โทเค็น AI เหลือ 97 เซนต์: สงครามราคาในจีนทำต้นทุนร่วง แต่การใช้และงบ AI ยังโต

ดัชนี LLM Token Expenditure Index (SDLLMTK) ของ Silicon Data ลดลงสู่ 0.97 ดอลลาร์ต่อ 1 ล้านโทเค็น เมื่อวันที่ 1 กันยายน 2026 ซึ่งเป็นระดับต่ำสุดนับตั้งแต่มีดัชนี และต่ำกว่าจุดสูงในช่วงต้นฤดูร้อนมากกว่าครึ่งหนึ่ง 24

ตัวเลขนี้เป็นสัญญาณว่าตลาดกำลังจ่ายค่าประมวลผลจากโมเดลภาษาขนาดใหญ่ (LLM) ถูกลงอย่างมาก ส่วนหนึ่งมาจากการแข่งขันด้านราคา API ของผู้พัฒนาโมเดลจีน แต่ไม่ได้หมายความว่าความต้องการ AI หรือเงินที่องค์กรใช้กับ AI กำลังหดตัว ตรงกันข้าม ปริมาณการใช้อาจโตขึ้นจนรายจ่ายรวมยังเพิ่มได้

97 เซนต์ วัดอะไร และไม่ได้วัดอะไร

SDLLMTK ไม่ใช่ตัวนับจำนวนโทเค็นทั้งหมดที่ถูกใช้ และไม่ใช่ยอดใช้จ่าย AI ทั้งตลาดโดยตรง แต่เป็นเกณฑ์วัด ราคาประสิทธิผลเฉลี่ยแบบถ่วงน้ำหนักตามการใช้งาน ต่อ 1 ล้านโทเค็น โดยผสานราคาที่ผู้ให้บริการตั้งไว้กับรูปแบบการใช้โมเดลในตลาดที่อยู่ในขอบเขตการวัด 24

ดังนั้น หากผู้ใช้ย้ายงานสัดส่วนมากขึ้นไปยังโมเดลที่ถูกกว่า ดัชนีก็ลดลงได้ แม้จำนวนโทเค็นทั้งหมดและงบ AI รวมขององค์กรจะเพิ่มขึ้นก็ตาม ดัชนีนี้จึงสะท้อนทั้ง “ราคา” และ “ส่วนผสมของงานที่ถูกส่งไปให้แต่ละโมเดล” มากกว่าจะสะท้อนรายได้รวมของตลาด

API ราคาต่ำจากจีนเปลี่ยนสมการการแข่งขัน

การแข่งขันทำให้มีทางเลือกต้นทุนต่ำสำหรับงานที่ไม่จำเป็นต้องใช้โมเดลแนวหน้าราคาแพง ตัวอย่างเช่น DeepSeek V4-Flash มีราคาเสนอขาย 0.14 ดอลลาร์ต่อ 1 ล้านโทเค็นขาเข้า และ 0.28 ดอลลาร์ต่อ 1 ล้านโทเค็นขาออก 49

DeepSeek ยังลดราคา V4-Pro ลง 75% ในเดือนพฤษภาคม 2026 ซึ่งถูกมองว่าเป็นการยกระดับการแข่งขันของผู้ให้บริการโมเดลจีน 58 ขณะเดียวกัน ข้อเสนอราคาต่ำและการปรับราคาจากผู้เล่นรายอื่นในระบบนิเวศ AI จีนก็เพิ่มแรงกดดันต่อผู้ให้บริการที่ต้องการแย่งชิงงาน inference ปริมาณสูง 452

ข้อมูลชี้ถึงความเชื่อมโยงอย่างชัดเจนระหว่างสภาพการแข่งขันนี้กับราคากลางของตลาดที่ลดลง แต่ยังไม่อาจระบุเป็นสัดส่วนเชิงสาเหตุได้ว่าแต่ละบริษัท แต่ละโมเดล หรือการลดราคาแต่ละครั้งทำให้ดัชนีลดลงเท่าใด เพราะประสิทธิภาพของโมเดลที่ดีขึ้น การเพิ่มกำลังประมวลผล และการเลือกเส้นทางงานของลูกค้าเอง ล้วนมีผลเช่นกัน

ของถูกลง ทำไมงบรวมจึงยังเพิ่มได้

ความสัมพันธ์พื้นฐานคือ

ค่าใช้จ่ายโทเค็นรวม = ราคาประสิทธิผลต่อโทเค็น × ปริมาณโทเค็น

เมื่อราคาต่อหน่วยลดลง งานที่เคยไม่คุ้มทุนก็เริ่มคุ้มค่า องค์กรอาจเปิดใช้เวิร์กโฟลว์อัตโนมัติมากขึ้น ใช้พรอมป์ต์หรือบริบทยาวขึ้น สร้างโค้ดมากขึ้น หรือเดินระบบเอเจนต์ AI มากขึ้น หากปริมาณโทเค็นโตเร็วกว่าราคาประสิทธิผลที่ลดลง ค่าใช้จ่ายรวมย่อมเพิ่มขึ้นได้

