AI按Token计费模式抑制主动性，行业亟需转向固定成本模式

事件概述

当前人工智能产业面临的核心矛盾并非技术能力的不足，而是按Token（词元）计费的商业模式与AI深度应用需求之间的错配。这种模式导致企业在将AI接入生产系统后，面临账单不可控、成本指数级增长的问题，进而抑制了AI系统的主动性和容错空间。行业正在反思并探索从“按次计费”向“固定成本/无限包月”模式转型的路径，如本地模型部署，以期触发真正的产业爆发。

核心信息

1. “贵”是表象，本质是商业模式问题

• 成本结构悖论：尽管大模型API单次调用价格大幅下降，但一旦AI从偶尔使用的工具转变为长期运行的生产系统，其总成本随推理链和调用次数呈指数级增长。
• 案例数据：据《财经》报道，金山办公在2026年6月一个月内消耗约4万亿Token，算力成本高达数百万元。企业难以像购买传统软件那样精准预测年度预算。
• 价值脱节：普华永道针对全球CEO的调查揭示，56%的受访者表示AI未带来明显的收入增长或成本下降，仅12%的企业实现了增收降本的双赢。企业的焦虑不在于绝对金额，而在于无法在资产负债表上找到对等的价值回馈。

2. 按次计费抑制了AI的“主动性”

• 心理与物理限制：主动性需要大量的试错、回滚、自我验证和冗余计算。在按次计费模式下，每一次尝试都产生额外费用，迫使企业和用户设置调用上限和预算边界。
• 类比分析：这类似于乘坐按秒计费的出租车，用户因担心计价器跳动而不敢让司机（AI）自由探索最优路径。缺乏容错空间使得AI只能作为被动响应的“应答机”，无法承担长周期、复杂的自主任务。

3. 破解路径：从“拨号上网”到“宽带包月”

• 历史参照：PC互联网早期采用按时长、按流量计费的“拨号上网”模式，限制了用户在线时长；直到宽带普及实现“无限包月”，才催生了短视频、直播等需要持续在线的应用爆发。
• 本地模型趋势：部分企业开始探索本地模型（On-device AI），通过端侧芯片算力解决隐私和安全问题，同时将边际成本降至趋近于零（即“付电费就好”）。这种模式将可变成本转化为相对固定的硬件和运行成本。
• 行业展望：AI要迎来真正的大爆发，必须经历成本结构的变革。无论是通过端侧内卷降低本地推理成本，还是通过架构创新降低云端成本，核心目标都是让AI的使用变得足够便宜、持续且无负担，从而赋予其真正的主动性。

值得关注

• 商业模式重构：行业焦点正从单纯的模型能力竞赛转向计费模式和成本结构的优化。未来可能出现更多类似SaaS的订阅制或基于结果付费的创新模式。
• 本地AI崛起：随着端侧芯片性能提升，本地模型可能在处理日常复杂推理中占据更大份额，改变云端主导的成本格局。
• Agent发展瓶颈：若计费模式不改变，AI Agent（智能体）在自动化工作流中的应用将受到严重制约，难以实现完全自主的任务执行。