“想让人签一份未来两到三年固定成本的合同？说实话，这根本不现实，因为我们自己也不知道会变成什么样。”说这话的是Simon Gooch，来自一家正在把智能体AI整合进自家业务的数字身份管理公司Saviynt。
他点破了一个让整个AI行业都头疼的问题：定价。如果你用过ChatGPT、Claude或者Gemini的免费版，你确实占了便宜。为了开发这些服务背后的大语言模型，微软、谷歌、Anthropic已经烧了数千亿美元。你拿它们写演讲稿、做旅行计划，几乎等于白嫖。但企业不是慈善机构，它们当然想收回投资，于是就有了按月付费的高级版本，针对编程、记账等任务提供额外功能。与此同时，第三方公司也在利用大模型训练能执行特定任务的AI智能体，并销售这些服务。到这里，商业模式似乎还挺清晰——直到你问到：这东西到底该怎么收费？大家突然就说不准了。
问题的关键藏在一个听起来很技术、但直接关系到你钱包的概念里：代币经济学。要理解它的麻烦在哪，得先看看一个简单的用户指令是怎么跑通的。当你让一个模型回答问题、生成代码或者自动完成某个流程时，你给出的这段提示词会被拆解成数学模型能处理的数学单元，也就是“代币”。模型给出的回应，同样是以代币形式产生的，然后再被转换回文字、程序代码或者一连串操作指令。整个AI的价值交付，本质上就是把这些代币塞进去，再把新代币吐出来。
麻烦在于，这个过程根本不可预测。一点微妙的提示词变动就可能产出完全不同的答案。完全相同的提示词，你问两次，结果也不一定一样。不同的模型给出的答案更是千差万别。而在智能体系统里，企业往往同时调用多个AI智能体来做决策、执行动作，代币的使用量和不可预测性更是被同步放大。试想一个由AI驱动的客服、数据分析师和运营指令系统组合在一起运作，没有人能提前知道，处理一项常规业务到底会消耗多少代币。这种不确定性，让传统的按月或按年订阅定价模式彻底失灵。
高盛的一份分析清晰地展示了这种纠结：过去几年，单个代币或者购买代币所需积分的成本已经大幅下跌。但企业和消费者消耗的代币总量，却出现了暴增。这家机构的预测显示，随着公司从传统AI应用全面转向AI智能体，代币的月消耗量在2026年到2030年间将增长24倍，达到惊人的12万万亿个。这组数据构成了一对尖锐的矛盾：原材料在迅速变便宜，但用量在以更疯狂的速度膨胀，最终的总成本根本无法用旧模型来锁定。
更棘手的是，许多使用AI系统的企业和个人，对自己究竟烧掉了多少代币几乎没什么概念，直到账号突然用不了，或者账单打出来那一刻才发现大事不妙。有报道称，就连微软都已经收紧了内部工程师使用某些付费第三方编程工具的权限。而网约车巨头优步似乎更早踩到了坑——今年早些时候，它不到几个月就用光了原本为一整年准备的AI编程代币预算。这正是Simon Gooch所说的那种困境：企业还在摸索和内部推行AI的阶段，员工消耗代币的速度就足以让预算失控。
伦敦政治经济学院数字创新与信息系统副教授Will Venters对此有一个精辟的观察。他认为企业在内部实验或部署AI时很容易被这种状况打得措手不及，因为员工们会大量且快速地烧掉代币。人们正在发现，把AI的能力引入组织流程，就像拧开了一个水龙头，你原本以为只需要接一杯水，结果发现喷涌而出的是你无法预估的巨大流量。而你必须为每一滴水付费。
热门跟贴