大厂降价能否破解Token贵困局

算力紧缺引发供需失衡

　　“大厂涨跌都是营销行为，真正的公允价是市场来决定。”北京物联网智能技术应用协会副会长、中关村大数据产业联盟副秘书长颜阳向记者表示，中低端、泛用型的词元价格将不可逆地走向“免费化”和“白菜价”，但代表行业天花板的、具备超级推理能力的顶级旗舰词元，短期内依然存在局部上调或保持高位的可能。

　　对于降价原因，小米公司表示，由于在推理系统上的持续优化，在模型架构上积极的创新，从而降低了理论成本。同时，通过优化专家并行方案、输入长度分桶策略等，进一步提升了计算集群输入吞吐能力，从而在保障服务质量的前提下持续降低单位词元服务成本。不过，小米公司也表示，市场“Token贵”的反响，还有一部分原因是头部大模型的参数量、上下文越来越长，越强大的模型本身推理一次的成本也就越高。

　　事实上，词元作为AI时代的基础计量单位，正从纯技术概念演变为像“水电气”一样不可或缺的资源。“Token贵”是今年以来很多AI使用者的“体感温度”。

　　“感受到一定压力，Token价格上涨会影响我们的文本策划、脚本、分镜和提示词优化成本。”武汉杨涵涵文化传媒有限公司公共关系负责人刘畅告诉记者，对AIGC内容制作公司来说，成本压力并不只来自“Token单价”，而是来自整个AI内容生产链条的综合成本上升。

　　“虽然现在国产模型也有很多比较便宜的选择，但真正让我觉得贵的，是你不知道它什么时候会突然变贵。”武汉大学信息管理学院学生小李的经历颇具代表性。他告诉记者，自己已经从按量充Token转向订阅制服务，但额度限制和不可预测的成本依然困扰着他。

　　清程极智联合创始人师天麾在接受记者采访时表示，去年各大模型厂商折扣力度较大，但今年明显收紧。“今年有的厂商即便买很大的量都不打折，在紧缺的时候甚至要加价去买Token。”

　　“尽管有的大厂为了抢客户会大幅降价，但赔本赚吆喝是不可持续的。”颜阳分析认为，涨价背后不仅是硬件成本压力，还有三笔“隐形账”：前期“价格战”的理性回归、高质量数据原材料价格上涨，以及安全合规成本的增加。“大部分厂家的涨价其实是商业模式在向健康、可持续的方向回归。”

　　“Token贵的本质是因为供需关系失衡。”师天麾指出，今年Token需求量增长很快，DeepSeek迭代更带来了新的爆发，但算力总量的增长远不及此。

　　这一矛盾直接传导至服务质量。师天麾团队长期对云服务商进行评测，发现近几个月服务质量“明显变差”——原来3至5秒能返回的调用，现在十几秒、30秒甚至上百秒的情况经常出现。“用户的调用量太大，服务商那边资源不够，大家就去抢资源、去排队，本质上还是Token产量不够，或者说算力不够导致的。”

　　更值得关注的是，大客户已开始提前锁定产能。“一些大企业已经把很大一部分Token产量预定得七七八八了。”师天麾透露，这种“抢跑”现象，或将加剧中小企业的算力获取难度。

“Token焦虑”源自“黑盒”风险

　　对于普通用户而言，对于Token贵的焦虑不仅在于价格本身，更在于成本的不透明与不可控。

　　小李描述了使用AI Agent时的典型困境：“让它改一个项目、读一堆文件、跑测试、总结错误，它每一步都要消耗Token。失败一次再重试，Token就会滚得很快。”更让他焦虑的是成本难以预测——“一个任务开始前，我不知道它最后会花5毛、5块，还是更多。任务做到一半的时候也很尴尬：已经花了不少Token，不继续感觉前面都浪费了，继续又怕越陷越深。”

你说你给我用的是这个模型，但到底是不是真的是这个模型，我是不知道的。

　　这种“黑盒”特性也让行业乱象难以根治。师天麾指出，有些服务平台其实就是一个“黑盒”——用户输入信息、获得返回，但中间过程完全不可见。“你说你给我用的是这个模型，但到底是不是真的是这个模型，我是不知道的。”用户感觉模型“变笨”了，却难以验证和维权，“花了一样钱结果被坑了”的情况时有发生。

　　小李的期待则更为朴素：Token不一定要越便宜越好，更重要的是透明和可控。“比如任务开始前能不能给一个预算预估，快超预算的时候提醒我，告诉我哪些步骤最耗Token，或者允许我设置一个上限。”

多元探索破局之道

　　面对“Token贵”困局，产业链各方正在探索多元破解路径。

　　制度创新层面，国家数据局近期在政策中首次明确提出“探索词元（Token）交易等新型交易模式”。颜阳认为，这将使AI资源彻底解耦，变成“按滴计费”的水电模式，“企业用多少、买多少，成本能实现精确到分厘的精细化控制”。

　　基础设施层面，三大运营商近期纷纷上线超低价Token套餐，颜阳认为这将起到“定海神针”作用。更深层逻辑在于“东数西算”战略——运营商在西部用廉价绿电建设“Token工厂”，通过“算电协同”从能源源头对冲高端芯片溢价。不过师天麾也提醒，运营商的技术优化能力“在行业里肯定不是顶尖的”，其低价策略更多是大批量采购的成本优势，且仍存在“黑盒”问题。

　　工程创新层面，“大小模型混合编队”和智能路由技术成为降本新思路。师天麾介绍，清程极智的AIP智能路由系统通过7×24小时不间断评测，将用户请求自动导向服务质量最优、成本最低的服务商；同时采用模型组合策略——小模型处理80%常规业务，大模型专攻20%核心逻辑，不必挤在一个模型上。

　　“从长期来看，Token的价格还是要降下来的。”师天麾判断，“在中国，它要成为AI时代的水电，那就会像水电一样便宜。”他对国产硬件充满信心：“中国芯片过些年就会像手机、汽车一样，在全世界都是性价比非常高的。”

　　颜阳建议，政府层面应“搭舞台”而非“限票价”：精准发放“词元券/算力券”补贴初创团队，推动公共数据合规开放以降低“饲料价格”，同时扶持国产大模型工程生态与智能体安全环境。

　　对于中小企业，师天麾建议采取“先探天花板、再找最优价”的两步走策略：先用最好的模型了解AI在当前阶段能达到的效果上限，再在业务稳定后尝试换用更小、更便宜的模型，摸索效果与成本的最佳平衡点。

　　“降本不能只靠某一个环节，而是需要产业链协同。”刘畅表示，从产业发展角度看，Token成本下降会直接推动AI应用普及。只有让更多中小企业和内容团队用得起、用得稳、用得好，AI才能真正从技术热点变成产业生产力。