答案已發布31 個來源
AI Token 價格跌破 1 美元：中國價格戰如何讓推理成本變便宜，卻推高 AI 支出？
Silicon Data 指數於 2026 年 8 月 31 日降至每百萬 token 97 美分，創下該指數成立以來的新低。 DeepSeek 將 V4 Pro 價格永久下調 75%，Xiaomi 的 MiMo V2.5 API 價格最高下砍 99%，加劇中國模型市場的價格戰，並把壓力推向全球。
發布者使用 GPT-5.6 Luna 編輯圖片由 GPT Image 1.5 生成
研究答案
重點整理
- Silicon Data 指數於 2026 年 8 月 31 日降至每百萬 token 97 美分，創下該指數成立以來的新低。
- DeepSeek 將 V4 Pro 價格永久下調 75%，Xiaomi 的 MiMo V2.5 API 價格最高下砍 99%，加劇中國模型市場的價格戰，並把壓力推向全球。
- 即使單位 token 價格大跌，較低的推理成本仍可能帶動用量以更快速度增加；但 AI 資本支出與銷售成長之間約 46% 的差距，也凸顯變現與投資回報風險。
AI 提示詞
openai.comCreate a landscape editorial hero image for this Studio Global article: What caused the Silicon Data LLM Token Expenditure Index to fall below $1 per million tokens to a record low, how did Chinese AI laboratorie. Article summary: The index fell below $1 because the effective market price of inference was pushed down by cheaper open-weight Chinese models, aggressive API discounting, lower production costs, and competitive cuts by frontier provider. Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
Silicon Data 的 LLM Token Expenditure Index 在 2026 年 8 月 31 日降至每百萬 token 97 美分，首次跌破 1 美元，也創下該指數自去年底成立以來的最低紀錄。這個讀數較初夏高點低逾一半。4
但「token 變便宜」不等於「AI 花費正在減少」。這項指數是以用量加權計算市場為每百萬個推理 token 支付的價格，反映的是 AI 智能的單位價格與市場支付意願，而不是所有 AI 支出的總額，也不是 token 使用量本身。2
7
8
指數為何跌破 1 美元？
多股力量同時把市場的平均有效價格往下推：
- 低價中國模型市占提升： 開放模型與低成本模型為開發者提供了高價專有系統以外的選項，使用量轉向較便宜的模型後，整體加權價格自然下滑。
38
39
- API 價格成為搶客工具： 模型業者透過折扣吸引用戶、擴大部署並守住市占。在模型能力差距逐漸縮小的市場，價格往往成為最直接的競爭手段。
- 推理經濟效益改善： 生產與服務模型的成本下降，讓業者更有空間以較低價格提供更多輸出。不過，現有資料並未證明所有供應商的成本結構都相同。
- 降價蔓延至全球： 價格壓力並未停留在中國，全球前沿模型業者也下調較低價方案，令推理服務市場的競爭進一步升溫。
36
37
從公開報告來看，該指數大致呈現下行走勢：6 月初仍高於每百萬 token 2 美元，8 月上旬約降至 1.16 至 1.18 美元，月底則跌破 1 美元。1
38
4 不過，個別日期的公開讀數並不完全一致，例如有中介報告指出 7 月 27 日為 1.43 美元，因此中間路徑的精確數字仍應審慎解讀。
1
2
DeepSeek 等中國業者如何掀起價格戰？
最受矚目的轉折之一，是 DeepSeek 在 5 月宣布把 V4-Pro 的 75% 降價永久化。新價格維持在原價四分之一，並依不同使用類型而有所差異。33
其他中國業者很快跟進。Xiaomi 宣布 MiMo-V2.5 系列 API 價格最高下調 99%；同一競爭時段內，ByteDance、Tencent、MiniMax 與 Alibaba 等主要模型業者也被報道同步降價。39
