卖 Token还是卖结果：AI 商业模式的几个悖论 文章

2026 年年中，AI 行业的主要经营指标，收入、调用量均保持高速增长。但拆分各家公司的财务与业务结构后可以发现，同一组增长数据背后，商业模式不尽相同。本文梳理当前 AI 商业模式中四个结构性悖论：成本、层级、责任与开闭源。这四个悖论指向同一个底层趋势：智能正在快速商品化，而利润仅停留在少数环节。 成本悖论：Token越便宜，账单越重 2023 年 3 月 GPT-4 发布时，每百万 Token的输入价格为 30 美元、输出价格为 60 美元。企业用其搭建客服系统，一个月的 API 费用可能超过整个客服团队的工资。三年后，同等智能水平的价格已下降超过 95%。 按常识推断，AI 开支应当随之收缩，但现实相反。2026 年 3 月，全球单周 Token调用量达 20.4 万亿；中国日均调用量突破 140 万亿，较 2024 年初增长超过千倍。这一现象与经济学中的杰文斯悖论（Je vons Para dox）一致：蒸汽机效率越高、单位耗煤越低，煤炭总消耗反而越大。Token单价下降，并没有带来总账单的下降。 原因在于需求结构的改变。价格足够低之后，大量原本不具备经济性的任务开始被纳入 AI 的处理范围，企业月度支出从 5 万美元升至 50 万美元，但完成的任务也是此前不敢设想的。更关键的是使用范式的迁移：过去的对话式交互以人的时间为上限，而 Agent （智能体） 可以 24 小时运行，一名员工背后可能挂有 10 个 Agent，用量可达纯人工交互的数十倍。有研究显示，智能体编程任务的 Token消耗约为普通问答的一千倍。单价下降一个数量级，总消耗可能上升两个数量级。 成本在产业链中的分配同样值得关注。以每月 20 美元的 Claude 订阅为例，模型公司扣除算力、渠道与运营成本后，净利空间较薄；而流向芯片层的利润，有时并不比模型公司少。用户为智能付费，利润却大量停留在上游。 面对账单压力，行业开始从省单价转向省任务：简单任务路由至小模型，为 Agent 设置任务预算以防止空转；核算单位也从每百万 Token的价格转为完成一件事的总成本。实践表明，使用同样的模型和用量，具备任务拆解、结果验证和流程接入能力的公司，产出效率显著更高。与此同时，补贴模式也在退潮：Claude Code 退出低价订阅，Copilot 改为按量计费。