IT之家 8 月 4 日消息，人工智能（885728）行业已经进入一个新的发展阶段。为了应对来自中国新一代模型（例如月之暗面的 Kimi K3 和 DeepSeek 的 V4 Flash）的竞争，全球主要 AI 企业正在大幅降低产品价格，同时提升入门级模型的能力。
最近采取这一策略的是 OpenAI。该公司将基础前沿模型 ChatGPT 5.6 Luna 的价格降低了 80%（按每百万 Token 计算），同时将中端模型 5.6 Terra 的价格下调了 20%。而就在一周多前，谷歌刚刚推出了价格更低的 Gemini 3.6 Flash 和 3.5 Flash-lite（LITE） 模型。Anthropic 虽然没有直接降价，但将旗下价格最低的 Opus 4.8 模型替换为了能力更强的 Claude 5.0，并维持相同价格。
全球竞争加剧正在推动 AI 能力变得更加廉价，但这也可能以牺牲这些大型公司的利润率为代价。此前数月，多家大型 AI 企业已经宣布削减成本，并限制 AI 技术的使用范围，甚至包括埃隆 · 马斯克旗下的 xAI 等曾大力推动 AI 发展的公司。尽管越来越多员工开始使用 AI，但目前报告显示，实际生产力提升并没有达到预期。
竞争进一步升级
中美两国 AI 发展路线的差异，在某种程度上体现了两国长期以来的产业优势。
美国企业往往投入巨额资金推动最前沿技术发展，而中国开发者则依靠强大的制造业和工程能力，打造出成本更低、规模更精简、但在高端能力上几乎不逊色的 AI 模型。
DeepSeek 在 2025 年曾给西方 AI 开发商带来巨大冲击，而 Kimi K3 在 2026 年再次产生类似影响。单独来看，这些事件已经足以让 OpenAI、谷歌和 Anthropic 等公司感受到压力。
但在此前数月，许多大量使用 AI 的企业一直抱怨 Token 成本快速上涨，因此当市场出现性能接近但价格大幅降低的新模型时，整个行业都受到了强烈震动。
如今，大型 AI 公司已经无法简单依靠增加模型参数数量和训练数据规模来竞争。它们必须真正开始进行价格竞争，而 OpenAI 已经大幅降低了部分模型的价格。
值得注意的是，OpenAI 并没有降低最强大的旗舰模型价格。事实上，该模型更快版本的价格反而上涨。但其前沿级模型如今已经达到历史最低价，而 AI 能力提升与价格下降的速度令人震惊。
今年 3 月，OpenAI 发布 ChatGPT 5.4，该模型拥有更强大的智能体能力，当时价格为每百万输入 Token 2.5 美元（IT之家注：现汇率约合 16.9 元人民币）、每百万输出 Token 15 美元（现汇率约合 101.5 元人民币）。
如今，GPT 5.6 Luna 的价格已经降至每百万输入 Token 0.20 美元（现汇率约合 1.4 元人民币）、每百万输出 Token 1.20 美元（现汇率约合 8.1 元人民币）。
这意味着，一款前沿模型从发布到价格大幅下调，仅仅经历了不到 4 个月时间。
此次降价后，Luna 的价格已经进入 DeepSeek V4 的竞争范围。DeepSeek V4 专业版的价格为每百万输入 Token 0.435 美元（现汇率约合 2.9 元人民币）、每百万输出 Token 0.87 美元（现汇率约合 5.9 元人民币）。
GPT 5.6 Terra 是能力更强的模型，但在降价 20% 后，其价格也降至每百万输入 Token 2 美元（现汇率约合 13.5 元人民币）、每百万输出 Token 12 美元（现汇率约合 81.2 元人民币），低于备受关注的 Kimi K3（每百万输入 Token 3 美元（现汇率约合 20.3 元人民币）、输出 Token 15 美元（现汇率约合 101.5 元人民币））。
与此同时，GPT 5.6 Sol 仍保持每百万输入和输出 Token 分别 5 美元（现汇率约合 33.8 元人民币）和 30 美元（现汇率约合 203 元人民币）的价格。而 OpenAI 甚至提高了其顶级模型价格：5.6 Sol 的 Fast 模式收费为每百万输入 Token 10 美元（现汇率约合 67.7 元人民币）、输出 Token 60 美元（现汇率约合 406 元人民币），以更低延迟提供同等智能水平，直接竞争 Claude Fable 5、Mythos 5 等旗舰前沿模型。
但问题是：这些降价策略真的能为 OpenAI 带来利润吗？
成本压力正在逼近
今年早些时候，OpenAI 宣布实际上放弃自行拥有第一方数据中心的计划后，与“新云计算（885362）厂商”（Neoclouds）签订的租赁合同变得更加重要。
例如，与甲骨文（ORCL）达成的高达 3000 亿美元（现汇率约合 2.03 万亿元人民币）计算资源采购协议，已经成为 OpenAI 服务能够持续运营的重要基础。
然而，如果此前外界还曾怀疑 OpenAI 如何承担这样的成本，那么现在这种疑问变得更加明显。
OpenAI 目前已经在订阅业务上持续亏损，并且今年早些时候未达到关键收入目标。而在 2025 年，即使营收持续增长，公司仍然亏损了数百亿美元。
OpenAI 已承诺到 2030 年前投入约 6000 亿美元（现汇率约合 4.06 万亿元人民币）用于计算资源。
即便收入继续增长，也可能远远无法覆盖如此庞大的成本。而如今最受欢迎、价格最低的模型进一步降价，意味着公司的利润空间可能会大幅缩水，甚至完全消失。
这或许也是外界讨论英伟达（NVDA）可能向 OpenAI 提供 2500 亿美元（现汇率约合 1.69 万亿元人民币）投资支持的原因之一。
当然，OpenAI 并非唯一面临这一问题的企业。过去一年，谷歌在 AI 基础设施上的投入约为其云业务收入的 9 倍；Anthropic 最近能够实现年度化营收盈利，也主要得益于与 xAI 达成的一项低价租用 Colossus 数据中心的有限合作。
AI 的运行和建设成本并没有突然下降，但企业却正在不断降低价格，并以更低成本提供更快、更强大的模型。
从表面来看，这些数字似乎并不合理。
押注“杰文斯悖论”
AI 行业经常引用“杰文斯悖论”（Jevons Paradox）来解释 AI 普及速度加快的原因。
在杰文斯生活的时代，更高效的煤炭（850105）发动机并没有减少煤炭（850105）消耗，反而因为使用范围扩大导致煤炭（850105）总需求增加。
如今，AI 企业认为，随着 AI 使用成本下降，人们会发现更多应用场景，从而推动整体 AI 使用量大幅增加。
这可能正是当前 Token 降价策略背后的逻辑。
如果 Token 足够便宜，用户会大量增加使用量，从而通过规模增长带来更高收入。再考虑到今年年底以后，新一代 AI 加速芯片将在数据中心中更加普及，单位功耗下的 Token 处理能力可能提升 10 倍，使得更低利润率的业务也可以依靠规模实现盈利。
此外，英伟达（NVDA）未来的 Vera Rubin 平台也值得关注。英伟达（NVDA）宣称，该平台将进一步带来 10 倍的 Token 性能效率提升。
理论上，Blackwell 和 Vera Rubin 平台的优势可能让 AI 推理服务器成为更具盈利潜力的产业。
但即便如此，很难想象大型 AI 公司能够仅依靠 AI 业务收入覆盖目前投入的巨额成本，尤其是在竞争不断加剧、Token 价格持续下降的情况下。
