内容来源：智元深维 责编 | 科技商业观察
栏目：AI经济学
第 18 篇深度好文：3308字 | 8分钟阅读
核心观点
1. 2026年5-6月，DeepSeek、小米、腾讯云相继永久降价，最高降幅达99%，AI大模型API进入"白菜价"时代
2. 但据IDC数据，全球AI支出从2022年约1180亿美元增至2026年超3000亿美元——单价跌千倍，总花费翻两倍
3. 根源是杰文斯悖论：Token越便宜，用得起场景越多，日均调用量两年涨了1400倍
4. Agent是"用量放大器"：单次任务Token消耗是普通对话的10-100倍
5. 价格正在分层：经济型模型半衰期1.1年价格减半，旗舰模型维持溢价
——
一、六周暴跌：AI诞生以来最大规模降价潮
2026年5月22日，DeepSeek率先开枪。
旗下旗舰级大模型V4-Pro宣布永久降价，整体降幅75%。但真正让行业炸锅的不是75%这个数字，而是一个具体到小数点后三位的价格：依托缓存加速技术，该模型输入侧缓存命中单价跌至0.025元/百万Token。
0.025元/百万Token，意味着处理100万字中文文本的输入成本不到3分钱。
如果用原价对比，这个数字从1元降到了0.025元，降幅97.5%。
五天后，小米跟上。5月27日，小米宣布自研大模型MiMo-V2.5全系列API永久降价，部分场景降价比例逼近99%。以MiMo-V2.5-Pro为例，输入缓存命中价格从原来的2.80元/百万Token降至0.025元，降幅达到99%。
99%。放在任何行业，这都是"价格屠夫"级别的数字。
六天后，腾讯云第三个出手。6月2日，腾讯云发布调价公告，自6月3日起下调DeepSeek-V4全系列模型价格，最高降幅97.5%。其中V4-Pro推理输入从12元/百万Token降至3元，推理输出从24元降至6元，缓存命中从1元降至0.025元。
7月6日，腾讯再发混元Hy3模型，定价输入1元/百万Token、输出4元/百万Token，继续下探。
三周内，三家头部厂商接力降价，覆盖了大模型API调用市场超过60%的份额。定价锚点被一次性拽到了地板。
更关键的是，这次降价不是"促销战"，而是"永久性降价"。DeepSeek的公告里明确写了"永久性调整"，小米MiMo-V2.5全系列"永久下调资费"，腾讯云声明"仅修改计费标准，模型推理速度、上下文窗口、输出准确率等核心服务参数不做任何改动"。
翻译过来就是：价格降了就不回去，能力还不打折。
——
二、越便宜越贵：一个161年前就被预言的悖论
按照常理，价格降了99%，花销应该跟着缩水。但数据给出了完全相反的答案。
先看价格跌幅。2023年3月GPT-4发布时，每百万Token输入30美元、输出60美元。到2026年7月，大量够用级推理模型的价格已经打到每百万Token几毛美元甚至更低。如果以早期GPT-4价格作为高位锚点，通用推理Token价格在三年内最高降幅达99%——部分场景降幅甚至达到99.9%。
再看总花费。据IDC数据，全球AI（含软件、硬件及服务）支出从2022年的约1180亿美元，预计到2026年将突破3000亿美元。而企业平均AI预算，从2024年的年均120万美元，涨到2026年的700万美元，翻了近6倍。
单价跌千倍，总花费翻两倍。
这个看似矛盾的现象，在经济学里有个古老的名字：杰文斯悖论。
1865年，英国经济学家威廉·斯坦利·杰文斯研究了一个让当时所有人困惑的问题：蒸汽机效率大幅提升后，英国的煤炭消耗量为什么不但没降，反而暴涨了十倍？
杰文斯的发现是：效率提升导致使用成本下降，成本下降让原本不划算的应用变得划算，新应用的大量涌现又推高了总需求，最终总消耗不降反升。
