.95美元。对于已广泛采用这项科技的支出最高的1%企业，PEPM中位数则从755美元升至7400美元。摩根大通(JP Morgan)援引Ramp AI于6月发布的数据称，排名前1%的AI用户通常从事复杂的编程任务，其token消耗量是普通用户的600倍。"}],[{"start":369.49999999999994,"text":"胡克认为，token使用量将继续增长；由于Anthropic和OpenAI即将首次公开募股，两家公司将对投资者负责，价格也会因此上涨。"}],[{"start":380.22999999999996,"text":"胡克表示：“业界普遍认为，目前token定价并不合理。等到IPO完成后，这些利润率将立即面临压力，必须变得更加合理。”"}],[{"start":null,"text":" "}],[{"start":391.79999999999995,"text":"对于那些认为大规模扩建产能将很快使token沦为大宗商品的人，胡克表示，智能体AI日益增长的需求很容易消化新增产能。胡克说：“这类工作负载截然不同。智能体工作流对算力的需求要高得多，而且所需算力规模也更难预测。”"}],[{"start":411.67999999999995,"text":"计算能力供应商“身处一个可以自行决定向前沿实验室出售算力价格的市场”。这将对产业链各环节的定价产生连锁影响。"}],[{"start":422.71999999999997,"text":"

价值转移

"}],[{"start":424.55999999999995,"text":"前沿模型必须产生回报，这一要求改变了企业使用这项技术的方式。鉴于使用AI成本高昂，部署能否带来回报变得更加重要；企业免费开展试点项目、进行试验的日子已经一去不复返。"}],[{"start":440.54999999999995,"text":"与此同时，越来越复杂、成本越来越高的AI所创造的价值也更难评估。智能体或许能提高生产率，但随着其推理和工具调用链条日趋复杂，成本可能超过收益。"}],[{"start":null,"text":" "}],[{"start":454.55999999999995,"text":"衡量AI的价值向来很难，尤其是评估编程等复杂任务时。不过，一些替代指标可以提供参考。一种方法是考察以往不借助AI完成任务所节省的时间。重新设计工作流程可以为整个团队节省时间；将节省的时间与支出进行对比，便能大致了解AI对企业的价值。"}],[{"start":478.21999999999997,"text":"

如何控制成本

"}],[{"start":480.15999999999997,"text":"采用AI已不再是可选项，因此控制相关成本至关重要。尽管token价格尚不确定，而且不同用途的token需求差异很大，导致成本难以估算，企业仍需管控token采购。"}],[{"start":494.59999999999997,"text":"企业可以通过货比三家来控制成本。Ridgeline首席执行官戴夫•布莱尔(Dave Blair)表示，如今有更多模型提供了质量过硬的选择。Ridgeline为资产管理和财富管理机构打造覆盖前台至后台的原生AI平台。布莱尔说：“过去六个月，Claude有一项能力胜过竞争对手，人们也愿意为此付费。”"}],[{"start":518.51,"text":"不过，Claude的领先优势正在缩小，并非所有公司都负担得起Salesforce预计在2026年向Anthropic支付的3亿美元。这笔金额或许是个例，但成本上升仍促使企业另寻出路。"}],[{"start":null,"text":" "}],[{"start":533.61,"text":"布莱尔表示：“其他模型提供商仍在不断提升模型能力，之后你就可以考虑使用哪些模型：人们正在转向[开放权重模型]以节省成本。”"}],[{"start":544.54,"text":"尽管模型的来源、托管地点和访问方式都引发了担忧——尤其是中国人工智能(Chinese AI)，鉴于人们认为它存在安全风险，且受到政治限制——但“归根结底，他们会使用开源模型来降低成本”。"}],[{"start":557.5799999999999,"text":"数据为此提供了依据。Ramp AI指数显示，2026年7月，超过6%的采用AI的企业使用了开放权重AI，高于1月的4.5%。"}],[{"start":569.8199999999999,"text":"开放权重模型，如深度求索(DeepSeek)或Meta的Llama，允许用户在自己的服务器上部署这类技术，并利用专有数据针对特定需求微调系统。闭源权重模型——例如OpenAI的GPT系列和Anthropic的Claude——则不允许用户这样访问模型，因此用户若想调整模型的回答，只能改进提示词。"}],[{"start":591.8299999999999,"text":"另一种做法是让工具适配任务：基础功能无需使用最复杂、成本最高的前沿模型。布莱尔表示：“人们过于依赖最好的模型……而大多数任务其实根本用不着它。”"}],[{"start":605.7199999999999,"text":"同一模型家族内的token价格差异很大——Claude模型每百万输入token收费1至10美元，每百万输出token收费4至50美元——因此，使用更简单的模型可能带来显著影响。模型路由有助于实现这一点：通过OpenRouter等软件，将提示词发送给最适合问题复杂程度、且成本最低的模型。"}],[{"start":628.2799999999999,"text":"企业还可以依靠自身积累的知识来减少低效。Mindbreeze是一款面向企业的AI与知识管理引擎。其首席执行官丹尼尔•法尔曼(Daniel Fallmann)表示，人们倾向于为AI查询提供更多上下文，并让它搜索答案的所有变体，却忽视了这种做法是否高效，从而推高了AI开支。"}],[{"start":649.9599999999998,"text":"“如今，如果有模型能够接收更多上下文，我们都会为此欢呼；但我们把所有内容都喂给它，让它自行挑选有用的信息，再返回正确答案。”担心失去竞争优势，促使用户针对同一主题向多个模型提问，这同样造成了浪费。"}],[{"start":667.2499999999998,"text":"Mindbreeze涉足“洞察引擎”领域，相关服务商帮助企业员工获取企业知识。该公司创建并管理机构知识库，这些知识库基于专有数据构建，能够结合企业自身的背景和历史信息回答内部查询。此外，系统还可自动补充外部搜索获取的信息，避免重复处理，并减少回答类似主题的新查询所需的算力。"}],[{"start":691.7799999999997,"text":"如果没有这一层，不同员工提出类似查询时，每次都需要重新处理相同的上下文。结果可能是，智能体调取的不仅是最新合同，还包括所有旧版本。法尔曼表示：“这有点奇怪，因为你消耗并付费的不只是token数量……还包括处理这些上下文所需的算力、能源以及数据中心扩容。”"}],[{"start":715.3599999999998,"text":"缓存此类查询并更多地利用内部已有知识，有助于公司提高效率，在减少token浪费的同时，提供更符合自身需求的答案。"}],[{"start":725.1899999999998,"text":"监控员工的使用情况，是防止支出失控的关键。这正是“每名员工每月”这一衡量指标发挥作用的地方：公司可以看出哪些员工的token账单远高于同事平均水平，并据此判断他们是否取得了成果，还是只是使用不当。"}],[{"start":742.2399999999998,"text":"Ridgeline的布莱尔说：“如今出现了一个全新的领域，专门利用上下文工程，因为你完全可能非常低效地使用Claude，白白耗费大量token。现在，你必须更聪明地使用它，并尽可能提高使用效率。”"}],[{"start":758.0099999999998,"text":"

