剛剛過去的3月，視訊號上一條短影片在程式設計師圈子爆火，一個白髮蒼蒼的“程式設計師”對著另一個程式設計師苦苦哀求，“哥我求你了……就一點點就行，我快不行了，我就寫一個因數的量……”要的不是錢，是Token。視訊獲得了3.7萬點贊，10萬轉發。視訊的主角是AI製作的，內容是虛構的，但是對token的成癮反饋，是真的引起了情緒共鳴。就在同一個月，這條視訊爆火前，大洋彼岸曾經上演了一場全球性服務中斷。Anthropic的Claude全球當機，Claude Code徹底癱瘓，幾小時內Downdetector湧入超過5000條故障報告。外媒的文章標題是"開發者面對不得不親自寫程式碼的恐怖"。一位Meta高級工程師Gauresh Pandit說，Claude掛掉後他直接去幹別的了，因為手動寫程式碼“可能更慢”。他說大模型已經變成一種“單按鈕操作”，那怕最簡單的事也會習慣性交給它。社交媒體上有人說：“Claude當機才讓我意識到，我已經把半個大腦外包了。”視訊裡白髮蒼蒼的程式設計師求的不是隨便什麼Token，他要的是目前最貴的模型的Token。夥伴遞過來的平替，他看都懶得看。這些細節才是整件事最值得深思的地方：程式設計師不只是對AI上癮，是對高端Token上癮。痛苦不來自於“沒有AI可用”，更來自於“沒有那個AI可用”。0130%的人拿錢都不願意戒斷AIMETR是一家專注於AI能力評估的非營利機構。2026年2月，他們發佈了一份令人意外的聲明：實驗做不下去了。因為他們的實驗要求一半的任務不能使用AI，30%到50%的受邀開發者因為這個條件直接退出，即便報酬高達每小時50美元。這些開發者中的很多人，經驗豐富、項目資深，恰恰是最能說明問題的樣本。他們再也不願意手寫程式碼了。這組資料比任何生產力統計都更能說明問題。McKinsey在2026年2月發佈的調查說AI程式設計工具讓常規編碼任務快了46%。Stack Overflow的年度調查說84%的開發者在用AI。在這些數字描述的廣度之外，METR的發現描述了另外一個維度，AI已經嵌入了人的認知習慣，拔出來會痛。02一杯咖啡和一輛保時捷到這裡，“大模型是類似於電力一樣的基礎設施”這個提出了近10年，流行了超過三年的說法，需要被認真質疑了。Andrew Ng在2017年提出這個說法時，強調的是AI像電力一樣將滲透到每個行業。這一點他是對的。但比喻的另一半，“電是無差別的標準化商品”，完全不適用於大模型。220伏交流電就是220伏交流電，不管它來自風力發電還是火力發電。你不會因為用了"更好的電"而烤出更好的面包。Token不是這樣。以下是截至2026年3月，各主流廠商大模型API每百萬Token的官方定價：各主流廠商大模型API價格對比這張表可以清晰看出不同模型價格的差距。同一個月在售的模型之間，定價可以差兩個數量級。快取機制又在實際成本上撕開了另一層差異。DeepSeek V3.2的快取命中價$0.028，不到三分錢處理一百萬Token。Opus 4.6的快取命中價也從$5.00降到$0.50，打了一折。GPT-5.4 nano的快取價$0.02甚至比DeepSeek更低。在高重複率的生產場景中，實際成本可以比標價再低一個數量級。Token的“掛牌價”和“成交價”之間，又藏著一層巨大的差異。這不是電力市場的價格結構。電的價格反映發輸配的物理成本，與電本身的“質量”無關。Token的價格反映的是智能的種類和等級，推理深度、上下文理解、代理執行能力、可靠性，而這些維度之間無法簡單排序。03大模型的微笑曲線企業已經用腳投票了。據AI基礎設施研究機構Iternal的分析，成熟的企業級AI部署正在採用“智能路由”架構：70%的簡單查詢扔給性價比模型，20%給中端模型，只有10%的最棘手、最高風險的任務，才會呼叫頂級模型。從宏觀來看，Token市場正在形成一條微笑曲線：左端是極致效率，右端是極致智能。左端是一種新的工業邏輯：當Token足夠便宜，它就可以像水電一樣大規模灌入自動化流水線的原料。批次資料清洗、日誌分類、工單路由、內容稽核、表單提取，這些任務不需要模型"極致聰明"，需要的是又快又便宜又穩定。誰能把每百萬Token的成本壓到最低，同時保持足夠的精準率，誰就能拿下這個市場。這一端的競爭壁壘是推理基礎設施的效率，算子最佳化、晶片利用率、快取命中率、調度策略。右端的遊戲規則完全不同。Opus 4.6定價$5/$25，它們賣的是一種不可替代的認知能力。右端的壁壘是絕對的智能質量，推理深度、指令遵循的精確度、在複雜約束下保持邏輯一致性的能力。這是旗艦模型在爭奪的領地。但是，一切都不是一成不變的。一位大模型行業的從業者透露：“我們定價的時候，核心第一原則還是自己的成本，不能虧錢。”當被問及“如果還有價格戰怎麼辦？”，回答是：“目前大模型行業還沒發生過惡性的價格戰。所謂的價格屠夫，也是基於他們自己的成本價格。所以必須通過技術創新把成本打下去。”“成本打下去之後，價格不一定變，但是競爭就有優勢了。”這是一個變化極快的行業，“人間才一日，AI已千年”。擔心如影隨形。站在微笑曲線另外一端的Claude，是否就可以高枕無憂地走高端智能的愛馬仕路線了？“競爭對手會努力把它的價格打下來的。”一位從業者說。微笑曲線兩端的商業定律不會變，但是大模型公司的站位會隨時變。這也造成了，大模型公司之間的商業價值也會拉開較大差距。一位二級市場的分析師說：“我們目前看大模型公司第一位還是看人才密度和技術能力。因為你看不清楚終局，最後對這個人類社會的影響你也看不清楚。但是從產業上來看，它的確是在不斷的往前推進的，所以我覺得人才和技術是最核心的一個要素。然後才是商業化資料。”微笑曲線的左端，是大規模的工業級生產需求。右端，是靠模型的智能能力獲得的溢價能力。更需要引起關注的是，能夠溢價的背後，是使用者的粘性和依賴性。04外腦一旦插上，就拔不掉了回到那個當機的3月。一家英國基礎設施服務商Deployflow做了一筆簡單的帳：25人的工程團隊，4小時的AI中斷，直接損失超過9000英鎊，還沒算下游的項目延期。但經濟損失不是最讓人不安的部分。最讓人不安的是，開發者在當機結束後表現出的反應不是憤怒，而是如釋重負，一種人類不想承認的依賴感。這種依賴正在從程式設計師擴散到所有知識工作者。Claude在當機前幾天剛剛超越ChatGPT，成為美國App Store下載量最大的免費應用。大模型的訂閱套餐一般都有Token使用限額，“對話到一半，限額到了，也無法遷移，只能繼續充錢。” 一位大模型的深度使用者說。它的使用者不只是寫程式碼的人，還有寫報告的人、做研究的人、改合同的人、帶團隊的人。AI不再是像電那樣驅動機器的基礎設施，而是直接參與思考的"智能"。在這個時代，我們害怕斷電、斷網，也害怕“斷token”。智能的成癮已經蔓延。更大的噩夢還在於，我的“小龍蝦”記憶突然清零，或者龍蝦團隊領袖的大腦，突然當機。使用者持續為他所依賴的外腦持續付出成本，也將是大模型公司最深的商業護城河。 (騰訊科技)
