大模型确实越来越便宜，但企业使用AI这件事，正在变得越来越贵。
这听起来有点矛盾，却是当下Token经济最真实的那一面。
拿OpenAI的公开定价来说，2024年3月GPT-4刚发布时，每百万Token输入是30美元、输出是60美元；到了2024年5月，GPT-4o发布时，这个价格就降到了5美元和15美元。再到今天，大量“够用级”推理模型已经把价格打到了每百万Token几毛美元甚至更低。
如果用早期GPT-4的价格当参照，部分通用推理Token的价格，在三年内最高降幅达99%。
也正是基于这个趋势，过去两年行业里流传着一个判断：大模型会像带宽一样，越用越便宜。
进入2026年，这个判断只说对了一半。便宜的是部分模型Token的价格，而企业的AI运营总支出并没有缩减。
原因其实不复杂：通用Token的价格确实在探底，但企业本身也在从“简单问答”转向Agent协作、代码生成这类复杂工作流。这类任务的Token消耗量，往往是简单问答的十倍甚至百倍。单价降了，用量却暴增，算力总支出自然也跟着膨胀起来。
于是形成了一个有趣的局面——价格撕裂期：通用Token在探底，高价值能力在分层，企业AI支出在调用结构中猛烈膨胀。
不过，这种膨胀并不是雨露均沾的，而是沿着芯片、光模块、云平台直至应用等产业链环节，进行一轮重新分配。在投资视角下，这种价格分裂的本质，其实是产业利润的再分配。谁掌握稀缺资源、关键能力和高粘性场景，谁就更有机会在Token用量爆发中持续负责收费。