自建模型的动力

"}],[{"start":759.9899999999998,"text":"胡克所在的公司帮助企业打造更具定制性和适应性的模型。她表示，开源版本未必能解决计算能力需求这一难题。"}],[{"start":770.7099999999998,"text":"“即便是开放权重模型，如果通用性过强，效率也可能很低。我们已经能从中国人工智能公司月之暗面(Moonshot)的最新模型Kimi身上看到这一点。这些模型拥有1万亿个参数，因此也极其消耗算力。”"}],[{"start":786.7599999999998,"text":"对于许多执行明确任务的企业而言，打造定制化AI模型可以大幅降低计算负担。尤其对细分领域的运营商来说，不把数据交给外部开发商也可能是更明智的选择；其中一些开发商曾利用此前积累的知识，直接进入自己过去服务过的行业开展业务。"}],[{"start":806.2599999999998,"text":"胡克问道：“企业正逐渐意识到，它们希望[构建并]拥有自己的模型，这不仅是出于token使用方面的考量，更因为从中期来看，优势在于它们掌握着数据。为什么要把数据提供给另一家公司？”"}],[{"start":821.6099999999998,"text":"如今，构建模型已不再困难。胡克表示，教会模型自我训练、自动处理数据并自主改进的能力，甚至一年前还不存在；这些能力降低了开发风险。"}],[{"start":834.2799999999997,"text":"自行构建模型还能降低企业面临的风险：大型知名前沿模型的定价可能随时变化。胡克表示：“人们不想依赖少数几家公司。”如今，相较于作为此前自研理由的主权人工智能，企业更关注通过内部开发来对冲token成本上涨的风险。"}],[{"start":854.1899999999997,"text":"较早采用AI、如今面临高额账单的大型企业，有明确动机转而自行开发模型；与此同时，中型企业也有机会跳过使用前沿模型时的磨合阵痛。科技发展如此迅猛，行动较慢的企业最终可能反而占优，直接着手构建自己的模型。"}],[{"start":872.8399999999997,"text":"

下一步何去何从？

"}],[{"start":875.0899999999997,"text":"AI token定价的未来正处于关键节点。一方面，基础设施容量扩张可能预示着token将日趋商品化，进而压低价格。另一方面，算力需求上升，又恰逢前沿模型开发商上市，服务提供商将提高价格，以确保资方获得回报。"}],[{"start":894.7699999999996,"text":"无论哪种力量占据上风，致力于部署人工智能的企业面临的趋势都没有变化：人工智能支出正在迅速增长，这要求企业重新审视资本配置。"}],[{"start":905.9299999999996,"text":"具有前瞻性的企业正不再将人工智能视为IT间接费用，而是把它视为提升运营能力的主要驱动力。管理团队开始以token消耗取代传统劳动力成本，这一转变在软件开发等专业领域加速尤为迅速。美国咨询公司贝恩(Bain)指出了这一转型的规模：该公司预计，企业最终将把人力成本的20%至30%直接转为token支出。"}],[{"start":933.2699999999996,"text":"然而，将人员编制预算转投token基础设施会带来运营风险。资本重新配置必须转化为实际价值，因此企业需要严格监督AI支出，并建立防范无效token消耗的保障机制。"}],[{"start":948.0999999999997,"text":"这场转型的赢家，将是那些明白为何部署人工智能、并能衡量其收益的企业。"}]],"url":"https://audio.ftcn.net.cn/album/a_1792217758_7678.mp3"}