中國 AI 減價戰令 Token 成本跌穿 1 美元，但企業 AI 開支未有降溫

Silicon Data 的 LLM Token Expenditure Index（SDLLMTK）在 2026 年 9 月 1 日跌至每百萬 Token 0.97 美元，創下新低，亦不足初夏高位的一半。24

表面看，這像是企業使用生成式 AI 變得平很多；但它不代表 AI 需求轉弱，更不等於全市場 AI 開支正在下跌。關鍵在於：這個指數量度的是市場實際支付的混合每百萬 Token 價格，不是 Token 總用量，也不是所有 AI 支出的總額。24

97 美仙究竟代表甚麼？

Token 可理解為大語言模型處理文字、程式碼或其他內容時所用的細小運算單位。SDLLMTK 把多個供應商的定價，連同指定模型範圍內的實際使用情況整合，計算出一個每百萬 Token 的有效市場價格。24

所以，當企業將更多日常工作——例如摘要、客服、內部知識搜尋或輔助編程——轉交較便宜的模型處理，指數便會下跌；即使同期處理的 Token 更多、企業合共付出的 AI 費用更高，情況仍然可以成立。

換句話說，這反映的是價格加上工作負載組合的變化，並非整個 AI 市場收入的統計。

中國平價 API 如何拉低市場混合價

中國模型供應商之間的競爭，為毋須使用最頂尖模型的工作提供了極低成本的替代方案。以 DeepSeek V4-Flash 為例，其標價為每百萬輸入 Token 0.14 美元、每百萬輸出 Token 0.28 美元。49

DeepSeek 又在 2026 年 5 月將 V4-Pro 價格下調 75%，被報道視為中國模型供應商競爭升溫的一步。58 其後，生態圈內持續出現更多減價和低價產品，令爭取高用量推理工作負載的供應商面對更大壓力。452

現有資料足以顯示，這個競爭環境與混合 Token 價格下跌有強烈關聯；但不能據此精確拆出某一間實驗室、某個模型或某次減價對指數下跌的具體貢獻。模型效率提升、算力供應增加，以及客戶自行把工作分流至不同模型，同樣會影響結果。

點解 Token 平咗，AI 開支反而可以更高？

道理其實很直接：

Token 總支出 = 每 Token 有效價格 × Token 用量

當單位成本下降，原本不划算的場景就可能變得值得做。企業可以部署更多自動化流程、容許更長提示詞和上下文、生成更多程式碼，或者運行更多具備多步操作能力的 AI agent。

只要 Token 用量的增長速度快過有效價格的跌幅，整體支出就會上升。這與相關報道一致：自 2023 年以來，每 Token 價格累計下跌逾 90%，但大語言模型使用開支自 2025 年後期以來大約翻倍。4143

減價未必是需求疲弱的訊號，反而可理解為「越平越用得多」：推理成本下降，令更多任務值得交由 AI 處理。

中國 Token 用量反映需求的規模

路透引述政府預測指出，中國每日 AI Token 消耗量在 2026 年 3 月已超過 140 萬億，較 2025 年底的 100 萬億增加。18

企業及金融業披露的數字亦指向相同趨勢。招商銀行表示，平均每日 Token 吞吐量按年增長逾 78%；另有報道稱，該行截至 5 月底每日消耗約 330 億 Token。1929 亦有報道指，部分中國銀行的平均每日 Token 使用量增幅更大。20

這些數字不能直接當作 API 收入，也不能證明每一項 AI 工作都帶來對等商業回報；不過，它們清楚反映：較低成本的推理服務正被轉化為大規模、更高頻的使用。

對模型供應商：平價帶來的是收入壓力

對買家來說，推理價格下降當然是好事；但對模型供應商而言，難題在於每 Token 收入下降之際，晶片、數據中心、模型訓練及研發的投入仍然很高。

因此，市場焦點不再只是「有沒有客戶願意買平 Token」——現有證據顯示，需求很可能會持續增加。真正問題是，更高用量、較高端的模型服務及企業產品，能否夠快帶來可持續收入和可量度的生產力回報，以支持持續的基建投資。指數回落的報道亦突顯了供應商定價能力受壓的風險。436

接下來應該睇甚麼？

與其只看單一模型的牌價，更值得留意以下幾項：

• 混合有效 Token 價格：例如 SDLLMTK，可見企業實際把工作負載分流到哪些模型。2
• Token 用量：可判斷低價是否真正帶動新增需求。
• 收入與利潤率：反映供應商能否將用量增長轉化為可持續回報。
• 工作負載質素：高 Token 消耗本身，並不等於已創造相應商業價值。

重點很清楚：中國低價 API 的競爭，協助將 LLM 推理的混合市場成本壓至每百萬 Token 1 美元以下；但正因為更平，企業會用得更多。於是 Token 消耗量和整體 AI 開支，完全可以與單位價格下跌並行上升。2441