AI应用激增，成本同步飙升。

随着企业为人工智能服务付费的方式，以及词元价格本身均在快速演变，此类差异正变得愈发重要。

定价格局持续演变

个人用户多数通过“消费级”订阅渠道使用大语言模型，这类订阅通常设有词元用量上限，并按固定费率收费。许多低阶订阅方案甚至完全免费。企业用户则多数采用“企业级”订阅方案，用量不设上限，价格通常按用户席位收费。

然而，这一行业模式正在转变。随着词元密集型智能体人工智能问世，词元使用量急增，人工智能服务提供商已开始将收费模式转向与使用量直接挂钩。对许多企业而言，如今的人工智能支出更像“水电煤”账单，而非传统的软件订阅费用。随着这一定价模式的转变，企业成本开始直接与词元使用量及词元价格关联——自2025年12月以来，受数据中心算力需求激增推动，词元价格已上涨超过60%。由于曾经有大量企业竞相涌入词元密集型智能体模型，随后部分企业却因成本高昂而退场，导致词元的价格趋势也一直波动。

有估算显示，在使用Claude企业订阅的公司中，一名软件工程师每月可能产生高达730美元的词元费用。³ 以此类推，假设一家典型的《财富》500强企业拥有5,000名工程师，仅人工智能编程一项的每月开支便超过350万美元。有报告显示，用量最高用户的月度成本已高达数千美元，部分企业甚至在5月前就已耗尽全年的人工智能编程预算。此类用量水平仍在迅速攀升，或已逼近预算瓶颈。

人工智能新策略

这些成本演变态势正在重塑企业行为，并促使各企业重新审视此前以快速扩大人工智能使用规模为首要目标的部署规划。多家科技企业高管坦言，在人工智能用量激增与产品成果提升之间，有时也难以划出明确的因果关系。

即便是人工智能超大规模科技巨头也在反思。已有部分企业因某些外部人工智能工具成本过高而开始缩减内部的使用规模，转而引导员工更多采用自家开发、足以应付大部分工作的内部工具。例如，有公司曾设立内部排行榜，本意是鼓励人工智能应用，但因员工为了提升排名而刻意消耗大量词元，却没有为产出质量带来实际提升，最终被迫取消有关计划。

综合来看，一种模式正在显现：企业正逐步适应人工智能持续上升的成本，它们从盲目扩大人工智能使用规模，转向将资源优化，聚焦于投资回报率最高的应用场景。

“够用就好”的替代方案？

随着企业人工智能成本不断攀升，美国人工智能模型相较于中国竞争对手的边际优势，可能不再是主宰采用决策的唯一因素。中国顶尖大语言模型GLM-5.2的性能表现已与3月份全球最佳模型相当，但使用成本只是当前全球顶级模型的20%左右。对于以成本作为决策因素的企业而言，牺牲一点（有时甚至是非必要的）的质量，换取如此大幅的成本节约，吸引力显而易见。

这一动态对人工智能的未来发展影响深远。类似情况在2010年代的云计算革命中曾经出现：起初被视为稀缺且颇具“神奇”的能力，最终却沦为企业预算中需要优化的一项常规支出。当云计算服务普及后，定价权便从最昂贵的通用型服务提供商转向生态系统中更难替代的环节。

人工智能正沿着相同的路径发展。随着越来越多“足够好”的低成本模型涌现市场，企业或将只在少数高回报的工作场景中保留使用高端模型。其余工作则可能像管理水电费一样，按照用量计费，实行精打细算。

瓶颈创造投资机遇

词元成本飙升是受到需求增长、供应所限而共同驱动。人工智能的需求持续激增，即便部分需求由略逊于前沿水平的模型满足，整体需求仍有很大增长空间。然而，算力供应却因建设大型数据中心所需的时间和精力而受到限制。

随着企业为支持下一阶段的人工智能应用而加大投入，半导体企业、云服务提供商、电力生产商以及人工智能基础设施生态链中的其他环节，仍然是核心受益者。