แนวโน้มนี้สอดคล้องกับรายงานที่ระบุว่าราคาโทเค็นต่อหน่วยลดลงมากกว่า 90% นับจากปี 2023 แต่รายจ่ายสำหรับการใช้ LLM เพิ่มขึ้นราวสองเท่านับจากช่วงปลายปี 2025 4143 ประเด็นสำคัญจึงไม่ใช่ว่าการลดราคาล้มเหลว แต่คือราคาที่ถูกลงได้ขยายจำนวนงานที่องค์กรเห็นว่าควรนำ AI มาใช้

ปริมาณโทเค็นในจีนสะท้อนการตอบสนองของอุปสงค์

Reuters อ้างการคาดการณ์ของภาครัฐว่า การใช้โทเค็น AI รายวันในจีนสูงกว่า 140 ล้านล้านโทเค็น ภายในเดือนมีนาคม 2026 เพิ่มจาก 100 ล้านล้านโทเค็น ณ สิ้นปี 2025 18

ข้อมูลจากภาคธนาคารก็ไปในทิศทางเดียวกัน China Merchants Bank ระบุว่าปริมาณโทเค็นเฉลี่ยต่อวันเพิ่มขึ้นมากกว่า 78% เมื่อเทียบรายปี ขณะที่รายงานอีกแหล่งระบุว่าธนาคารใช้ราว 33,000 ล้านโทเค็นต่อวัน ณ สิ้นเดือนพฤษภาคม 1929 มีรายงานด้วยว่าธนาคารจีนบางแห่งมีการใช้โทเค็นเฉลี่ยต่อวันเพิ่มขึ้นในอัตราที่สูงกว่านั้นมาก 20

แน่นอนว่า ตัวเลขเหล่านี้ไม่ใช่รายได้จาก API โดยตรง และไม่ได้พิสูจน์ว่างานทุกประเภทสร้างผลตอบแทนทางธุรกิจได้จริง แต่แสดงให้เห็นว่าต้นทุน inference ที่ลดลงกำลังถูกแปลงเป็นการใช้งานปริมาณมหาศาล

ความท้าทายย้ายไปอยู่ฝั่งผู้ให้บริการโมเดล

สำหรับผู้ซื้อ AI ราคาการประมวลผลที่ลดลงคือข่าวดี แต่สำหรับผู้พัฒนาโมเดล โจทย์ยากขึ้นทันที: รายได้ต่อโทเค็นอาจลดลง ขณะที่ค่าใช้จ่ายด้านชิป ดาต้าเซ็นเตอร์ การฝึกโมเดล และการพัฒนายังสูงมาก

คำถามจึงไม่ใช่เพียงว่าลูกค้าจะใช้โทเค็นราคาถูกหรือไม่ เพราะหลักฐานบ่งชี้ว่าพวกเขาใช้แน่ แต่เป็นว่า ปริมาณการใช้งานที่เพิ่มขึ้น บริการระดับพรีเมียม และผลิตภัณฑ์สำหรับองค์กร จะสร้างรายได้ที่ยั่งยืนและผลผลิตที่วัดผลได้เร็วพอจะรองรับการลงทุนโครงสร้างพื้นฐานต่อเนื่องหรือไม่ รายงานเกี่ยวกับการลดลงของดัชนีชี้ถึงความเสี่ยงต่ออำนาจการกำหนดราคาของผู้ให้บริการ 436

ตัวเลขที่ควรติดตามต่อจากนี้

แทนที่จะดูราคาในรายการของโมเดลใดโมเดลหนึ่งเพียงอย่างเดียว ควรพิจารณาความสัมพันธ์ระหว่าง

• ราคาประสิทธิผลเฉลี่ยของโทเค็น เช่น SDLLMTK เพื่อดูว่าผู้ซื้อกำลังส่งงานไปยังโมเดลใดจริง 2
• ปริมาณโทเค็น เพื่อดูว่าราคาที่ลดลงกำลังขยายอุปสงค์หรือไม่
• รายได้และอัตรากำไร เพื่อดูว่าผู้ให้บริการแปลงการใช้งานที่เพิ่มเป็นผลตอบแทนที่ยั่งยืนได้หรือไม่
• คุณภาพของเวิร์กโหลด เพราะการใช้โทเค็นจำนวนมากเพียงอย่างเดียวไม่ได้ยืนยันว่าธุรกิจได้รับมูลค่าที่คุ้มค่า

บทสรุปคือ การแข่งขัน API ราคาต่ำในจีนช่วยทำให้ค่า inference ของ LLM ถูกลงอย่างมาก และกดราคาตลาดแบบผสมให้ต่ำกว่า 1 ดอลลาร์ต่อ 1 ล้านโทเค็นแล้ว แต่ราคาที่ลดลงกำลังกระตุ้นการใช้งานมากขึ้น จึงเป็นไปได้อย่างสมบูรณ์ที่ทั้งจำนวนโทเค็นและรายจ่าย AI รวมจะเพิ่มขึ้นพร้อมกัน 2441