AI時代的「Token 經濟學」：企業面臨成本失控與定價危機

在人工智慧浪潮下，「Token」已成為數位時代的通用貨幣，但其價值的模糊性正引發一場全球性的定價危機。

據《Barron’s》報導，企業客戶正因難以制定 AI 預算而感到困惑，華爾街也因無法像傳統零售或雲端運算那樣輕鬆追蹤定價，而對 AI 的變現前景產生信心危機。

報導指出，2024 年「推理模型」與「AI 代理」的崛起是成本失控的主因。不同於早期追求快速回答的模型，推理模型在輸出前會進行冗長的「內部對話」與自我推演，這些不為人見的運算所消耗的 Token 往往遠超過最終產出的文字。

更具挑戰性的是 AI 代理。研究顯示，編輯程式碼代理在完成相同任務時，其 Token 消耗量是人類程式程計師的上千倍。這種「貪婪」的消耗模式，讓 AI 從便利的工具變成了一種昂貴的習慣，且 Token 消耗量並不直接等同於任務成功率，失敗的任務重做將產生更龐大的額外開支。

面對雪球般滾動的巨額帳單，企業執行長們的態度正從盲目擁抱轉向謹慎節省。許多公司已建立儀表板追蹤員工的 AI 使用情況，並在發現驚人成本後迅速轉向更節儉的使用模式。

為了精簡開支，企業開始尋求其他管道，包括採用來自中國的高性價比模型，或是期待 OpenAI 與 Anthropic 等龍頭在激烈競爭下下調高端模型價格。

華爾街分析師原本希望將 Token 作為衡量 AI 交易熱度的指標，但因各家公司計數方式不一（如 Anthropic 的計數方式較同業多出 30%-40%），導致市場數據變得模糊不清。Uber 總裁 Andrew Macdonald 也質疑，生產力的提升是否真能與這些高昂開支掛鉤。

歸根結底，AI 的商業可行性取決於真正的生產力轉化。史丹佛大學經濟學家 Erik Brynjolfsson 提醒，技術轉化為生產力通常需要重新思考業務流程，這可能耗時數年甚至數十年。在企業努力控制 Token 支出之際，這對晶片製造商、能源公司及模型提供方而言，恐怕並非好消息。