Token价格跌破1美元大关，中国AI把美国巨头的上市梦打醒了

麻薯滑芝士

嘿，你好啊！各位手里拿着大把现金正准备投向OpenAI或者Anthropic下一轮融资的VC合伙人和基金经理，你们是不是最近越来越觉得心里没底——一边是这些明星公司的估值还在往上冲，一边是它们的收入增长速度好像并没有跟上估值膨胀的步伐，再加上现在又冒出来一股来自中国的低价模型浪潮，这笔投资的账到底还算不算得过来？各位在硅谷大厂里面做大模型API定价策略的产品经理和商务总监，你们是不是每天早上打开电脑的第一件事就是刷新竞争对手的最新价目表，生怕一觉醒来又被哪家中国对手的价格打了个措手不及，然后赶紧召集团队开会商量对策？各位在国内AI创业公司里面负责模型训练和推理成本控制的算法工程师和技术负责人，你们是不是已经习惯了隔三差五就收到老板转发过来的某家友商降价公告，然后默默回到工位上重新算一遍自己家的成本结构还能撑多久，同时祈祷下一轮融资能赶在现金流断裂之前到位？各位在华尔街做科技股分析师的买方研究员和卖方分析师，你们是不是正在加班加点重新评估那些重仓押注AI赛道的大型科技公司的财务模型，想搞清楚Token价格持续走低这件事到底会在多大程度上侵蚀它们的利润率和营收预期？各位正在用ChatGPT写论文、用Claude写代码、用Gemini做PPT的在校大学生和职场白领，你们是不是隐约感觉到最近这些AI助手的响应速度快了一点、收费的门槛低了一点，但又说不清楚这背后的原因到底是什么，只是觉得用得比以前更爽了？各位在中国做AI芯片和算力基础设施的创业者和投资人，你们是不是特别关注这场价格战的走向——因为Token卖得越便宜，意味着推理需求越大，你们的芯片出货量也就越多，数据中心建设也就越快，整个产业链都会被带动起来？各位在东南亚、中东、非洲这些新兴市场里面做AI应用本地化的产品负责人和创业者，你们是不是正在偷偷乐——因为中国和美国这两边打价格战，最后受益的反而是你们这些采购方，可以用更低的价格买到性能越来越好的模型，这对于开拓当地市场来说简直是天赐良机？还有各位单纯就是喜欢看科技圈热闹、对大公司之间的明争暗斗特别感兴趣的吃瓜群众，你们是不是也很好奇，一场发生在中美两国AI公司之间的价格战，怎么就突然成了左右全球AI产业格局走向的关键变量，甚至可能直接影响到几家明星公司能不能顺利上市？

不管你属于上面说的哪一类人，今天这篇文章都值得你认认真真从头看到尾。韩国知名财经媒体《朝鲜日报》在2026年9月2日这一天发布了一篇重磅报道，这篇报道援引了美国全国广播公司商业频道CNBC在前一天也就是2026年9月1日发出的消息，披露了一个让整个AI行业都坐不住的关键数据——衡量AI模型Token实际交易价格的"大语言模型Token支出指数"，在2026年8月31日这一天跌到了0.97美元。这个数字到底意味着什么？咱们得好好说道说道。这个0.97美元，是这个指数自从去年年底被SiliconData这家市场研究机构创立以来出现过的最低数值。跟今年5月下旬创下的2.05美元的阶段性峰值相比，这个价格刚好被砍掉了一半，也就是腰斩的水平。换句话说，从今年5月下旬到8月底，满打满算也就三个月出头的时间，AI模型Token的交易价格就跌掉了超过一半。这种跌幅的速度和幅度，放在任何一个成熟的行业里都是相当吓人的。而这一切的背后，有一个非常清晰的推动力正在发挥作用——来自中国AI公司的低价模型，正在以极快的速度把整个市场的价格水平往下拽。

咱们先把"大语言模型Token支出指数"这个听起来有点拗口的东西彻底搞清楚。这个指数是由一家名叫SiliconData的市场研究和数据分析机构编制和发布的。SiliconData编制这个指数的计算方法并不复杂——这家机构跟踪市场上各大语言模型在处理文本时所使用的Token的实际成交价格，然后把收集到的数据汇总起来，最终形成一个综合性的价格指数。Token这个东西，对于经常使用AI产品的人来说可能不陌生，但对于普通读者来说，咱们还是得把它说明白。Token是大语言模型在处理信息时使用的最小单位。当你向ChatGPT提出一个问题，或者让Claude帮你写一段代码，或者用Gemini分析一份长篇文档的时候，这些AI模型并不是直接把你的整句话当作一个整体来理解和处理的。模型会先把你的输入内容拆分成一个个Token——可能是一个完整的英文单词，也可能是一个标点符号，或者是一个汉字的一部分——然后逐一进行数学计算和处理。每一次处理Token的过程都需要消耗计算资源，也就是算力，而算力是有成本的，这个成本最终就体现在Token的单价上。所以Token价格的涨跌，直接反映的是AI模型使用成本在上升还是在下降。SiliconData的这个指数从去年年底才开始编制和发布，到现在满打满算还不到一年时间，但它已经迅速成为了业内观察和判断AI模型定价走势的一个重要参考指标。从指数运行的轨迹来看，它在今年5月下旬达到2.05美元的最高点之后，从6月份开始就一路掉头向下，进入本周之后跌势变得更加明显和剧烈，最终在2026年8月31日这一天跌破了1美元这个重要的心理关口，来到了0.97美元的位置，折合美分就是97美分。