2026年的AI行业，把这个161年前的逻辑完美复刻了一遍。
国家数据局的数据显示，中国日均Token调用量从2024年初的约1000亿，飙升至2026年3月的140万亿，两年增长了1400倍。每天消耗的Token量翻了三个数量级。
1400倍的需求增长，远超99.9%的价格下降。总账单当然只会往一个方向走。
一家SaaS公司的高管形容这个感受："就像水费从10元一吨降到1毛一吨，结果你家的用水量从每月10吨变成了10万吨——因为你突然觉得浇花园、洗车、冲游泳池都变得'几乎不花钱'了。"
——
三、用量放大器：Agent把单次消耗拉高100倍
如果只是对话场景的用量增长，还不足以解释1400倍的爆发。真正的"用量放大器"是AI智能体（Agent）的普及。
过去企业用大模型，大多是一问一答：用户提问，模型回答，一次交互消耗几千到几万Token。成本可控，预算可预测。
但现在，AI的工作模式从"你问我答"升级为"你下指令它执行"。一个AI智能体完成一次任务，需要经过需求拆解、多数据库检索、多轮校验、失败重试、结果整合等多个环节，每个环节都要调用模型。
结果是：Agent单次任务的Token消耗量是普通对话的10到100倍。复杂场景甚至可以达到500倍。
深圳特区报的数据显示，一个AI智能体完成一次志愿填报任务，需要经过需求追问、多数据库检索、多轮校验等环节，Token消耗量是普通问答的百倍级别。
更典型的案例来自企业内部。Uber在公司内部推行"Token最大化"激励，将AI使用量与员工KPI挂钩，结果仅4个月就耗尽了全年AI编程预算。五千多名工程师人均月Token消耗500到2000美元，公司被迫紧急设置每人每月1500美元的使用上限。
微软在给开发者开通Claude Code许可证6个月后，撤销了这些权限——因为人均月消耗达到了500到2000美元。
还有更极端的案例：一家公司因为忘记设置使用限额，一个月跑出了5亿美元的Claude账单。
Gartner 2026年调研显示，重度使用AI编程工具的开发者，单月Token消耗可达2万美元，是原固定订阅套餐成本的上百倍。Gartner还预测，到2028年，AI编程成本将超过开发者的平均薪资。
SemiAnalysis的测算显示，2026年企业AI Token总支出的增长动力中，80%来自单价下降带来的用量释放，仅20%来自业务场景的自然扩张。换句话说：降价本身，就是用量暴涨的最大推手。
——
四、分层下行：不是所有Token都在降价
降价与涨价在同一时间发生，这才是市场真正的信号。
就在中国模型以价格优势批量抢占市场的同一时间，DeepSeek在2026年7月引入了峰谷定价机制。高峰时段（每日9:00-12:00和14:00-18:00）调用价格直接翻倍：V4-Pro百万Token输入（缓存未命中）从3元涨到6元，输出从6元涨到12元。
这看起来自相矛盾，实则不然。涨价的直接原因是工作时段API并发激增、算力负载过高。需求旺盛到供给端承压，才有了定价权。即便峰时涨价一倍，DeepSeek仍比头部美国模型便宜数倍。
更重要的是，价格体系正在分层固化。长江证券在2026年6月的一份研报中，引用《Tiered Super-Moore's Law》论文，给出了清晰判断：
经济型模型，价格半衰期仅为1.1年，即每1.1年价格减半，速度快于传统摩尔定律。
中端模型，价格半衰期1.55年，同样保持快速下行。
旗舰模型，基本不遵循统一价格下降规律，定价由推理能力溢价和产品版本策略主导，维持显著溢价。
智谱GLM-5.1走了和DeepSeek完全相反的路：面向编程与Agent场景的定价是基础通用模型的3倍。头部厂商已完成明确的价格分层——通用基础场景Token价格被价格战打至谷底，但企业核心业务依赖的编程、复杂推理、高端Agent场景的定价并未下调，甚至上行。
