如果你最近在用一些AI应用时感觉“手头紧了”,那可能不是错觉。就在前几天,DeepSeek宣布API服务价格将较大幅度上调,而在此之前,国内多家大模型厂商也悄悄告别了“骨折价”时代。
这被业内人士解读为一个标志性的转折:狂飙数年的“百模大战”,正在从拼参数、拼融资的“技术狂欢”,进入拼成本、拼效率的“精算时代”。打个比方,过去两年行业像是在免费铺管道,告诉大家“尽量用”“随便用”。现在管道铺好了,大家开始认真思考,数字经济（885976）时代的“石油”到底如何定价。
“DeepSeek API调价以及最近一系列模型的价格调整,是硅基经济从技术叙事进入价格叙事的标志性事件。这次变化的关键并不只是词元(Token)变贵,而是正在发生两项更深层的变化:一方面,Token开始分层;另一方面,Token开始价格化。”华东师范大学上海人工智能（885728）金融学院院长邵怡蕾在接受《金融时报》记者专访时表示。
在邵怡蕾看来,过去几年,大模型行业主要讨论参数、性能、训练方法和评测排名,本质上是在回答“智能能否被生产出来”。随着大模型进入企业生产流程,特别是智能体Agent开始承担任务执行,行业开始面对新的问题:智能如何计量?如何定价?又应当如何配置?
这场从“价格战”到“价值战”的切换,或许标志着大模型真正走进人的生产生活新阶段。
《金融时报》记者:8月6日,我们关注到,DeepSeek宣布计划近期整体上调DeepSeek API 服务的定价,并称“预计涨幅较大”。您认为,DeepSeek此次涨价是否具有行业普遍性?背后的逻辑是什么?API价格会持续上涨吗?
邵怡蕾:这不是孤立事件,而是行业性拐点。过去两年国内大模型打的是典型的价格战,DeepSeek今年4月、5月还在连续降价。进入2026年,包括智谱（HK2513）在内的多家厂商已先后上调API价格。
风向的逆转有三重原因:一是Agent应用爆发让推理需求指数级增长,DeepSeek单个模型日均处理已达数万亿Token量级,容量长期承压;二是头部厂商集体进入重资产建设期,巨额资本开支需要现金流支撑,靠融资补贴单价的模式很难走下去;三是行业心态从“抢用户”转向“算账”,定价从营销工具回归成本函数。
更重要的是,Token正在从相对同质的计费单位变成分层供给。普通文本生成、复杂推理、长上下文、低延迟调用和高可靠性服务,对算力的消耗不同,给用户带来的价值也不同。因此,未来更可能出现的不是简单的全面涨价,而是价格结构分化,形成智能的价格曲线。基础生成能力仍可能继续降价,但复杂推理、即时响应、低延迟和高可靠性服务会保持一定溢价,批处理、缓存命中和非高峰调用则可能更便宜。
《金融时报》记者:此前很多人认为国内大模型的优势在于成本,您认为,这一优势能否延续?
邵怡蕾:国内大模型的成本优势是真实的,但它的本质从来不是卖得便宜,而是一条完整的定价权路线。中国在定价权上的打法,是以开源生态、工程优化与极致性价比为核心,把单位智能成本压到普惠门槛之下。对广大发展中国家而言,够用且用得起往往比是否最顶尖更关键。这正是中国模型占据全球普惠市场的原因,2026年4月OpenRouter数据显示,中国开源模型已占该平台约48%的用量。
从这个角度看,涨价动摇不了这条路线的根基。其一,价差的数量级还在。即便上调数倍,中国旗舰模型相对美国同级模型仍保有数量级上的价格优势,普惠定价的全球优势没有改变。其二,优势的来源还在。低价来自模型架构、缓存复用、算力调度和软硬件协同,而不是补贴。
但我们的优势确实需要升级,需要从Token更便宜升级为智能生产率更高。即,使用同样的算力生产更多有效智能,同样的任务消耗更少Token,并更快地把模型能力转化为金融、制造、物流等现实生产力。DeepSeek调价不会终结中国的成本优势,但会迫使市场把低价和高效率区分开来。前者可能只是阶段性策略,后者才是长期竞争力。
《金融时报》记者:有业内专家分析,即便价格上涨后模型调用量仍然增长,您认为,这是否意味着市场已从价格敏感型转向价值敏感型?新进入者还有没有低价弯道超车空间?
