2026年8月，OpenRouter平台公布了一组让全球科技圈沉默的数据：全球AI大模型调用量排名前五，第一次全部来自中国。小米MiMo-V2.5单周处理10.5万亿个Token，登顶全球第一。DeepSeek两款产品分列二、五位。腾讯混元3单周增幅超过999%，直接冲进前三。
中国AI，在调用量上赢了全世界。
但同一张榜单的另一面，是刺眼的定价差距。国产头部模型每百万Token输出价格普遍在0.3美元上下，而海外旗舰Claude Opus 4.6维持在25美元，差距超过20倍。即便和刚降价80%的OpenAI GPT-5.6 Luna相比，国产模型的价格仍然低了一个数量级。
调用量全球第一，利润全球垫底。这不是一个科技产业的故事，这是一个国内经济的老故事。
一、从15美元到3毛钱：一场史无前例的价格雪崩
如果你在2025年初调用一次GPT-4级别的AI模型，大概要花15美元。到了2026年中，用国产最强模型跑同样的任务，可能只要3毛钱。
这不是夸张，是正在发生的现实。
过去18个月，国内大模型API市场经历了一场堪称互联网史上最猛烈的价格重构。DeepSeek把旗舰V4-Pro的价格永久砍了75%，输出价低到每百万Token不到0.9美元，比GPT-5.5便宜34倍，比Claude便宜17倍。小米MiMo-V2.5更狠，最高降幅达到99%。腾讯云缓存命中场景降幅97.5%。阿里通义千问、字节豆包紧随其后。
价格被打到了“厘”级别——调用一次AI的成本，不到一厘钱。
这场价格战的烈度，连硅谷都扛不住了。2026年7月底，OpenAI被迫把GPT-5.6 Luna的价格砍掉80%，入门级输入价从1美元降到0.2美元。这是OpenAI历史上最大幅度的单次降价，直接原因是中国开源模型用免费和极低价抢走了全球开发者——美国企业调用中国模型的Token占比，从2025年上半年的4.5%飙升至46%。
一年翻了十倍。
从结果看，中国AI无疑是赢家。国产大模型全球累计下载量突破100亿次，海外企业调用占比飙升，OpenRouter全球前五全包。但如果你问一个从业者的感受，他大概率不会说“我们赢了”，而是说“我们快活不下去了”。
有媒体报道，国内部分AI厂商每赚1块钱就亏损6.5块钱。通用模型赛道的利润已经被压到接近于零。
赢了市场，输了利润。这不就是制造业的翻版吗？
二、效率越高，亏得越多
先讲一个经济学里被反复验证的规律——杰文斯悖论。
1865年，英国经济学家杰文斯发现了一个反直觉的现象：蒸汽机的效率提高了，煤炭消耗反而增加了。因为效率提高意味着使用成本降低，使用成本降低意味着更多人用，用量暴增的幅度超过了效率提升的幅度，总消耗不降反升。
放到今天的AI行业，这个悖论的变体是：AI的效率提高了，但效率带来的不是利润，而是更惨烈的价格战。
每一家国内AI公司都在拼命做技术优化。MoE混合专家架构让模型用少量激活参数完成绝大多数任务，单Token算力消耗直降六成。INT4量化技术把显存占用砍半。KV缓存优化、连续批处理、智能调度……这些工程创新把推理成本压到了极低水平。DeepSeek通过稀疏注意力机制，把算力消耗压缩到上代产品的27%。
从成本端看，国产模型的低价有坚实的技术支撑，不是单纯的烧钱补贴。但问题出在第二步：成本优势没有转化为利润优势，反而成了行业内卷的武器。
你能把成本做到1块，我就敢把价格定到8毛。你能做到8毛，我就敢定到5分。所有人都在比谁更便宜，没有人能比谁更贵。最终的结果是：整个行业的利润空间被效率本身吞噬了。