国际市场上，这种分层更为悬殊。2026年7月，前沿模型输入Token价格从DeepSeek V4 Flash的0.14美元/百万Token到头部旗舰模型的30美元/百万Token，价差超过200倍。部分顶级旗舰模型甚至已被限制为仅企业合同可用，正在被当作利润产品保护起来。
Token价格正从"成本定价"向"任务价值定价"迁移。基础能力快速商品化，甚至出现"赔本换量"的零毛利竞争；而真正能解决复杂问题的能力，越来越贵。
——
五、谁在赚钱：价格撕裂中的利润再分配
在这场价格撕裂中，AI产业链各环节的命运截然不同。
第一类赢家：基础设施层。算力、存储芯片不仅没降价，还在涨。HBM内存价格仍处于高位，智算中心电力和液冷成本高企，能耗占到Token生产成本的40%。2026年上半年，阿里、腾讯、百度等云厂商罕见上调了AI算力服务价格。底层硬成本不随Token单价波动，完全抵消了降价红利。
中国模型之所以能把价格打到美国的1/30，结构性成本优势是关键。国内工业用电价格比美国低30-40%，中西部绿电成本低50-70%，而电力成本约占推理运营总成本的60-70%。这不是靠补贴维持的低价，是生产要素的真实差异。
第二类赢家：Token基础设施商。以硅基流动为代表，这家成立仅三年的公司，2025年营收同比增长653%，已向港交所递交上市申请。它将复杂的芯片适配、推理引擎调优等工程能力封装成标准API，让开发者"按量付费"。在Token价格暴跌的同时，它的营收反而在暴增——因为总调用量涨了1400倍。
第三类赢家：掌握稀缺能力的模型厂商。那些不靠低价竞争、而是靠推理能力溢价收费的厂商，正在收割最大的利润。头部旗舰模型的定价是DeepSeek V4 Pro的数十倍，虽然调用量远低于经济型模型，但单次调用的利润率不可同日而语。
第四类输家：被迫跟进降价的中游厂商。那些既没有基础设施的成本优势，又没有旗舰模型的推理能力溢价，只能靠低价维持市场份额的厂商，正在被挤压在中间。Token价格战对他们来说不是"降本增效"，而是"流血求生"。
第五类输家：企业用户。贝恩咨询调查了951家年收入超1亿美元的企业后指出：企业AI支出超过1万亿美元后，实际成本节约普遍远低于预期。44%的大型企业正用"尚未兑现的上轮节省"为下轮投资背书——贝恩称之为"一个存在结构性漏洞的循环赌注"。
Flexera对500余名IT专业人员的调研更直接：超过三分之二的企业对AI软件的实际使用情况缺乏准确可见性，近六成企业的AI超支额同比还在涨。
2026年上半年，几乎所有头部企业都完成了从"鼓励全员不限量使用AI"到"Token配给制"的转向。Uber设了硬上限，微软撤销了许可证，Priceline发现Cursor合同续费价格涨了4到5倍。
高盛预测，到2030年全球Token月消耗量将增长24倍，达到约120千万亿。
这意味着，Token价格还会继续降，但企业AI总账单，短期内没有见顶的迹象。
——
写在最后
161年前，杰文斯写下这句话："节约使用燃料的新技术，并不会减少燃料消耗，反而会增加它。"
2026年，这句话被AI行业重新验证了一遍。
Token价格的暴跌，不是AI泡沫破裂的信号，而是产业从"技术概念"走向"商业交付"的分水岭。当智能变得像水电一样便宜，真正的商业价值，不再诞生于"谁卖得更便宜"，而是诞生于"谁能在海量的Token消耗中，真正解决问题、创造价值"。
降价潮会继续。但总账单不会降。
因为人类的欲望，永远比技术降本的速度跑得更快。
全文共 3308 字，预计阅读 8 分钟
第 18 篇深度好文
如果本文对你有启发，欢迎分享给更多人
文章为作者独立观点，不代表本号立场。
