企业 AI 要真正普及，token 价格可能还得再降 90%
作者：陈墨｜OC 产业编辑
陈墨
据 CNBC 报道，Palo Alto Networks CEO Nikesh Arora 认为，企业要大规模采用 AI，token 成本未来两年可能需要下降最多 90%。他的评论紧接着 OpenAI 宣布 GPT‑5.6 在代理编程任务上节省 54% token。
一句话结论：模型越来越省 token 是好消息，但企业真正需要的是“完成一个业务结果的总成本”下降；如果代理为了修一次错误调用几十轮工具，单次 token 变便宜仍可能换来更大的总账单。
token 是模型处理文本和部分多模态信息的计量单位。聊天时，一次回答只有几千 token，费用不容易被感知；代理任务则会反复读取上下文、调用工具、检查结果和重试，几小时的编码或研究任务可能产生数百万 token。模型越能自主工作，企业反而越需要关心它会跑多久。
Arora 所说的“下降 90%”更像企业买方对可承受价格的判断，不是经过统一测算得到的行业门槛。不同任务差异很大：客服分类可以用小模型低价运行，复杂安全分析可能愿意为更强模型支付高价；能替代数天人工工作的任务，即使 token 很贵也可能有回报。
Benedict Evans 在关于 token 定价的分析中提醒，目前的价格同时受供给紧张、数据中心建设、芯片效率、竞争和少数爆发用例影响，并不稳定。未来可能有少量前沿模型保持高价，也可能出现大量路由器，把任务实时分配给许多低毛利模型。
这解释了为什么开放权重模型越来越受企业欢迎。企业不一定把最复杂的任务交给它们，但可以先把摘要、抽取、分类、检索改写等高频工作下放，只在最后判断或高风险步骤调用昂贵模型。真正的降本常常来自任务拆分和路由，而不只是等待厂商降价。
还要注意一个容易混淆的数字：GPT‑5.6 “token 效率提高 54%”描述的是特定代理编程评测中的消耗变化，不是模型价格降低 54%，也不保证每个企业工作流都能复现。完成率提高、重试减少，才可能让成本和效率同时改善。
关键事实
- Palo Alto Networks CEO 认为 token 成本可能还需下降最多 90%。
- 这一数字是企业采用判断，不是适用于所有任务的统一经济模型。
- 代理任务会因长上下文、工具调用和重试放大 token 使用量。
- 开放模型、缓存、任务拆分和模型路由都可能降低总成本。
OC 判断
token 很可能像云计算实例价格一样长期下降，但模型厂商未必能一直保持高毛利。对应用公司来说，护城河不能建立在“转售昂贵 token”上，而要建立在流程、数据、用户关系和结果负责能力上。谁能用更便宜的模型完成同样工作，谁才真正获得效率红利。
为什么重要
- 开发者：应记录每个任务的调用轮次、缓存命中、成功率和最终成本，而不只记录 token 数。
- 企业：模型路由和预算上限会成为生产代理的基础设施。
- 用户：AI 订阅价格不一定随 token 立刻下降，但更便宜的推理会让更多功能进入默认产品。
评论
围绕这篇文章补充信息、提出问题或分享观察。