邵怡蕾:如果涨价后调用量仍然增长,说明市场的计价逻辑正在换轨,从比较每百万Token的价格,转向比较每单位智能的价格。这正是从价格敏感转向价值敏感的实质。
企业购买的从来不是Token本身,而是Token所承载的智能以及这份智能能够替代的劳动。用硅基经济学的口径,这笔账要用三个新指标来算。一是单位智能价格(完成一个符合质量要求的任务,实际花了多少钱),而不是名义上的Token单价。同样的标价之下,模型能力更强、一次做对、少重试少返工,单位智能价格反而更低,名义涨价完全可能对应实际降价。二是智能替代率(一次调用替代了多少人类劳动或传统流程的成本),它决定支付意愿的上限。一个Agent完成任务的成本从2元涨到5元,但替代的是数百元的人工流程,需求就不会因涨价而收缩。三是数据使用效率(同样的数据与上下文投入,产出多少有效智能),它决定成本的下限,也是缓存、上下文工程这些优化手段真正作用的对象。涨价后调用量还在增长,说明在这三个指标上,智能服务给出的回报仍远大于其价格。
在通用Token层,靠低价弯道超车的窗口基本关闭了。DeepSeek已经把够用且用得起的普惠定价做到了极限,后来者不可能在它降无可降的地方再降出一个身位。真正的超车空间在垂直Token层和计价方式上:用垂直小模型、专业数据和领域评测,把某个领域的单位智能价格做到全行业最低;或者干脆改变计价对象,按任务、按结果收费。换言之,低价仍然可以是入场券,但护城河已经换成单位智能价格的领先和对垂直定价权的创新。
《金融时报》记者:您认为,Agent类应用Token消耗暴涨后,开发者是否会转向轻量模型或自建小模型?
邵怡蕾:会,但不会简单表现为大模型被小模型替代,而会形成更加精细的分层架构。
在成熟的Agent系统中,小模型可以处理分类、抽取、格式转换和简单路由,中型模型承担一般分析和工具选择,高阶模型则集中处理复杂推理、高风险判断和关键决策。规则系统、数据库和传统算法也会重新承担确定性任务。这背后其实对应的是Token分层,不同任务不应消耗同一种等级、同一种价格的Token。未来一个Agent是否先进,不能只看它接入了多强的模型,而要看它能否用尽可能少的Token预算完成任务。
《金融时报》记者:您认为,从长远看,当前行业发展有哪些值得关注的趋势?
邵怡蕾:第一,这轮涨价标志着行业从融资补贴逻辑进入经营逻辑,是产业走向成熟的信号,不是衰退信号。能涨价且用户不流失,恰恰说明产品有真实价值。
第二,未来一两年盯住“算力通胀”与“Token通缩”的赛跑。Agent把单次任务的Token消耗放大了几倍到几十倍,而模型效率每一代又在压低单Token成本,两者的相对速度决定智能价格曲线的整体走向。而按杰文斯悖论的逻辑,效率省下来的每一分成本都会被新增需求吃掉,所以总量上“算力通胀”大概率会占上风。
第三,把这轮变化放进一个完整框架里看,供需两侧正在同时发生重大变化。在供给侧,Token已经完成标准化,成为像千瓦时一样的通用计量单位,目前正在进入价格化。而观察价格走向的正确坐标系是能力的价格曲线,而不是某一个价格点。在需求侧,企业要建立“Token资产负债表”和“Token财务部”,把Token从一笔糊涂账变成可核算、可优化的经营要素。一言以概之,厂商要给Token分层定价,企业要给Token复式记账。这两套体系的成熟才是大模型产业真正走向商业化的标志,单次的涨价降价都只是这个进程中的局部波动。而且这套账不只企业要建,国家层面也同样需要。当智能成为通用生产要素,Token消耗之于智能经济,就像发电量、用电量之于工业（600528）经济,是最直接的物理测度指标。把它进一步连接到硅基经济学中所说的IDP(“智能生产总值”)的概念上。一个经济体生产和消费（883434）了多少Token,这些Token沉淀成了多少可复用的智能资产,单位Token产出了多少经济价值,应当逐步可测度。企业的Token资产负债表向上汇总,就是国家层面的智能资产负债表;企业的Token财务部向上映射,就是宏观的智能经济核算体系,即Token财政。测度体系跟上了,算力布局、电力规划、产业政策才有真正的抓手。
