社交媒体称“无限 Token”试验暴露企业 AI 成本与管理压力

### 相关链接 Token太贵 中国开源模型霸榜 ### 核心信息（时间标注：2026年2月，即1个月前） OpenRouter数据显示，2026年2月中国AI模型调用量三周大涨127%，首次超越美国，全球前五中占据四席，合计占比85.7%。一年前份额尚不足2%。 最新的2月16日至22日的周榜单中，平台调用量排名前五的模型中，有四款来自中国厂商，包括MiniMax的M2.5、月之暗面的Kimi K2.5、智谱的GLM-5、DeepSeek的V3.2。这四款模型合计贡献了Top 5总调用量的85.7%。 ## Token消耗的底层逻辑变了 OpenRouter与a16z联合发布的《2025 AI使用报告》，覆盖超100万亿Token的匿名元数据。里面有一组数据极其关键——编程任务的Token占比从2025年初的11%飙到了50%以上，成为平台最大的单一使用品类。同时，Agent驱动的工作流（模型自主执行多步骤任务）产生的输出Token已超过平台总输出的一半。 过去的问答式AI，一轮对话消耗几百到几千Token，用户不再提问，Token就不会再消耗。Agent模式下，机器可以持续在后台跑流程。 OpenRouter自身的数据：2月9日当周，平台处理了13万亿Token，1月第一周是6.4万亿，一个月翻了一倍。平台最新周Token总量12.1万亿，是一年前的12.7倍。 AI的使用模式从“对话型”切换到了“流程型”，Token消耗从“按次”变成了“按流量”。成本敏感度被急剧放大。 ## Agent模型组合背后的机会 极端假设Agent全天候运行，每天吞掉数十亿Token。在这种负载下，价格差距就是生死线。 [...] hk.finance.yahoo.com www.esmchina.com www.moomoo.com m.bbtnews.com.cn www.hstong.com m.leiphone.com www.eet-china.com www.cww.net.cn www.beijingprice.cn www.idc.com introl.com unifuncs.com www.stashaway.hk www.ebrun.com m.huxiu.com view.inews.qq.com www.hstong.com www.

法律信息 版权声明 用户协议 付费内容订阅协议 商品购买协议 隐私政策 Image 14: qrcode 华尔街见闻APP Image 15: qrcode 华尔街见闻公众号 Image 16: qrcode 微博@华尔街见闻 违法和不良信息 举报电话: 021-60675200（周一到周五9:30-11:30，13:00-18:30） 举报邮箱: contact@wallstreetcn.com 网站举报: 点击这里 违法和不良信息举报受理和处置管理办法 清朗·财经违规内容专项整治公告 涉企虚假不实信息举报专区提交举报 网络辟谣专区 Image 17中央网信办 违法和不良信息 举报中心Image 18上海市互联网 违法和不良信息 举报中心 友情链接 腾讯财经 财经网 澎湃新闻 界面新闻 全景财经 陆家嘴金融网 富途牛牛 网易财经 凤凰网财经 虎嗅 金融界 TradingView chinabiz insider llms.txt llms-full.txt sitemap news sitemap chinabiz insider sitemap © 2024 上海阿牛信息科技有限公司 沪ICP备13019121号Image 19 沪公网安备 31010602008394 号增值电信业务经营许可证沪B2-20180399 Image 20Image 21Image 22 请用微信扫描二维码 与客服联系[]( [...] 高端案例： Workday、Stripe：员工月度预算约2000美元 上市网络安全公司：初级员工每月800美元，高级员工1600至4000美元，数据科学家获最高额度 大型旅游科技公司（1500名员工中800名工程师，年AI支出接近1000万美元）：默认每人每月200美元，根据职位可增至数万美元 Image 4 预算设定逻辑也各有不同。一家美国三大航空公司之一的做法最为特殊：Token分配直接与具体项目及预期营收挂钩。例如，一个预期营收1000万美元的项目，财务团队批准100万美元总支出预算，团队再自行决定其中多少比例用于Token

