AI應用激增，成本同步飆升。

隨著企業為人工智能服務付費的方式，以及詞元價格本身均在快速演變，此類差異正變得愈發重要。

定價格局持續演變

個人用戶多數通過「消費級」訂閱渠道使用大語言模型，這類訂閱通常設有詞元用量上限，並按固定費率收費。許多低階訂閱方案甚至完全免費。企業用戶則多數採用「企業級」訂閱方案，用量不設上限，價格通常按用戶席位收費。

然而，這一行業模式正在轉變。隨著詞元密集型智能體人工智能問世，詞元使用量急增，人工智能服務提供商已開始將收費模式轉向與使用量直接掛鈎。對許多企業而言，如今的人工智能支出更像「水電煤」賬單，而非傳統的軟件訂閱費用。隨著這一定價模式的轉變，企業成本開始直接與詞元使用量及詞元價格關聯——自2025年12月以來，受數據中心算力需求激增推動，詞元價格已上漲超過60%。由於曾經有大量企業競相湧入詞元密集型智能體模型，隨後部分企業卻因成本高昂而退場，導致詞元的價格趨勢也一直波動。

有估算顯示，在使用Claude企業訂閱的公司中，一名軟件工程師每月可能產生高達730美元的詞元費用。³ 以此類推，假設一家典型的《財富》500強企業擁有5,000名工程師，僅人工智能編程一項的每月開支便超過350萬美元。有報告顯示，用量最高用戶的月度成本已高達數千美元，部分企業甚至在5月前就已耗盡全年的人工智能編程預算。此類用量水平仍在迅速攀升，或已逼近預算瓶頸。

人工智能新策略

這些成本演變態勢正在重塑企業行為，並促使各企業重新審視此前以快速擴大人工智能使用規模為首要目標的部署規劃。多家科技企業高管坦言，在人工智能用量激增與產品成果提升之間，有時也難以劃出明確的因果關係。

即便是人工智能超大規模科技巨頭也在反思。已有部分企業因某些外部人工智能工具成本過高而開始縮減內部的使用規模，轉而引導員工更多採用自家開發、足以應付大部分工作的內部工具。例如，有公司曾設立內部排行榜，本意是鼓勵人工智能應用，但因員工為了提升排名而刻意消耗大量詞元，卻沒有為產出質量帶來實際提升，最終被迫取消有關計劃。

綜合來看，一種模式正在顯現：企業正逐步適應人工智能持續上升的成本，它們從盲目擴大人工智能使用規模，轉向將資源優化，聚焦於投資回報率最高的應用場景。

「夠用就好」的替代方案？

隨著企業人工智能成本不斷攀升，美國人工智能模型相較於中國競爭對手的邊際優勢，可能不再是主宰採用決策的唯一因素。中國頂尖大語言模型GLM-5.2的性能表現已與3月份全球最佳模型相當，但使用成本只是當前全球頂級模型的20%左右。對於以成本作為決策因素的企業而言，犧牲一點（有時甚至是非必要的）的質量，換取如此大幅的成本節約，吸引力顯而易見。

這一動態對人工智能的未來發展影響深遠。類似情況在2010年代的雲計算革命中曾經出現：起初被視為稀缺且頗具「神奇」的能力，最終卻淪為企業預算中需要優化的一項常規支出。當雲端計算服務普及後，定價權便從最昂貴的通用型服務提供商轉向生態系統中更難替代的環節。

人工智能正沿著相同的路徑發展。隨著越來越多「足夠好」的低成本模型湧現市場，企業或將只在少數高回報的工作場景中保留使用高端模型。其餘工作則可能像管理水電費一樣，按照用量計費，實行精打細算。

瓶頸創造投資機遇

詞元成本飆升是受到需求增長、供應所限而共同驅動。人工智能的需求持續激增，即便部分需求由略遜於前沿水平的模型滿足，整體需求仍有很大增長空間。然而，算力供應卻因建設大型數據中心所需的時間和精力而受到限制。

隨著企業為支持下一階段的人工智能應用而加大投入，半導體企業、雲端服務提供商、電力生產商以及人工智能基礎設施生態鏈中的其他環節，仍然是核心受益者。