这跟养猪行业一模一样。新希望的养猪场通过技术革新，把每公斤养殖成本从19元压到12元，降了7块钱。但行业PSY从18头提到24头，同样的母猪产出更多的猪，供给不减反增，猪价照样涨不起来。效率越高，供给越充裕，价格越低，亏损越严重。
光伏是这样，动力电池是这样，新能源车也是这样，现在AI还是这样。
中国制造似乎有一种本能：先把效率做到极致，再把价格打到地板，最后全行业一起亏钱。
为什么会这样？
三、3000亿烧进去，35万家消失了
2026年上半年，中国AI赛道融资突破3000亿元，仅6个月的融资体量就超过了2025年全年。一级市场每融出2块钱，就有1块钱流向AI。
但在钱的另一面，是35万家国内AI企业已经消失。
百度李彦宏公开说了一句很残忍的话：能存活的AI企业只有1%。
这个数字不是危言耸听。看看头部公司的财报就知道了——
智谱AI，国产大模型第一梯队，2025年全年营收7.24亿元，净亏损超过47亿元。营收不到研发投入的四分之一。MiniMax，年营收约5.7亿元，全年亏损超过127亿港元，创始人宣布在实现AGI之前零薪酬续命。OpenAI，全球最头部的AI公司，预计2026年全年亏损140亿美元，一年亏掉一个世界500强企业的利润。
流量不等于收入，调用量不等于利润。中国AI全网调用量连续9周全球第一，但营收规模不足海外头部企业的零头。
这跟养猪行业的剧本何其相似。新希望五年累计亏损140亿，负债800多亿，但它不能退出，因为沉没成本太高、银行债务太多、退出意味着信用崩塌。AI公司也一样——研发投入了几十亿、几百亿，模型已经训练好了，算力集群已经建好了，停下来就意味着之前的投入全部归零。
所有人都知道这个行业赚不到钱，但没有人敢第一个停下来。
更深层的困境在于，AI行业的“通用能力”正在快速趋同。经过多轮迭代，国产模型在80%的通用场景下，与海外旗舰的体验差距已经缩小到用户感知不到的程度。但“够用且便宜”意味着什么？意味着开发者选你不是因为你好，而是因为你便宜。当所有人都“够用”的时候，唯一的竞争维度就是价格。
跟养猪一个道理。你的猪肉和隔壁的猪肉在口感上差别不大，客户不在乎是谁养的，只在乎谁卖得便宜。
四、效率的红利流向了谁？
AI带来的效率提升，确实在发生。但问题是——这些效率的红利，到底进了谁的口袋？
普华永道2026年发布的《全球AI就业晴雨表》给出了一组残酷的数据：在受AI影响最高的企业中，生产率增速比受影响最低的企业高出40%。听起来是好事。但再看分配：超半数企业借助AI提升了利润水平，却只有不到一成的企业同步上调了员工薪酬。
效率提升的红利，绝大部分被资本拿走了。
更残酷的是岗位结构的变化。受AI影响较大的职业，岗位发布量萎缩到2018年的0.53倍——需求量被砍了将近一半。但这些消失的岗位并不是被“新岗位”替代了，而是被AI直接吞掉了。原本需要十年功力才能做的事，现在AI一键生成。专业门槛被“踩平”了，竞争激烈了，薪资自然上不去。
普华永道把受AI影响的岗位分成两类：22%的岗位走向“专业化”——AI承担基础工作，人类去做高价值任务，这类岗位增速是另一类的两倍，薪酬增幅高出42%。但52%的岗位走向“普及化”——AI学会了做复杂工作，专业门槛被踩平，这类岗位发展滞后，竞争激烈，薪资停滞。
22%的人乘电梯上升，52%的人坐滑梯下滑。
这不仅仅是AI行业内部的困境，它正在向整个经济体系扩散。
