AI 價格戰殺瘋了！SpaceXAI、OpenAI、Meta 集體降價，Anthropic 承壓，AI 產業鏈利潤流向誰家？

Token 是 AI 模型處理文本的最小單位。一段文本送入模型前，會被切分成若干個 Token，可能是完整的單字、字根或標點符號。中文語境下，單個漢字或常用詞彙均可作為一個 Token。Token 數量直接決定單次對話的文本長度上限。在 API 定價中，Token 是計費基礎，輸入文本和生成回覆分別按 Token 數量累加計費。

就在幾個月前，矽谷還流行一種叫「Token 最大化」的文化，即公司鼓勵員工盡可能多地使用 AI，生怕用少了就落後了。但最近，情況發生了變化。

據《The Information》近日報導，特斯拉（TSLA）通知員工，自 7 月 6 日起，將員工 AI 工具使用支出上限設定為每週 200 美元，超出部分需獲得主管審批。優步（UBER）在 4 月就用完了 2026 年全年的 AI 預算，隨後把每個員工在單個 AI 工具上的月度 Token 支出限制在 1500 美元以內。

根據企業支出數據平台 Ramp 的統計，2026 年 4 月企業支付 AI Token 費用的中位數為每月 2246 美元，但平均值高達 14 萬美元，巨大的差距說明少數「超級用戶」正在消耗絕大部分 AI 預算。

企業開始算帳了。一年前，OpenAI 高層還在討論對頂級 AI 模型收取每月數千美元訂閱費的可能性。如今，山姆·阿特曼的口風變成了：「每家企業都在思考他們在 AI 方面的支出以及從中獲得的價值，這正是我們想要解決的問題。」

SpaceXAI 於 7 月 8 日率先發布 Grok 4.5，是公司上市後的首款新模型。馬斯克在 X 上高調宣稱：「這是一個 Opus 級別的模型，但速度更快、Token 效率更高、成本更低。」

測試數據印證了這一點。在 SWE-Bench Pro 任務中，Grok 4.5 平均僅用 15,954 個 Token 就解決問題，而 Claude Opus 4.8 需 67,020 個 Token，不到對手的四分之一。API 定價輸入 2 美元、輸出 6 美元 / 百萬 Token，較 Claude Opus 和 GPT-5.5 便宜 60% 以上。SpaceXAI 聲稱其 Token 效率是同類產品的兩倍。

OpenAI 於 7 月 9 日面向大眾上線 GPT-5.6，一次推出三款模型：Sol、Terra 和 Luna。

Sol：輸入 5 美元、輸出 30 美元 / 百萬 Token，價格與上代持平，但在效率和效能上大幅拔高。在權威機構 Artificial Analysis 的 Coding Agent 指數中，Sol (max) 以 80 分創下全球新標竿，在完成複雜多步任務時表現出極強的持續推進力，且綜合 task 成本大幅低於傳統前沿模型。

Terra：輸入 2.5 美元、輸出 15 美元 / 百萬 Token，效能對標 GPT-5.5 但價格直接砍半。在 OpenAI 官方的 Agents' Last Exam 測試中，Terra 憑藉高效的邏輯鏈路，能以相當於傳統前沿模型約十六分之一的預估成本完成特定專業工作流。

Luna：輸入 1 美元、輸出 6 美元 / 百萬 Token，三款中最便宜，適合高頻呼叫場景。

Meta 緊隨其後，首次推出付費 API 模型 Muse Spark 1.1。定價方面，輸入 1.25 美元、輸出 4.25 美元 / 百萬 Token。對比 Anthropic Fable 5 輸入 10 美元、輸出 50 美元。Muse Spark 1.1 定價僅為 Fable 5 的十分之一。

祖克柏直言：「其他實驗室定價很高，利潤空間也很大。我們有能力以更實惠的價格提供前沿智慧。」Meta 的底氣來自利潤豐厚的廣告業務，先用低價搶市場，站穩後再慢慢漲價。

三巨頭集體降價，壓力最大的當屬 Anthropic。根據 Ramp 數據，Anthropic 的企業 AI 訂閱市占率在 2026 年 5 月達到 41%，首次超過 OpenAI 的 39.5%。原本在企業市場佔據優勢的 Anthropic，如今正被對手用價格「抄後路」。

此外，數據顯示，Anthropic 自身的算力支出已達到薪資支出的 2.3 倍，若按一名高階工程師 22.4 萬美元的總成本計算，每位工程師每年對應的算力支出約為 51.5 萬美元。

Anthropic 近期已將 Claude Enterprise 從固定訂閱模式轉向基於使用量的計費模式，這一轉變本身，恰恰反映出 AI 成本壓力已經從客戶傳導到供應商自己身上。

如果模型層都在打價格戰，利潤去哪了？

第一站：模型路由服務商。當模型越來越多、價格越來越亂，企業反而更需要「誰便宜用誰」的工具。OpenRouter 這類平台允許用戶根據任務在數百個模型中自動切換。2026 年 5 月，OpenRouter 完成 1.13 億美元 B 輪融資，估值達 13 億美元。其每週處理的 Token 量已從 5 兆增長到 25 兆。

花旗銀行報告顯示，OpenRouter 平台上處理的開源模型 Token 佔比從 1 月的 34% 飆升至 6 月的 65%。

第二站：性價比更高的替代方案。美國企業在 OpenRouter 上使用中國 AI 模型的 Token 佔比，2026 年以來每週都穩定在 30% 以上，最高觸及 46%。

根據第三方評測數據顯示，目前中國主流前沿模型在多模態理解與工程落地上，與美國頂級閉源模型的綜合性能差距已大幅收窄至 1% 至 4%，定價卻低 60% 到 90%。

第三站：上游半導體。價格戰燒的是模型層，買單的也是模型層。模型開發商降價的底氣，來自推理成本的持續下降，而這背後是 AI 晶片和記憶體晶片產業的結構性繁榮。美光（MU）單季營業利益率超過 80%，SK 海力士（SKHY）、三星記憶體晶片利潤持續創新高。AI 算力的成本大頭不在模型層，在晶片層。每一筆 API 呼叫的背後，都有 GPU 和 HBM 的消耗。模型層打得越兇，上游晶片和記憶體的需求越剛性，價格戰越慘烈，上游受益越確定。

模型層打價格戰，短期來看是客戶受益，更便宜、選擇更多、議價能力更強。長期來看，能夠活下來的 AI 開發商，必須回答一個問題：在 Token 單價持續走低的情況下，如何收回晶片和資料中心上那數千億美元的投入？

祖克柏有廣告業務輸血，馬斯克有資本市場說故事的能力，OpenAI 有先發優勢和品牌溢價。而 Anthropic，這家靠「最智慧」立身的公司，正面臨一個殘酷的現實：客戶正在用預算投票，而不是用榜單排名投票。

AI 的「Token 效率時代」已經到來。這一年最大的變化，不是模型變強了多少，而是整個產業從「值不值」變成了「貴不貴」。當每一家企業都在審視 AI 帳單的時候，誰能幫客戶省錢，誰就能活下去。

本內容經由 AI 翻譯並經人工審閱，僅供參考與一般資訊用途，不構成投資建議。