AI token成本正困扰着众多企业财务决策者。OpenAI董事长认为，这一问题在一年内将不复存在。企业深陷AI成本焦虑？OpenAI董事长断言：Token计费将在一年内终结！未来行业将告别“算Token”，全面迈向“按业务结果付费”的新商业模式。同时，他对Kimi等低成本模型的真实性价比持审慎态度，AI投资回报正迎来变革拐点。

一、Token计费模式的”终结预言”

1.1 核心言论

OpenAI董事会主席、AI初创公司Sierra联合创始人布雷特·泰勒（Bret Taylor）在7月20日接受CNBC专访时作出重磅预测：AI行业当前基于Token的计费模式将在12个月内被”按结果付费”模式取代。

泰勒的判断基于一个核心观察：当前围绕Token计费和管理产生的种种”问题”，根源在于AI市场仍处于早期阶段、商业模式尚未成熟。他以互联网早期发展路径做类比——上世纪90年代搭建一个简单网站的成本远高于后续产业成熟阶段，AI产业正处于完全相似的早期周期。

泰勒在采访中明确表示：”我认为，未来的收费方式将以实际成果为依据。““12个月后，IT部门将非常擅长部署不同场景下的AI工具。营销部门可能使用一套产品，软件工程师则使用另一套产品。因此，企业根本不必再考虑’Token’这个概念。”

1.2 背景语境：Token成本危机

泰勒的预言并非凭空而来，而是建立在2026年上半年愈演愈烈的Token成本危机之上：

• 企业预算被”烧穿”：多家企业报告称，AI支出在2026年第一季度就烧光了全年预算。OpenAI CEO萨姆·奥特曼也注意到了这一突变：”这个问题以前从未出现过，人们对自己花的钱一直很满意。然后突然间，AI成本成了一个大问题。”

• Agent系统放大消耗：AI智能体系统将Token使用量放大了5到30倍，高用量用户每月Token消耗突破1000亿。

• 企业被迫削减AI支出：Token成本的螺旋式上升已迫使多家企业削减AI预算，围绕投资回报率的争议也随之升温。

• 成本焦虑成为CFO头号议题：Token成本已成为众多首席财务官重点关注的问题。

正是在这一背景下，泰勒的预言——Token计费模式将消亡、行业转向”按结果付费”——不仅是一个前瞻性判断，更是对当前行业痛点的直接回应。

二、核心剖析：从”卖Token”到”卖结果”

2.1 泰勒预言的逻辑链条

泰勒的论证逻辑可以拆解为三个层次：

第一层：当前问题是”早期病”，而非”终局态”。泰勒认为，Token计费带来的所有困扰——企业财务团队无法预测成本、IT部门疲于追踪用量、CFO质疑ROI——都只是AI产业”青春期”的阵痛。随着行业生态逐步完善，这些技术细节将被抽象和封装。

第二层：中间层将承担Token管理的”脏活累活”。未来不会是企业直接面对Token计费，而是由第三方服务商接手Token管理的全部负担。泰勒列举了两个正在发生的案例：财务管理平台Ramp推出的Token支出追踪工具，以及法律AI初创公司Harvey——后者已开始直接为客户管理Token消耗，客户只需为”法律AI服务”这一结果付费，无需关心底层跑了多少Token。

第三层：企业IT部门将实现”场景化”部署。泰勒预测，12个月后企业IT部门将形成成熟的多场景AI部署体系——营销、研发、运营等不同部门各自适配专属AI工具，组织层面彻底淡化”Token”这个技术概念。

2.2 “按结果付费”的本质：价值捕获的上移

从”按Token计费”到”按结果付费”，表面看只是定价模式的改变，实则涉及AI价值链上价值捕获位置的重大迁移。

在Token计费模式下，价值主要停留在模型层——OpenAI、Anthropic、Google等基础模型提供商按Token消耗量收费，赚的是”卖铲子”的钱。企业客户承担了所有成本风险和效率风险——模型用得好不好、Token花得值不值，全是客户自己的事。

在”按结果付费”模式下，价值将上移至应用层——Sierra、Harvey、Ramp等垂直AI应用提供商将Token成本内部化，向客户提供打包的、可预期的、与业务成果挂钩的服务。企业客户不再关心”这个任务花了多少Token”，只关心”这个任务帮我解决了什么问题、创造了多少价值”。

2.3 赢家与输家的分野

Edgen.tech的分析清晰地勾勒了定价模式转型对AI价值链上不同参与者的影响：

潜在赢家：

潜在输家：

2.4 对Kimi K3的审慎态度：一个重要的注脚

值得特别注意的是，泰勒在预言Token计费模式消亡的同时，对中国初创公司月之暗面（Moonshot）上周发布的Kimi K3模型保持审慎态度。

尽管Kimi K3据称以更低成本实现了与OpenAI和Anthropic旗舰模型相当的性能、在硅谷引发广泛关注，但泰勒表示：”‘用起来是否更便宜’是任何考虑采用它的人最关键的问题，而我认为这一点目前还没有定论。“

