大模型Token的生意能做多久

推荐语

大模型Token计费模式的未来将何去何从？本文深入探讨了Token经济的现状、挑战与转型方向。

核心内容：
1. Token计费模式的流量红利与价格内卷现状
2. 商业模式面临的经济模型单一、数据成本激增等挑战
3. 行业可能从“卖Token”向“卖服务”转型的三大方向

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

 前言

大模型按Token计费的商业模式自诞生起便成为行业主流，但这一模式的生命力究竟能持续多久？从火山引擎的“地板价”策略到华为预测的Token流量激增33倍，从周鸿祎“红利期至少10年”的断言到Scale AI通过数据服务年入10亿美元的案例，行业正在经历一场从量变到质变的深度转型。本文将从技术、商业与生态等浅谈Token经济可能的未来走向。

 Token经济的现状：从流量红利到价格内卷

当前，Token计费模式的核心矛盾在于规模扩张与收益边际递减的博弈。火山引擎通过工程优化将Token单价降至0.0008元/千Tokens，带动日均调用量从1200亿激增至5000亿，印证了“降价换市场”的逻辑。华为数据显示，中国市场的Token流量在8个月内增长33倍，但每Token价格下降97%。这种“量增价跌”的态势与云计算早期发展路径相似，本质是技术普惠化的必经阶段。

然而，价格战的极限已现。当Token单价趋近于边际成本时，单纯降价对市场的刺激作用将显著减弱。谭待直言：“再降价意义不大，模型能力的提升才是关键”。这预示着行业竞争将从价格维度转向价值维度，企业需在单位Token内创造更高的技术附加值。

 商业模式的挑战：单一计费的天花板

Token模式的局限性正逐渐暴露：  

1. 经济模型单一：当前计费仅反映算力消耗，未体现模型输出的实际价值。例如，生成100个Token的代码与100个Token的闲聊内容成本相同，但前者对用户的价值可能高出数倍。  

2. 数据成本激增：大模型的Scaling Law要求数据量指数级增长，但高质量数据标注成本居高不下。Scale AI通过构建“数据工厂”年入10亿美元，恰恰说明数据服务已成为独立于Token的新赛道。  

3. 生态依赖风险：过度依赖头部客户（如Meta、谷歌）可能导致收入结构失衡，这一问题在Scale AI等企业已引发投资者担忧。

这些挑战倒逼企业探索多元化商业模式。火山引擎提出未来可能转向“按解决问题效果付费”，而华为则布局AI-Centric网络架构，试图通过优化流量承载能力延伸价值链。

 未来的转型方向：从“卖Token”到“卖服务”

行业转型的突破口可能集中在三个方向：  

1. 能力分层定价：
   根据模型输出的复杂度（如代码生成、多轮对话、长文本理解）设计梯度价格，使计费与价值深度绑定。例如，OpenAI的o1系列已通过SEAL排行榜细分编程、指令跟随等场景的定价标准。  

2. 端到端解决方案：
   将模型能力封装为垂直场景的解决方案（如法律文书生成、医疗诊断辅助），以订阅制或效果分成替代Token计费。九牧集团接入DeepSeek实现卫浴行业智能化改造，正是此类模式的典型案例。  

3. 生态协同创新：
   通过开放API、开发者工具链和算力调度平台，构建以Token为流量入口的生态体系。火山引擎通过低价策略吸引客户后，推动其重构IT架构并采购更多云服务，便是这一逻辑的体现。

 支撑长期发展的底层逻辑

Token经济的生命力最终取决于技术突破与需求演进的共振：  

• 技术侧：幻觉控制、长上下文理解等能力的提升将扩大模型应用边界。例如，豆包大模型通过优化工程架构，在调用量增长33倍的同时保持成本可控。  

• 需求侧：生成式AI正从辅助工具转向生产力核心。华为预测，到2030年AI驱动的日均网络流量将达500TB，是当前移动流量的5倍以上，这意味着Token需求仍有巨大增长空间。  

• 数据侧：Scale AI通过“人类专家+AI”的数据标注模式，证明了高质量数据服务的商业价值。未来的Token经济可能需要与数据服务深度融合，形成“数据-模型-应用”的闭环。

 写在最后：Token不会消失，但必须进化

Token作为大模型时代的“度量衡”，短期内仍是主流计费单元，但其内涵将发生本质变化。未来的Token经济可能呈现“基础资源免费化，增值服务货币化”的特征——就像云计算从按服务器租用转向按API调用收费一样。当模型能力足够强大时，Token或将退化为底层计费单元，而真正的利润将来自基于Token构建的智能服务生态。这场变革的终点，或许是一个“Token隐形化”的时代：用户不再感知Token的存在，只为AI解决的实际问题付费