当AI让写代码的效率提高了10倍，意味着10个程序员的活现在1个人就能干。当AI让写文案、做PPT、分析数据的效率提高了5倍，意味着这些岗位的需求量会相应缩减。当AI让客服、翻译、基础法律工作的效率趋近于零成本，意味着这些职业会加速萎缩。
效率提高了，产出增加了，但分到每个人手里的钱反而少了。因为省下来的钱，变成了企业的利润、股东的回报、资本的增值——而不是员工的工资。
国际劳工组织的数据更宏观：全球四分之一的就业岗位存在较高的AI替代风险。高盛测算，全球近3亿个职业任务具备被生成式AI替代的技术可行性。在美国AI高渗透行业中，22到25岁青年群体的就业规模近两年下滑了接近16%。
五、从养猪场到大模型：同一条路走了三遍
回过头来看，国内AI今天的困境，跟新希望的养猪场、光伏企业的价格战、新能源车行业的内卷，底层逻辑完全一样。
第一步：看到机会，疯狂扩张。
2019年猪周期来了，所有人冲进去建猪场。2023年ChatGPT火了，所有人冲进去训模型。百模大战，参数军备竞赛，万亿参数成了标配。
第二步：技术趋同，只能卷价格。
猪的肉质差别不大，模型的能力也差不多。当所有人都“够用”的时候，价格成了唯一的竞争武器。养猪从14元/公斤打到10元/公斤，AI API从15美元打到0.3美元。
第三步：效率越高，亏损越大。
养猪场通过技术革新把成本降了7块钱，AI公司通过工程优化把推理成本降了七成。但效率的红利没有变成利润，而是通过价格战全部让利给了客户。全行业越高效，全行业越亏损。
第四步：没人敢退出，僵局持续。
养猪场欠着银行几百亿，退不了。AI公司烧了几十亿研发投入，模型已经训练好了，停下来就归零。所有人都知道该出清，但谁都不愿意第一个走。
这就是今天经济的一个深层结构性问题：我们极度擅长把效率做到极致，但极度不擅长把效率变成利润。
光伏产能全球第一，全行业亏损。动力电池产能全球第一，价格战打到成本线。新能源车渗透率过半，利润薄如刀片。现在AI调用量全球第一，依然在亏损。
制造业有一种近乎本能的路径依赖：先把效率做到极致，再把价格打到地板，用规模和成本碾压对手。这在追赶阶段非常有效——靠低价占领市场，靠规模建立壁垒。但当效率已经做到天花板，当价格已经打到地板上，下一步该往哪走？
答案是：从“做便宜”转向“做值钱”。从效率竞争转向价值竞争。从价格优势转向定价权。
苹果手机溢价显著仍然全球畅销，靠的是定价权。英伟达的GPU比AMD贵两三倍，开发者照样买单，靠的是不可替代性。智谱GLM在所有对手疯狂降价的时候逆势涨价83%，API调用量反而增长了400%——摩根大通的评价是“高质量Token是稀缺资源”。
定价权才是终局。
写到这里，我突然想到一个画面。
新希望的管理层在讨论怎么把养猪成本从12元降到11元。与此同时，DeepSeek的工程师们在讨论怎么把推理成本再压20%。比亚迪的产线在讨论怎么把每辆车成本再降5000块。光伏企业在讨论怎么把组件价格再降一毛。
所有人都在讨论同一件事：怎么把效率再提高一点。
但很少有人问另一个问题：效率提高之后，多出来的价值归谁？
如果这个问题没有答案，那么AI越强大，我们的处境可能不是越好，而是越难。因为效率的红利会通过价格战层层传导，最终变成更薄的工作利润、更低的工资增长、更激烈的就业竞争。
技术浪潮最大的陷阱，不是技术不够强，而是强到所有人都受益，却没有人赚到钱。
引用来源：
- OpenRouter平台2026年8月全球AI大模型调用量排行榜
- CSDN，《2026中国大模型API价格战全景图》，2026年7月30日
热门跟贴