AI 產業第一次真正進入“經濟核算階段”

OpenAI 與 Anthropic 可能展開價格戰的消息，表面看是兩家頭部 AI 公司在爭奪用戶，深層看卻是 AI 產業第一次真正進入“經濟核算階段”。

過去兩年，AI 行業最常被討論的是模型能力：誰的模型更強，誰的推理更好，誰的程式碼能力更穩，誰的多模態更驚豔。資本、媒體和用戶都願意為“最強模型”付出溢價。但當 AI 真正進入企業，情況開始變化。企業不再只問“模型強不強”，而開始問“帳單貴不貴”；不再只看“有沒有用 AI”，而開始追問“這些 token 到底換來了多少結果”。這就是這則新聞真正值得觀察的地方。

據 Reuters 轉述《華爾街日報》報導，OpenAI 正在考慮大幅下調 AI 服務價格，以應對與 Anthropic 之間的用戶爭奪；相關討論仍在進行中，Reuters 也說明其未能獨立確認該報導。消息同時提到，企業高管正在對 AI 使用成本產生壓力，Sam Altman 近期也承認成本已經成為一個“巨大問題”。我覺得可以把這件事放在 Anthropic 企業端崛起、Claude Code 受歡迎、OpenAI 重點推動 Codex、企業開始控制 agentic AI 支出、以及 IPO 前商業模式壓力測試的背景下討論。我的判斷是：這不是一場簡單的 token 降價戰，而是 AI 產業從“智能展示”走向“價值核算”的開始。

這不是傳統意義上的價格戰

如果按照傳統互聯網的邏輯，一家公司降價，另一家公司跟進，用戶得利，市場擴大，最後用規模攤薄成本。但大模型服務不完全遵循這個邏輯。AI 背後不是幾乎零邊際成本的軟體分發，而是實實在在的算力、存儲、網路、電力、冷卻和資料中心資本支出。

所以，AI 不可能無限降價。價格可以優化，單位 token 成本可以下降，模型推理效率可以提升，快取、批次處理和模型路由可以降低實際使用成本，但底層資源消耗不會憑空消失。OpenAI 官方價格頁顯示，GPT-5.5 的 API 標價為每百萬 input tokens 5 美元、output tokens 30 美元；Anthropic 官方資訊顯示，Claude Opus 4.8 regular usage 價格為每百萬 input tokens 5 美元、output tokens 25 美元。這說明頭部旗艦模型仍然保持高價值任務的價格錨點，並沒有進入“無底線低價”階段。

因此，所謂 AI 價格戰，更可能是一場結構性降價，而不是全面價格崩潰。消費端、開發者端、低階模型、高頻入口場景，可能會率先降價；企業核心任務、複雜推理、高可靠程式碼、合規與安全要求較高的場景，仍然會保持溢價。

真正的問題不是 token 便不便宜，而是每一個 token 能不能創造足夠價值。

從 tokenmaxxing 到 valuemaxxing

前一篇《禮立觀察·科技評論》裡，我們討論過 tokenmaxxing：企業和員工為了證明自己“用上了 AI”，不斷推高 token 使用量。但現在，價格戰的討論進一步說明，AI 行業必須從 tokenmaxxing 走向 valuemaxxing。tokenmaxxing 關注的是“用了多少 AI”；valuemaxxing 關注的是“每一次 AI 調用到底創造了多少價值”。這兩個詞背後，是兩套完全不同的產業邏輯。

如果企業只看 token 消耗，它很容易得到一個似乎繁榮的 AI 使用曲線：員工都在用，調用量在漲，模型帳單在增加。但這並不必然意味著生產力提升。真正成熟的企業，下一步一定會追問：這些 token 是否減少了返工？是否縮短了交付週期？是否提高了程式碼品質？是否改善了客戶體驗？是否降低了銷售、客服、研發、運營和管理成本？

這才是 AI 真正進入企業之後的核心問題。過去，AI 公司賣的是“智能能力”；現在，企業客戶要買的是“可驗證結果”。這也是價格戰背後最重要的變化：AI 的競爭正在從“誰更聰明”變成“誰更划算”，再進一步變成“誰更能交付結果”。

OpenAI 為何會感到壓力

OpenAI 的壓力來自兩個方向。

一方面，是 Anthropic 在企業端的快速崛起，尤其是 Claude Code 在開發者和企業工程團隊中的擴散。程式碼場景是 AI 最容易形成高頻、高價值和強黏性的場景之一，因為它可以直接嵌入研發流程，影響交付效率。上傳材料中提到，Anthropic 的程式設計工具 Claude Code 帶動營收增長，也讓 OpenAI 將 Codex 作為重點方向。這說明，AI 的戰場已經不只是聊天框，而是進入了企業真實工作流程。