Artefact - The Bridge (Logo) Artefact - 桥（标志） 关于我们 全球办公室 隐私政策 Data 隐私 Cookies 减碳计划 职业平等指数 一般条款 ARTEFACT AI is about People 页面加载链接 The Bridge [...] ## 民主化悖论 在成本动态的背后，还有一个更深层次的矛盾值得一提：使人工智能更容易获得的力量，同时也使其经济性在规模上更难以为继。. OpenClaw 或许是最明显的例证。作为构建代理人工智能系统的开源框架，它大大降低了创建复杂的多代理工作流程的门槛。现在，一个小团队就能构建一个人工智能驱动的产品，而两年前这需要一个专门的基础设施团队。这是一个真正的转变，它所创建的生态系统将其定位为个人和企业人工智能的操作系统。. 但是，民主化也有其自身的成本曲线，我认为业界对这一点的认识还很迟钝。当创建代理变得非常容易时，企业往往会创建很多代理。每个代理都会消耗代币。每个多代理互动都会成倍增加消耗。其复合效应是，使人工智能变得强大的可访问性也使人工智能变得昂贵，这并不是因为单个呼叫成本高昂，而是因为呼叫总量的扩展速度超过了任何人的预算。. 这是 代币成本幻象 其最纯粹的形式是：智力的单价在下降，但每项成果所消耗的单位却在以更快的速度上升。. ## 企业的岔路口 路径 A：现场主权。. 构建或租赁专用人工智能基础设施，以实现成本控制、data 主权和监管合规。NemoClaw 和类似的企业发行版使这种做法越来越可行。最适合推理量大、data 敏感或在受监管行业运营的企业。需要权衡资本密集度和操作复杂性。. 路径 B：新云专业化。. 一类新的 cloud 提供商正在崛起，它们专门专注于人工智能计算，而非通用 cloud 服务。这些提供商（CoreWeave、Lambda、Together AI 等）提供经过 GPU 优化的基础设施，其定价模式专为推理繁重的工作负载而设计。它们代表了一条中间道路：cloud 的灵活性，而不完全依赖于超级分频器的定价模式。. [...] ## 消费爆炸 这里是很少成为头条新闻的部分：每个任务消耗的代币数量已经增长了几个数量级，而且还在加速增长。. 一年前，典型的人工智能交互可能只涉及一次提示和回应，总共可能需要 2000

所以咱们选AI别只看价格，免费的不一定最适合你，贵的也不一定就是智商税。 特别是很多创业者或者企业的负责人，总是喊着为什么员工不用AI，但是你又不从制度或基建上支持，让同事们能用上最强大最顺手的AI工具，这就是典型的“又想马儿跑得快，又想马儿不吃草”。 我们内部的做法是，为所有同事搭建通用AI平台，里面能调用各种最新模型，包括你要是想做智能体，也有完善的基础设施，能调用GPT-5、Claude、Gemini等全球顶尖模型。 此外，对于产研或AI相关团队，如果需要高频使用各种AI工具，那就可以自己决定工具的购买。买完后，公司报销90%，个人承担10%。这10%主要是为了确保大家真的会用这些工具。 ## 06 AI使用方式的演变 第五个洞察，是我们使用AI的方式正在改变。 过去20个月里，用户发送给AI的平均提示词长度从1500个token涨到6000多个，增长了近4倍。AI的输出内容也从平均150个token涨到400个，增长了近3倍。 这个变化背后，反映了AI角色的转变：从助手到协作者。 以前我们用AI，更多的是“写个文案”、“翻译一段话”这类简单任务。但现在不一样了，你可以把整个项目背景、相关合作方的特点、你想达成的目标都告诉AI，让它帮你设计一套完整的沟通策略。 AI不再只是直接回答问题，而是帮你理解、分析、提方案，甚至帮你发现你自己都没注意到的问题。 这种使用方式的改变，也带来了一个有意思的现象，叫“杰文斯悖论”。 简单来说，就是AI越便宜，大家用得越多，总成本反而更高。因为当你发现AI能处理更长的上下文，你就会给它更多内容，让它做更复杂的任务，结果就是消耗的token比以前更多。 ## 07 全球AI使用格局的变化 最后一个洞察，是关于全球AI使用格局的变化。 [...] 题图来自Unsplash，基于 CC0 协议。 更多精彩内容，请关注人人都是产品经理微信公众号或下载App Token个人观点行业观察 []( 快刀青衣 苦逼PM，无节操文字流派。无节操有底线 34篇作品 337613总阅读量 在小红书、B站、抖音，他们靠“冥想”月入百万 01-126601 浏览 在小红书、B站、抖音，他们靠“冥想”月入百万 爆款打造：制造风口还是追逐风口 01-314503 浏览 爆款打造：制造风口还是追逐风口 男性和

