最近采取这一策略的是 OpenAI。该公司将基础前沿模型 ChatGPT 5.6 Luna 的价格降低了 80%（按每百万 Token 计算），同时将中端模型 5.6 Terra 的价格下调了 20%。而就在一周多前，谷歌刚刚推出了价格更低的 Gemini 3.6 Flash 和 3.5 Flash-Lite 模型。Anthropic 虽然没有直接降价，但将旗下价格最低的 Opus 4.8 模型替换为了能力更强的 Claude 5.0，并维持相同价格。

全球竞争加剧正在推动 AI 能力变得更加廉价，但这也可能以牺牲这些大型公司的利润率为代价。此前数月，多家大型 AI 企业已经宣布削减成本，并限制 AI 技术的使用范围，甚至包括埃隆 · 马斯克旗下的 xAI 等曾大力推动 AI 发展的公司。尽管越来越多员工开始使用 AI，但目前报告显示，实际生产力提升并没有达到预期。

竞争进一步升级

中美两国 AI 发展路线的差异，在某种程度上体现了两国长期以来的产业优势。

美国企业往往投入巨额资金推动最前沿技术发展，而中国开发者则依靠强大的制造业和工程能力，打造出成本更低、规模更精简、但在高端能力上几乎不逊色的 AI 模型。

DeepSeek 在 2025 年曾给西方 AI 开发商带来巨大冲击，而 Kimi K3 在 2026 年再次产生类似影响。单独来看，这些事件已经足以让 OpenAI、谷歌和 Anthropic 等公司感受到压力。

但在此前数月，许多大量使用 AI 的企业一直抱怨 Token 成本快速上涨，因此当市场出现性能接近但价格大幅降低的新模型时，整个行业都受到了强烈震动。

如今，大型 AI 公司已经无法简单依靠增加模型参数数量和训练数据规模来竞争。它们必须真正开始进行价格竞争，而 OpenAI 已经大幅降低了部分模型的价格。

值得注意的是，OpenAI 并没有降低最强大的旗舰模型价格。事实上，该模型更快版本的价格反而上涨。但其前沿级模型如今已经达到历史最低价，而 AI 能力提升与价格下降的速度令人震惊。

今年 3 月，OpenAI 发布 ChatGPT 5.4，该模型拥有更强大的智能体能力，当时价格为每百万输入 Token 2.5 美元（IT之家注：现汇率约合 16.9 元人民币）、每百万输出 Token 15 美元（现汇率约合 101.5 元人民币）。

如今，GPT 5.6 Luna 的价格已经降至每百万输入 Token 0.20 美元（现汇率约合 1.4 元人民币）、每百万输出 Token 1.20 美元（现汇率约合 8.1 元人民币）。

这意味着，一款前沿模型从发布到价格大幅下调，仅仅经历了不到 4 个月时间。

此次降价后，Luna 的价格已经进入 DeepSeek V4 的竞争范围。DeepSeek V4 专业版的价格为每百万输入 Token 0.435 美元（现汇率约合 2.9 元人民币）、每百万输出 Token 0.87 美元（现汇率约合 5.9 元人民币）。

GPT 5.6 Terra 是能力更强的模型，但在降价 20% 后，其价格也降至每百万输入 Token 2 美元（现汇率约合 13.5 元人民币）、每百万输出 Token 12 美元（现汇率约合 81.2 元人民币），低于备受关注的 Kimi K3（每百万输入 Token 3 美元（现汇率约合 20.3 元人民币）、输出 Token 15 美元（现汇率约合 101.5 元人民币））。

与此同时，GPT 5.6 Sol 仍保持每百万输入和输出 Token 分别 5 美元（现汇率约合 33.8 元人民币）和 30 美元（现汇率约合 203 元人民币）的价格。而 OpenAI 甚至提高了其顶级模型价格：5.6 Sol 的 Fast 模式收费为每百万输入 Token 10 美元（现汇率约合 67.7 元人民币）、输出 Token 60 美元（现汇率约合 406 元人民币），以更低延迟提供同等智能水平，直接竞争 Claude Fable 5、Mythos 5 等旗舰前沿模型。

但问题是：这些降价策略真的能为 OpenAI 带来利润吗？

成本压力正在逼近

今年早些时候，OpenAI 宣布实际上放弃自行拥有第一方数据中心的计划后，与“新云计算厂商”（Neoclouds）签订的租赁合同变得更加重要。

例如，与甲骨文达成的高达 3000 亿美元（现汇率约合 2.03 万亿元人民币）计算资源采购协议，已经成为 OpenAI 服务能够持续运营的重要基础。

然而，如果此前外界还曾怀疑 OpenAI 如何承担这样的成本，那么现在这种疑问变得更加明显。

OpenAI 目前已经在订阅业务上持续亏损，并且今年早些时候未达到关键收入目标。而在 2025 年，即使营收持续增长，公司仍然亏损了数百亿美元。

OpenAI 已承诺到 2030 年前投入约 6000 亿美元（现汇率约合 4.06 万亿元人民币）用于计算资源。

即便收入继续增长，也可能远远无法覆盖如此庞大的成本。而如今最受欢迎、价格最低的模型进一步降价，意味着公司的利润空间可能会大幅缩水，甚至完全消失。

这或许也是外界讨论英伟达可能向 OpenAI 提供 2500 亿美元（现汇率约合 1.69 万亿元人民币）投资支持的原因之一。

当然，OpenAI 并非唯一面临这一问题的企业。过去一年，谷歌在 AI 基础设施上的投入约为其云业务收入的 9 倍；Anthropic 最近能够实现年度化营收盈利，也主要得益于与 xAI 达成的一项低价租用 Colossus 数据中心的有限合作。

AI 的运行和建设成本并没有突然下降，但企业却正在不断降低价格，并以更低成本提供更快、更强大的模型。

从表面来看，这些数字似乎并不合理。

押注“杰文斯悖论”

AI 行业经常引用“杰文斯悖论”（Jevons Paradox）来解释 AI 普及速度加快的原因。

在杰文斯生活的时代，更高效的煤炭发动机并没有减少煤炭消耗，反而因为使用范围扩大导致煤炭总需求增加。

如今，AI 企业认为，随着 AI 使用成本下降，人们会发现更多应用场景，从而推动整体 AI 使用量大幅增加。

这可能正是当前 Token 降价策略背后的逻辑。

如果 Token 足够便宜，用户会大量增加使用量，从而通过规模增长带来更高收入。再考虑到今年年底以后，新一代 AI 加速芯片将在数据中心中更加普及，单位功耗下的 Token 处理能力可能提升 10 倍，使得更低利润率的业务也可以依靠规模实现盈利。

此外，英伟达未来的 Vera Rubin 平台也值得关注。英伟达宣称，该平台将进一步带来 10 倍的 Token 性能效率提升。

理论上，Blackwell 和 Vera Rubin 平台的优势可能让 AI 推理服务器成为更具盈利潜力的产业。

但即便如此，很难想象大型 AI 公司能够仅依靠 AI 业务收入覆盖目前投入的巨额成本，尤其是在竞争不断加剧、Token 价格持续下降的情况下。