Token跌破1美元，AI花费却还在上升

Silicon Data的LLM Token Expenditure Index（代码：SDLLMTK）在2026年9月1日降至每百万Token 0.97美元，为该指数新低，且不足夏季早些时候高点的一半。24

这并不表示AI需求在降温。恰恰相反，中国模型厂商围绕API价格的激烈竞争，正在把大量常规任务推向成本更低的模型；推理单价下降后，企业也更愿意扩大使用范围。结果是：每百万Token的有效价格在跌，但Token消耗和整体AI投入可以同时上升。

0.97美元究竟代表什么？

SDLLMTK并不是“全市场用了多少Token”，也不是所有企业AI支出的总额。Silicon Data将不同模型供应商的价格与实际观察到的使用量结合，计算出市场为每百万大模型推理Token支付的混合有效价格。24

因此，它反映的是价格与工作负载结构的变化。例如，企业把更多摘要、客服、基础编程和内部流程等任务分流至较便宜的模型，即使总Token量增加，指数仍可能下行。

换句话说，指数下跌说明市场实际支付的单位价格变低了，并不能直接推导出AI市场收入或企业总预算在下降。

中国低价API如何改变市场价格结构

低成本模型为不需要最前沿能力的高频任务提供了替代选择。DeepSeek V4-Flash的标价为每百万输入Token 0.14美元、每百万输出Token 0.28美元。49

DeepSeek还在2026年5月将V4-Pro价格下调75%，这一动作被报道视为中国模型服务商竞争升级的一部分。58 此外，国内生态中持续出现的降价与低价产品，也在高用量推理场景中加大了价格压力。452

这些事实表明，中国市场的竞争环境与混合Token价格下降存在强关联；但不能据此精确拆分某一家实验室、某一个模型或某一次调价对指数下跌的单独贡献。模型效率提升、算力供给扩张，以及客户自身的模型路由策略，同样会影响结果。

为什么Token更便宜，AI总支出反而可能更高？

核心关系并不复杂：

Token总支出 = 每Token有效价格 × Token用量

价格下降会打开原本不经济的应用场景：企业可以部署更多自动化流程，让提示词和上下文更长，生成更多代码，或运行调用频率更高的智能体系统。

只要用量的增速快于单位价格的降幅，总支出就会增长。这与一组市场观察相吻合：自2023年以来，单Token价格已下降逾90%，但大语言模型相关支出自2025年末以来大致翻倍。4143

这可以理解为一种“越便宜、越多用”的扩张效应：低价推理不是没有发挥作用，而是把更多任务带入了值得自动化的范围。

中国Token用量的增长，显示了需求弹性

路透社援引政府预测称，截至2026年3月，中国日均AI Token消耗已超过140万亿，高于2025年末的100万亿。18

金融机构披露的数据也呈现相似趋势。招商银行表示，其日均Token吞吐量同比增长超过78%；另有报道显示，截至5月底，该行日均Token消耗约为330亿。1929 还有报道提到，部分银行的日均Token使用量增幅更大。20

这些数字不能直接等同于API收入，也不能证明每一笔Token消耗都已经带来经济回报；但它们说明，低成本推理正在被大规模转化为更高频的实际使用。

对模型厂商而言，低价是一场更难的经营考试

对AI采购方来说，推理价格下降显然是利好。但对模型厂商而言，单位Token收入下降，而芯片、数据中心、训练和模型研发的投入依然高昂，商业账会更难算。

接下来真正的问题不再是用户会不会消费便宜的Token——现有数据表明，他们会。更关键的是：不断增长的用量、高端模型服务和企业级产品，能否足够快地形成可持续收入与可量化的生产率提升，以支撑持续的基础设施投资。关于指数下滑的报道，也强调了模型提供商定价能力承压的风险。436

接下来该看什么

与其只盯着某个模型的官网标价，更值得关注四组指标：

• 混合有效Token价格：例如SDLLMTK，反映客户实际上把工作负载分配给了哪些模型。2
• Token用量：判断降价是否正在创造新增需求。
• 收入与利润率：观察模型厂商能否把用量增长变成可持续回报。
• 工作负载质量：Token消耗高，并不自动代表业务价值高。

结论很直接：中国低价API竞争帮助将大模型推理的混合市场价格压至每百万Token 1美元以下。但低价也在刺激更多使用，因此Token消费量与总体AI支出完全可能继续攀升。2441