10xAI Wiki

5分钟阅读

Token 经济学：厂商收入即客户成本

Token 经济深处埋着一条结构性张力——模型厂商每多赚一块钱，就是某家公司的账单多一块钱。这条张力是理解定价、补贴与降本工程之间关系的总钥匙。

争议各方与证据

  • 立场 A（厂商天花板叙事）：Anthropic 2026-05 完成 65B H 轮、估值 965B、年化营收突破 $47B（约等于可口可乐全年营收），超 1000 家企业年付超百万美元，被推测可能成为首个年收入万亿美元的公司（万亿美元公司）。
  • 立场 B（客户成本崩塌）：Uber 头四个月即花完全年 $3.4B（34 亿美元） AI 预算被迫限用；微软因费用超标放弃 Claude Code、改用自家托管的 OpenAI 模型；一个程序员放开用旗舰模型一年 token 费可达数千万到上亿人民币（周刊 No398）。
  • 立场 C（补贴换习惯）：SemiAnalysis 压力测试显示 200/月 Claude Max 20x 按 API 价折算约值 8,000（约 40× 补贴）、200/月 ChatGPT Pro 20x 约值 14,000（约 70× 补贴）——本质是补贴换重度用户与开发者习惯（200 美元订阅薅出 1.4 万美元）。
  • 立场 D（省 token 工程）：前缀缓存（prefix caching）、精简冗余 skill 减少每轮注入上下文，是补贴退坡后被倒逼出的客户端降本工程（Token 经济）。

证据质量评估

A 为厂商融资叙事 + 媒体推测，“万亿美元”是作者大胆猜测而非可验证预测，需大幅打折。B 为从业者自述/媒体报道（阮一峰周刊、Peter Steinberger 案例），具体数字（Uber 34 亿、微软弃用）属二手转述、未审计，但方向上多方印证。C 的 SemiAnalysis 压力测试方法相对透明、可复算，是四者中可信度最高的量化证据。D 为工程共识，方向可靠但具体省费幅度因负载而异。整体看，B 与 C 的”成本压力真实存在”证据权重最高，A 的天花板叙事最弱。

当前最佳判断

当前最站得住脚的结论：Token 需求的价格弹性在组织层面很低、在总账层面很高——单个工程师放开用收益巨大，但聚合到公司预算必然触顶。 因此厂商短期必然以补贴（40–70×）换习惯，而一旦退坡，省 token 工程（缓存、上下文精简、小模型路由）会从”优化项”变为”生存项”。Anthropic 的 $47B 营收与 Uber 的预算崩塌是同一枚硬币的两面：厂商收入的每一分都对应客户的成本决策，这条张力会持续压低无限量使用的空间。“厂商收入=客户成本”不是 bug，而是 Token 经济的基本恒等式。

仍待解决的问题

？ “首个万亿美元公司”是媒体推测，缺乏可验证路径；$47B 年化营收的可持续性依赖补贴是否退坡，二者互相矛盾。

  • 补贴退坡的时间表与幅度未知，直接决定省 token 工程的紧迫性。
  • 企业级 token 成本占研发总预算的比例缺乏行业基准。
  • 自托管/开源模型能否在质量可接受前提下实质降本，尚待规模化验证。

关联

关系图谱

反向链接