Token定价的终极之问：AI将成下一个移动流量，还是新型垄断？

Token定价的终极之问AI将成下一个移动流量还是新型垄断AI算力紧缺是暂时的但万亿资本开支后的未来模型厂商的定价权还能持续多久2026年上半年全球AI行业经历了一场前所未有的算力紧缺。OpenAI的GPT-5.6一卡难求API调用排队成常态模型厂商享受着40%-50%的推理毛利率似乎掌握着绝对定价权。但知名科技分析师Benedict Evans在7月9日发表的长文《Ways to think about token pricing》中提出了一个令整个行业不安的问题当前的供需失衡是暂时的。当万亿级数据中心资本开支落地、推理效率持续提升之后基础模型是会凭借网络效应成为高利润垄断者还是会沦为低利润的商品化基础设施Evans的结论偏向后者——“目前我们看到的所有动态都指向了后者。”这篇文章将带你深入拆解Evans的核心分析框架并结合行业最新动态看清Token定价的未来走向。一、当下的“算力紧缺”极其脆弱Evans在文章开篇便定下基调关于Token价格我们只能确定两件事——当前处于算力紧缺状态以及这种状态不稳定。供给侧超过一万亿美元的数据中心资本开支正在路上半导体产能紧随其后推理效率仍在快速提升新模型的Token使用效率差异巨大。需求侧虽然市场自2022年以来一直受限于算力容量但今年上半年的紧缺其实仅仅由一个场景的突然爆发驱动——软件开发。Evans提醒了一个被忽视的事实软件开发本身是个相当小的领域。他假设道“想象一下如果我们为一个拥有数亿日活用户的消费级场景找到了产品市场契合点——今天的基础设施无论出什么价格都无法支撑。”中金公司的测算提供了更具体的参照在当前技术条件下自建算力推理成本约2美元/百万Token租赁模式约2.6美元/百万Token理论毛利率可达60%。但Evans指出这40%-50%的推理毛利率并未包含更关键的固定成本——每年训练下一代模型的开销目前远大于推理收入。二、从“比特”到“Token”移动数据的历史镜鉴Evans认为试图从下而上建模预测Token价格均衡点类似于在1998年预测宽带市场五年走势——“Excel表格会很漂亮但你甚至可能猜对今年的数字但未知变量太多无法做出有用的长期市场结构预测。”因此他选择了自上而下的历史类比法。最富启发性的类比是移动数据。与光纤建设主要是挖沟的固定成本不同移动网络具有与AI相似的容量边际成本。十五年前移动数据也经历了一场流量爆发压垮了网络容量运营商手忙脚乱地扩容和重新定价。更关键的是销售比特与销售Token表面相似它都是边际成本的模糊度量无法透明或直观地映射到用例或价值上最终需要被某种捆绑套餐替代。但最重要的教训在于过去20年蜂窝数据流量增长了数个数量级催生了年收入万亿美元、资本开支2000亿美元的庞大产业但运营商股价几乎原地踏步所有价值都被上游的其他玩家捕获了。这正是AI的核心问题基础模型会成为低利润的商品化基础设施而所有价值都被上游应用层捕获吗三、决定未来的四个关键变量Evans提出了四个决定Token定价走向的关键问题它们将共同塑造AI产业的最终格局1. 有多少人愿意为“前沿”付费目前已经有一些用例可以用免费的小型开源模型在本地运行另一些则需要最新、最贵的前沿模型消耗大量Token更多场景处于两者之间。有多少用例值得沿着成本曲线向上攀爬又有多少场景用“足够好”的商品化模型就能满足2. 前沿模型会持续显著进步吗这是AI最根本的科学问题前沿模型还能变强多久这需要多少算力效率提升带来的降价压力能否被性能跃迁抵消昂贵的“曲线头部”是否能够持续存在3. 前沿模型之间的竞争格局如何目前所有厂商使用大致相同的科学方法和训练数据得到大致相同的结果我们尚未看到任何能让某家公司持续领先的网络效应或赢家通吃效应。未来模型会分化出不同领域的领先者还是维持数家能力相当的竞争者4. 高价值用例的价值有多少被模型本身捕获模型本身需要多少传统软件公司的“包装”——工具链、流程、专有数据、市场推广、网络、支持模型再好是否仍只是构建实际产品的“基础设施”或者模型能否自己创造所有这些环节从而按席位、结果甚至直接收取利润Evans指出这些问题的答案并非非黑即白而是程度问题且可能因用例不同而差异巨大。四、两种极端未来以及“我们不知道”基于上述分析Evans描绘了两种极端的未来图景一端是“赢家通吃”两三个巨型AI“大脑”运营着一切拥有强大的定价权另一端是“数据库化”LLM像数据库一样无处不在——有数百万个有大有小价值在于在其之上构建的应用正如每个SaaS公司都是一个“数据库包装器”。在这个未来里数十个路由器通过实时拍卖将你的任务分配给数百个低利润的模型农场一家基准测试公司从每笔交易中抽成。Evans坦诚地表示“我认为还没有人能真正知道答案。我在文中说了很多次‘我们不知道’这是经过深思熟虑的。”他将当前阶段比作“S曲线”的早期——一项新技术刚出现时所有人都知道它将无比重要但其他一切都还模糊不清就像1990年代中期的互联网或2008-2009年的移动互联网。而当前的不确定性尤为特殊“在1995年我们不知道互联网将如何演变但我们知道地球上不到1亿台PC运营商明年无法给所有人铺光纤在2010年我们不知道下一代iPhone是什么但我们知道它不会有视网膜投影。我们知道物理极限——但我们对LLM并不真正了解。下个月一种新方法可能将推理算力需求降低90%或使需求翻倍或两者同时发生。”五、要改变商品化宿命必须发生“某种变化”Evans强调所有指向基础模型成为商品化基础设施的路径都要求“某些事情必须改变”。或许前沿模型的竞争会减弱——但过去六个月扎克伯格和马斯克从零回到了竞争榜单上。或许网络效应会出现。或许聊天机器人能进化成完整产品不再需要软件包装。或许某个实验室会凭借纯粹的产品活力执行超越所有对手——微软、谷歌、Facebook和苹果在拥有赢家通吃效应之前都曾通过执行力赢得领先地位。“但即便如此这又把我带回了同一个观点当前的市场动态指向一个未来随着今天的算力紧缺缓解前沿模型正趋向成为商品化基础设施所有价值都构建于其上。而要得到不同的结果需要发生一些我们尚未看到的事情。”写在最后Benedict Evans的这篇分析为狂热中的AI行业注入了一剂冷静剂。当所有人都在追逐“下一个万亿市值”的模型厂商时他提醒我们历史一再证明最革命性的技术未必是价值链上最赚钱的环节。移动互联网改变了世界但运营商赚了个寂寞半导体制造难如登天台积电利润丰厚却不到苹果的一半。Token会成为新时代的“比特”吗模型会变成“AI时代的数据库”吗答案尚未可知。但Evans的框架至少给了我们一个思考的锚点别只看今天的算力有多缺更要看明天的万亿资本开支落地后谁能真正留住价值。关键词标签 #AI定价 #Token经济 #BenedictEvans #大模型商业化 #算力基础设施 #AI产业格局 #商品化 vs 垄断 #移动数据类比 #AI资本开支 #推理成本 #前沿模型竞争 #AI价值捕获