泰勒的 skepticism 反映了行业内的一个深层分歧：开源/低成本模型能否在大规模部署中维持其成本优势？前沿模型（如OpenAI和Anthropic的旗舰产品）在Token效率上可能仍然更优，简单的”每百万Token价格”对比可能无法反映真实世界的推理成本。Kimi K3在关键基准测试上的表现尚未经独立验证，企业买家缺乏清晰的比较基础。

三、深度分析

3.1 两条叙事的交汇：从”算力军备竞赛”到”成果价值捕获”

“按结果付费”的本质，是将AI的投资逻辑从”算力消耗量”转向”业务成果创造量”。这对投资者意味着：

• 算力仍然是必要不充分条件——没有算力就没有AI，但仅有算力无法自动创造商业价值

• 价值捕获正在从”基础设施层”向”应用层”迁移——谁最接近最终业务成果，谁就能捕获最大价值

• “结果的可衡量性”将成为AI公司估值的核心锚点——不再是”每百万Token价格”，而是”每美元AI投入创造了多少业务价值”

3.2 潜在投资主线

基于泰勒的预言及其背后的行业趋势，以下投资主线值得关注：

1. AI应用层（垂直SaaS + AI）

这是”按结果付费”模式最直接的受益者。能够将AI能力封装为可衡量业务成果的垂直应用公司——法律AI（如Harvey）、财务AI（如Ramp）、营销AI、客服AI等——将获得显著的定价权和客户粘性。企业客户从”算不清ROI”到”明确按效果付费”，采购决策门槛将大幅降低。

2. AI基础设施的”成本优化”赛道

如果”按结果付费”成为主流，模型提供商将面临更大的成本压缩压力。能够帮助模型层降低推理成本的技术和公司——更高效的模型架构、更聪明的推理优化、更便宜的算力来源——将获得战略价值。

3. 具身智能与”实体结果”

“按结果付费”的终极形态，可能是AI直接产出实体世界的可衡量成果——比如AI驱动的自动化制造、AI优化的物流调度、AI辅助的药物研发。这些领域的AI公司天然具备”按结果付费”的商业模式基础。

4. 需要警惕：纯”算力租赁”商业模式

如果Token计费模式真的在12个月内被颠覆，那么纯粹按算力消耗计费的商业模式可能面临估值重构。卖算力的公司需要证明自己不仅仅是”Token贩子”，而是能够参与成果价值分配。

3.3 关键验证节点

泰勒的”12个月”预言是否成真，投资者需要跟踪以下信号：

1. 企业AI采购行为的变化：CFO们是否开始要求”按结果付费”的合同条款？

2. OpenAI自身的定价策略：如果OpenAI自己率先转向”按结果付费”，那将是最大的信号——目前OpenAI已在考虑大幅下调Token价格以争夺企业客户

3. 垂直AI应用公司的收入模式：有多少AI应用公司开始提供”按结果付费”选项？客户接受度如何？

4. 模型效率的提升速度：Token成本是否真的在快速下降？下降速度是否足以支撑”按结果付费”的盈利模型？

四、总结和展望

泰勒的”Token计费模式将在12个月内消亡”预言，本质上是对AI商业化路径的一次重大方向性判断：

第一，这是对当前Token成本危机的直接回应，而非空想。2026年上半年，企业AI预算被”烧穿”、Agent系统将Token消耗放大5-30倍、CFO集体陷入ROI焦虑——这些现实痛点正在倒逼定价模式的变革。

第二，”按结果付费”的本质是价值捕获从”模型层”向”应用层”的上移。未来的赢家不是卖Token最多的公司，而是最能将AI能力转化为可衡量业务成果的公司。这与”算力效率革命”（Kimi K3）和”算力规模竞赛”（贝森特80%宣言）形成了三条并行的叙事线——它们并非相互否定，而是在不同层面定义了AI的价值创造方式。

第三，对投资者的启示是：需要重新审视AI价值链上的价值分布。如果”按结果付费”成为主流，纯模型提供商的利润率可能承压，而垂直AI应用公司将获得更大的定价权和客户粘性。AI投资的焦点正在从”谁拥有最多的算力/最强的模型”转向”谁能最有效地将AI能力转化为客户可衡量的业务成果”。

第四，泰勒对Kimi K3的审慎态度提醒我们：低成本不等于低总成本。在”按结果付费”的世界里，真正的竞争力不是”每百万Token的价格”，而是”每美元投入创造的业务价值”。这个标准对OpenAI和月之暗面同样适用——谁能用更少的成本为客户创造更大的成果，谁就能在”按结果付费”的时代胜出。

正如泰勒所言，我们还处于这项技术的早期阶段。而早期阶段最大的特征，就是商业模式本身仍在剧烈演化之中。