另一方面，是客戶開始重新審視 AI 成本。早期企業採用 AI，很多時候帶著試驗心態，先買、先用、先探索。但當使用量上來，帳單變大，管理層就一定會從“有沒有用 AI”轉向“用得值不值”。Reuters 報導中也提到，企業高管已經開始對高昂的 AI 使用成本表示不滿。

這不是 AI 熱潮結束，而是 AI 進入經營預算。創新預算講故事，經營預算看回報。到了這個階段，企業不會只問模型強不強，而會問單位任務成本是多少、供應商能否替換、結果是否可衡量。我的判斷是：OpenAI 如果考慮降價，並不說明商業模式被證伪，而說明 AI 開始從“策略試點”進入“經營成本項”。一旦進入經營成本項，客戶就會開始用更冷靜的方式計算 AI。

價格戰真正改變的是產業規則

這場競爭真正會改變的，不是某一個模型價格，而是 AI 產業的評價體系。

第一，模型公司不能只靠“最強模型”講故事，還必須證明“單位智能成本”持續下降。誰能用更少 token、更低延遲、更穩定結果完成更多任務，誰就更有優勢。

第二，企業客戶會更主動地做模型組合。過去企業可能願意直接採購最強模型，現在會開始區分任務類型：複雜推理用旗艦模型，常規客服用輕量模型，內部檢索用本地模型，程式碼審查用專用模型。未來企業 AI 架構，很可能不是一個模型打天下，而是多模型、多供應商、多層級成本管理。

第三，應用公司會迎來機會。模型降價會壓縮基礎模型公司的部分溢價，卻會放大應用層的價值。因為客戶最終要的不是便宜 token，而是穩定、可交付、可治理的業務結果。誰能把模型能力封裝進真實產業流程，誰就能把“token 成本”變成“業務價值”。

第四，投資人會改變看 AI 公司的方式。過去看模型榜單、用戶增長和估值故事；未來要看毛利結構、推理成本、客戶留存、任務完成率、工作流程滲透率和單位任務經濟性。Reuters 報導稱，OpenAI 與 Anthropic 均已走向 IPO 進程，OpenAI 也被報導已秘密提交 IPO 文件；這意味著，公開市場會更直接地審視它們的收入質量、成本結構和客戶黏性。

我的判斷是：AI 價格戰不會結束 AI 的高價值敘事，但會結束“只要會調用模型就能講大故事”的階段。

對中國 AI 產業的啟示

對中國 AI 產業來說，這件事有三點啟示。

第一，中國大模型公司不能只卷參數、榜單和發布會，必須更早進入成本效率競爭。中國企業客戶對價格更敏感，對 ROI 更現實。如果模型能力不錯，但推理成本過高、穩定性不足、交付閉環不清晰，很難真正進入企業核心流程。

第二，中國 AI 的機會不在簡單複製 OpenAI 或 Anthropic，而在產業場景和工作流程深處。製造、供應鏈、跨境貿易、金融風控、政企服務、園區運營、客服銷售、財稅法務，這些都是中國企業真實存在的複雜流程。誰能把 AI 做進這些流程，誰就可能把模型能力轉化為產業服務能力。

第三，中國企業應該盡快建立自己的 AI 成本治理體系。不要只統計用了多少 AI，而要統計每個任務、每個流程、每個部門的 AI 投入產出。未來企業的 AI 管理，不應該停留在“買了哪些模型”，而要進入“哪些任務適合 AI、用哪個模型最划算、結果誰審核、成本如何分攤、價值如何評估”。

這裡尤其要提醒一點：標價便宜，不等於實際便宜。斯坦福、伯克利等研究者關於 reasoning model 成本的研究指出，列示 API 價格並不總能反映實際推理成本；在部分模型對比中，標價更低的模型反而因為 thinking tokens 消耗更多而導致總成本更高。這對中國企業尤其重要：選擇 AI 供應商，不能只看每百萬 token 單價，而要看一個任務從輸入、推理、輸出、審核到完成的總成本。

這也是我一直強調的判斷：AI 真正進入企業後，競爭的核心不是誰更會聊天，而是誰更會完成任務；不是誰燒掉更多 token，而是誰能把智能變成更低成本、更高品質、更可驗證的結果。

結語：便宜不是終點，價值才是終點

OpenAI 和 Anthropic 如果真的展開價格競爭，短期看是用戶爭奪，長期看是商業模式測試。它會推動 AI 使用成本下降，也會讓企業更快接受 AI；但它同時會逼迫整個產業回答一個更嚴肅的問題：AI 到底是在創造價值，還是在製造更大的帳單？

所以，這場價格戰的真正意義，不是 token 會不會便宜，而是 AI 行業終於開始從“智能展示”走向“價值核算”。

未來真正值錢的 AI 公司，不一定是模型最會說話的公司，而是最能把每一份智能消耗轉化為任務結果、業務效率和產業價值的公司。

AI 產業的下一階段，不是 token 越便宜越好，而是每一個 token 都要更值錢。