中國 AI 價格戰把 Token 成本壓到 1 美元以下，企業總支出卻仍在增加

Silicon Data 的 LLM Token Expenditure Index（SDLLMTK）在 2026 年 9 月 1 日降至每百萬 Token 0.97 美元，創下新低，也不到當年夏初高點的一半。這項變化顯示，中國 AI 業者積極壓低 API 價格，已大幅改變市場對一般大型語言模型（LLM）推論成本的預期。 24

不過，這並不代表 AI 需求或企業的 AI 支出正在萎縮。重點在於：SDLLMTK 衡量的是市場實際支付的每百萬 Token 加權有效價格，不是所有 Token 的總用量，也不是整體 AI 支出的總額。 24

0.97 美元的指數，實際代表什麼？

Silicon Data 將 SDLLMTK 定義為 LLM 推論 Token 的混合式價格基準。它結合不同供應商的價格與觀察到的使用量，在既定模型範圍內，估算市場實際支付的每百萬 Token 有效價格。 24

因此，當企業把更多例行工作分流到較便宜的模型，指數就可能下跌；即使同一時間，Token 總量增加、企業 AI 帳單也變大。換言之，這項指數反映的是價格與工作負載組合的變化，而非整個市場的營收規模。

中國 API 價格競爭如何拉低市場均價

中國模型業者的競爭，為不必使用最昂貴前沿模型的工作提供了極低成本的選項。以 DeepSeek V4-Flash 為例，其牌價為每百萬輸入 Token 0.14 美元、每百萬輸出 Token 0.28 美元。 49

DeepSeek 也在 2026 年 5 月將 V4-Pro 價格下調 75%；相關報導將這一步視為中國模型供應商競爭升溫的一環。 58 中國生態系中其他降價措施及低價產品，亦持續對爭取高用量推論工作負載的供應商施加壓力。 452

現有證據支持這種競爭環境與混合 Token 價格下跌之間有強烈關聯，但無法精確拆分某一家實驗室、某個模型或某一次調價各自造成多少影響。模型效率改善、算力供給擴張，以及客戶自身的模型路由策略，同樣會影響指數。

為何 Token 變便宜，AI 支出反而可能更高？

關鍵可以用一個簡單關係式理解：

Token 總支出 = 每 Token 有效價格 × Token 使用量

單位成本下降後，原先不划算的用途可能變得可行。企業可以執行更多自動化流程、採用更長的提示詞與上下文、生成更多程式碼，或運行更多 AI 代理系統。只要 Token 使用量的成長快過有效價格的跌幅，總支出就會增加。

這與市場報導相符：自 2023 年以來，單一 Token 價格已下跌逾 90%，但 LLM 使用支出自 2025 年底以來約增加一倍。 4143 這不是降價失效，而是低價推論擴大了值得自動化處理的任務範圍。

中國的 Token 用量，顯示需求擴張的規模

路透引述政府預測指出，中國每日 AI Token 使用量在 2026 年 3 月已超過 140 兆，高於 2025 年底的 100 兆。 18

企業與金融業揭露的數字也呈現同樣趨勢。招商銀行表示，平均每日 Token 吞吐量年增逾 78%；另有報導指出，截至 5 月底，該行每日 Token 消耗量約為 330 億。 1929 報導也提到，部分中國銀行的平均每日 Token 使用量增幅更大。 20

這些數據不能直接當作 API 營收指標，也無法證明每一筆工作負載都帶來正向經濟效益；但它們足以顯示，低成本推論正被快速轉化為大規模使用量。

模型供應商面臨的壓力點

對 AI 採購方而言，推論價格下跌是利多；對模型供應商而言，商業算式則更棘手。每 Token 收入可能下降，但晶片、資料中心、訓練與模型研發的投入依舊龐大。

因此，核心問題已不只是客戶會不會使用便宜 Token——目前證據顯示，他們會。更重要的是，更高的使用量、高階模型與企業產品，能否在足夠快的速度下帶來可持續的營收與可量化的生產力提升，以支撐持續擴張的基礎設施投資。指數下跌的報導也凸顯了供應商定價能力受壓的風險。 436

接下來該看哪些指標？

與其只盯著單一模型的牌價，更值得觀察的是：

• 混合有效 Token 價格：例如 SDLLMTK，可觀察採購方實際將工作負載分流到哪些模型。 2
• Token 使用量：可判斷降價是否正在擴大需求。
• 營收與利潤率：可檢驗供應商能否把使用量成長轉成可持續回報。
• 工作負載品質：高 Token 用量本身不等於創造了商業價值。

結論很直接：中國低價 API 的競爭，協助把 LLM 推論的混合市場價格壓到每百萬 Token 1 美元以下。但更低的價格也正推動更多使用，因此 Token 消耗量與整體 AI 支出完全可能同時繼續攀升。 2441