46
這場競爭改變了企業採購 AI 的比較方式。買家不再只問「哪個模型最強」，還會衡量每一美元能換來多少能力、回應延遲、長上下文處理、可靠性及部署彈性。當多個模型已足以應付客服、程式編寫、文件處理等日常工作時，巨大的價格差距就可能迅速改變使用流向。
不過，價格戰也開始碰到成本與產能的現實限制。8 月，DeepSeek 上調較新旗艦模型的價格，並引入尖峰與離峰收費；離峰價格為尖峰時段的一半。這顯示業者很難長期以最低價格承接無限需求，仍須管理 GPU 使用率並回收基礎設施成本。35
為什麼 token 價格下跌，AI 總支出仍可能上升？
核心公式其實很簡單：
總支出 = 每個 token 的價格 × 使用 token 的數量
如果價格下跌 90%，但使用量增幅超過 90%，總支出仍然可以增加。當推理變得便宜，過去因成本太高而不划算的工作便可能被啟動，包括自動化客服、程式開發、文件處理、長上下文應用，以及需要模型自主執行多步工作的代理式流程。
部分分析指出，自 2023 年以來 token 價格下跌逾 90%，但 AI 總支出大致翻倍。這種組合符合一個正在擴張的市場：便宜的推理服務讓更多應用具備經濟可行性，而不是單純摧毀需求。19
22
中國的 token 經濟也提供了用量成長的訊號。中國國家數據局表示，3 月每日 token 消耗量已超過 140 兆，較前一年年底的 100 兆高出逾 40%。26
32 中國主要電信業者同樣持續投資 AI 運算能力：中國電信上半年智能算力收入增加 95%，中國聯通的運算基礎設施資本支出則按年上升逾 80%。
17
18
這些數據並不能證明每一家模型供應商都已獲利，卻說明較低的單位價格可以支撐更大的基礎設施投資與使用規模。
資本支出與銷售成長的落差，代表什麼？
樂觀的解讀是，推理價格下跌正為 AI 大規模普及鋪路。當「智能」變得更容易負擔，新增 token 用量或許足以支撐雲端容量、資料中心、晶片、網路設備與電力等領域的持續投資。
較保守的看法則關注投資何時能轉化為收入。引用 Allianz Research 數據的報告指出，AI 資本支出與銷售成長之間的差距約為 46%，高於 2001 年電訊業過度投資週期約 32% 的差距。20
22
23
這是一項警示，但不能直接證明 AI 正在重演電訊泡沫。AI 基礎設施日後可能支援大幅增加的工作負載，但模型供應商與基礎設施買家仍面臨三項主要風險：
- 價格通縮： 模型能力持續提升，但售價可能繼續下降。
- 使用率風險： 高固定成本的基礎設施需要穩定需求，而不只是短期用量高峰。
- 變現風險： token 用量必須成長得足夠快，才能抵銷實際成交價格下跌，並為大規模資本投入帶來回報。
正確解讀 Silicon Data 指數的方法
Silicon Data 指數創新低，最適合被視為市場「定價能力」與「支付意願」的訊號，而不是 AI 需求的單一溫度計。它說明市場為每單位推理支付的金額正在減少，部分原因是使用量轉向低價模型，部分原因則是供應商正以降價方式激烈競爭。7
8
14
真正關鍵的問題是下一步：價格下跌能否釋放足夠多的新工作負載，讓整體收入繼續擴大？還是價格戰的速度超過用量成長，最終留下昂貴的基礎設施與疲弱的投資回報？
現有證據支持前者作為需求擴張的可能性，也支持後者作為不可忽視的財務風險；但它尚未足以判定最終結果。
Studio Global AI
繼續深入研究
這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。
大家也會問
「AI Token 價格跌破 1 美元：中國價格戰如何讓推理成本變便宜，卻推高 AI 支出？」的簡短答案是什麼？
Silicon Data 指數於 2026 年 8 月 31 日降至每百萬 token 97 美分，創下該指數成立以來的新低。
最值得優先驗證的重點是什麼？
Silicon Data 指數於 2026 年 8 月 31 日降至每百萬 token 97 美分，創下該指數成立以來的新低。 DeepSeek 將 V4 Pro 價格永久下調 75%，Xiaomi 的 MiMo V2.5 API 價格最高下砍 99%，加劇中國模型市場的價格戰，並把壓力推向全球。
接下來在實務上該怎麼做？
即使單位 token 價格大跌，較低的推理成本仍可能帶動用量以更快速度增加；但 AI 資本支出與銷售成長之間約 46% 的差距，也凸顯變現與投資回報風險。