2026-09-21 · 来源：{'name': '虎嗅·中继', 'url': 'https://www.huxiu.com/article/4892991.html'}
API单价两年大跌，企业AI综合成本却居高不下，按Token计费模式遭反思。
过去两年，大模型行业最惨烈的战役是价格战，单次API调用成本较此前大幅下降，“AI太贵”的抱怨却不减反增。据微信公众号“数智人文观”作者何菲的文章，盛大网络、连尚网络创始人、20岁开始创业并与张小龙、雷军同期的初代程序员陈大年提出一个判断：本地模型试图解决的核心痛点，除安全隐私外，正是“贵”。此前业界讨论多聚焦模型能力边界、Agent形态与本地AI崛起，成本议题相对被冷落。
这种“贵”更多源自商业模式而非技术必然。主流AI服务深度绑定云端：用户在终端发起请求，远端数据中心随即调度GPU集群，千亿参数模型完成繁重的矩阵运算，再把结果沿光缆传回。模型越大、上下文越长、推理越复杂，芯片、电力、服务器与网络开销就越高。这与传统软件形成鲜明对比——Office买断后可长期使用，微软不会因每次打开Word重新收费，App生态也不按点击计费；而AI每对话一次、每执行一步推理，都会产生新的计算成本。
对个人从业者，每月几百美元的模型订阅费已构成压力；对企业，一旦AI从偶尔使用的聊天工具变成长期运行的生产系统，模型调用、Agent执行、工具使用与反复推理的成本会进一步放大。真正具备革命性价值的AI需深度嵌入企业核心业务流：一夜之间读取数以万计的内部文档，高频调用外部工具，在逻辑死胡同里反复自我验证与重试。一条宏观任务指令在模型黑盒中往往被拆解为成百上千次推理调用，按Token计费的模式令总成本随之膨胀。
文章据此提出：真正该追问的不是AI智商上限，而是其商业运行逻辑——“贵”在一定程度上抑制了AI的主动性，理清成本结构，方能看清下一代人工智能的走向。
萬安算交所 AIXX · 算力硬件实名会员制交易平台 · 进入货源大厅