369 comments ### Transcript: [...] 刚才讲的从0到1的初创公司 可能会用OpenRouter 但是比如说从1到10 它就会混用OpenRouter跟API调用 如果是这种大厂的话 或者是你的业务非常明确的话 它会直接调用大厂的API Anthropic、OpenAI或者Google的API 所以OpenRouter是 对于token的统计量有一定的指向性 或者有一定的prediction（预测） 但并不是包括所有token的调用量 换句话说 OpenRouter的数据 更像是创业公司 和独立开发者群体的风向标 而不是整个AI行业的全景图 但正是这个群体 对价格最敏感 对新模型最愿意尝鲜、迁移成本也最低 这是构成了中国模型出海的 第一波“自来水”用户 如果token是AI时代的“电” 那么总得有人给这些电去装电表 这件事情听上去不够性感 但是看一眼客户名单就知道它有多重要 OpenAI、NVIDIA、Anthropic、Databricks 全部在用同一家公司的计费系统 这家公司就是Metronome Metronome的创始团队背景 很能够说明问题 两位创始人都出自于Dropbox 在那里亲身经历过 一个让所有SaaS工程师都头疼的事情 就是“改定价” 表面上只是把月费调几块钱 背后却要动一大堆 写死在代码里面的计费逻辑 到了AI时代 这个痛点被放大了几个数量级 收费单位不再是“一个人头一个月多少钱” 而是变成了token数、API调用次数 GPU时长 这些颗粒度极细的指标 而且每个客户的合同条款、折扣结构 和用量阶梯可能都不一样 SaaS的成本其实相对稳定 其实就是服务器成本 甚至都是跟云厂商预先商定好的一个价格 但是token公司确实挺复杂的 跟卡本身的情况有关系 跟电的情况有关系 同时其实还跟请求量有关系 它的峰值有时候会挤到一起 大家有时候也有体感 突然哪怕你已经买了最顶级的套餐 你可能也需要排队 [...] 刚好是三个完美的风暴 所有的供应链就跟不上这个节奏 最大的挑战还是建足够多的数据中心 这个是最大的挑战 因为这个是物理上的限制 提效当然是非常重要的 我觉得每一个云服务商 都会紧跟整个技术迭代的步伐 去提升它的token的效率 去降低它的延迟 但是最终我们都被限制在了 我们一共有多少数据中心 有多少卡、通了多少电这件事

哪些情况，会让这个判断失效？ 我会盯住三个反转信号。 使用量追不上效率。 如果同一颗芯片一年能完成三四倍工作，而 AI 使用量只增长一两倍，新增芯片需求就会放缓。试验结束后，企业还可能删除 AI 反复思考、生成无人阅读内容等浪费。 项目迟迟赚不到钱。 现在试用 AI 的企业很多，但真正把能自动完成多步工作的 AI 助手放进多数业务部门的公司仍是少数。试用很多，不等于愿意年年续费。 资金收紧，或者工作量去了别处。 依赖借钱购买芯片、再出租算力的新兴云公司会先承压，要同时观察新订单、延期、取消和客户违约。手机、电脑和企业自建机房也会分走一部分开放模型的工作，公共云不可能拿走全部需求。 这三点目前在我的硅谷一线视角里也不太可能 结论：云巨头不怕菜谱免费，它怕厨房闲下来 开放模型会让中档模型更难维持高价，模型公司的利润可能被竞争压薄，企业也会更频繁地切换模型。但芯片需求还取决于省下来的钱去了哪里。 如果更多人、软件和工作流程因此开始使用 AI，节省会绕一圈，变成新的服务器、电力和内存需求。反过来，如果企业发现回报有限，把钱留在账户里；或者芯片效率提升得远快于使用量，那么今天的数据中心投资就可能显得过多。 云巨头真正害怕的，不是菜谱免费，而是厨房闲下来。现在最值得跟踪的，也不是某个模型又便宜了多少，而是便宜以后，人们究竟多用了多少 AI。 本文仅为个人研究与观点记录，不构成任何投资建议。 资料与延伸阅读 Kimi K3 官方仓库与许可证 Kimi K3 技术报告 斯坦福 2026 AI Index：技术表现 斯坦福 2026 AI Index：产业与应用 Microsoft Foundry：Kimi K2.7 Code 模型页 [...] 假设一家有 80 名工程师的软件公司，把代码解释、测试生成和简单改错接入 Microsoft Foundry。团队每天调用 AI 2000 次；每次平均读入 1 万个 Token，再生成 2000 个 Token。Token 是 AI 处理文字和代码的小单位，可以粗略理解为被切碎的字词。 按 30 天计算，这家公司每个月会用掉： 输入 6 亿 Token； 输出 1.2 亿 Token。 为了把两条路径都放在 Azure