Token价格为什么会跌得这么猛、这么快？CNBC在9月1日的报道和《朝鲜日报》在9月2日的转载文章中，都把答案指向了同一个方向——来自中国的低价开源权重模型正在主导这场价格下行的趋势。瑞士老牌资产管理集团Syz Group的首席投资官Charles-Henri Monchau在接受CNBC记者采访的时候，点名提到了一家中国AI公司——Moonshot AI，也就是国内用户非常熟悉的月之暗面。Monchau在采访中明确表示，月之暗面推出的Kimi K3模型，在定价上明显低于美国头部AI公司的同类产品，这种激进的低价策略正在把整个市场的价格水平往低处拽。月之暗面的Kimi系列模型，在中国本土市场本来就以出色的性价比著称，现在它的影响力已经不局限在国内了——通过公开发布模型权重也就是开源的方式，Kimi K3的模型参数可以被全球任何地方的开发者和企业自由下载和使用。这意味着任何一个人或者任何一家公司，都可以在自己的服务器上部署和运行Kimi K3，而不需要向月之暗面支付一分钱的API调用费。这种开源模式带来的冲击力是非常大的——它直接打破了传统的API定价游戏规则。美国AI公司卖的是"使用权"，你每调用一次API就要付一次钱，用多少次就付多少次的钱。而中国的一些开源模型卖的是"所有权"，你一次性把模型下载下来之后，想怎么用就怎么用，没有任何按量计费的负担，唯一的成本就是你自己的服务器和电费。这两种截然不同的商业模式之间的正面碰撞，天然就会把市场价格往低处推，而且这种推力还在持续增强。

但这还不是导致Token价格暴跌的全部原因。早在今年7月下旬，OpenAI就已经对自己旗下GPT-5.6系列中的两款模型进行了降价调整。根据多家国内媒体在7月31日前后的报道，OpenAI在2026年7月30日这一天正式宣布调整GPT-5.6系列的API价格，其中轻量级模型GPT-5.6 Luna的输入价格从原来的每百万Token 1美元降到了0.2美元，输出价格从原来的每百万Token 6美元降到了1.2美元，降幅高达80%；中间层模型GPT-5.6 Terra的输入价格降到每百万Token 2美元，输出价格降到每百万Token 12美元，降幅为20%；只有旗舰模型GPT-5.6 Sol维持了原有的每百万Token输入5美元、输出30美元的定价不变。值得玩味的是，GPT-5.6系列本身是2026年7月9日才正式发布的，距离这次降价仅仅过去了三周时间，这种"上线三周就大幅调价"的节奏，在OpenAI的产品史上都极为罕见。与此同时，其他一些AI公司也开始陆续采用所谓的"动态定价"策略——所谓动态定价，就是说模型的使用价格可以根据市场供需关系的变化进行实时调整。市场需求旺盛的时候，价格可以往上调一点；市场需求疲软的时候，价格就往下降一降。这种定价方式的灵活性确实比固定定价要高得多，但它也有一个明显的副作用——当市场上的低价竞争者越来越多的时候，动态定价机制往往会倾向于把价格往低处引导，而不是往高处引导。原因很简单：如果你不跟着降价，用户就会流失到那些更便宜的竞争对手那边去。所以动态定价策略的普及，在客观上加剧了整个市场的价格下行压力，形成了一种"你降我也降"的连锁反应。

Token价格的持续走低，对不同角色的影响可以说是天差地别的。对于像ChatGPT、Claude、Gemini这类AI聊天机器人的终端用户来说，这毫无疑问是个好消息——Token越便宜，意味着你每次提问的成本就越低，或者说同样的预算可以问更多的问题、处理更多的文档、生成更多的内容。但对于供应这些服务的模型开发商来说，情况就没有那么乐观了。CNBC在报道中说得非常直白：Token价格的下跌，对OpenAI和Anthropic这类模型开发商的收入结构构成了直接的负面冲击，也给大规模AI基础设施投资能否按期收回成本的前景蒙上了一层厚重的阴影。这个道理其实一点都不复杂——如果卖Token的收入在持续下降，而训练和运行这些模型的固定成本——主要是购买和租赁GPU算力相关的巨大投入——却没有同步下降，那么企业的利润率就会被两头挤压，日子自然就不好过了。Syz Group的首席投资官Monchau在采访中也着重强调了这一点。Monchau说，AI公司在计算资源方面的固定成本依然稳稳地摆在那里，一分钱都不会少，但不断下滑的Token价格正在猛烈冲击它们的销售收入。更让这些公司头疼的是，随着开源权重模型和顶级闭源模型之间的性能差距逐月在缩小，单纯依靠"我的模型比你强所以我就可以卖得更贵"这种策略来维持高价位，已经越来越难以为继了。Monchau给出的判断和建议是，整个AI行业需要尽快放弃那种依赖性能优势来维持高溢价的旧思路，转而把精力和资源集中在分销渠道的建设、记忆能力的提升和上下文处理能力的优化这些维度上。

对于OpenAI和Anthropic这两家处于行业聚光灯下的公司来说，Token价格下跌带来的压力尤其沉重和紧迫，因为这两家公司目前都在紧锣密鼓地筹备首次公开募股，也就是大家常说的IPO。根据CNBC在报道中披露的消息，OpenAI和Anthropic最近都已经向美国监管机构秘密提交了上市申请文件。一家公司在准备上市的过程中，最害怕的事情就是市场对其商业模式和盈利能力产生广泛的质疑。而Token价格的持续走低，恰好触动了投资者最敏感的那根神经——如果连行业里公认的领头羊都卖不出一个好价钱，那这个行业过去几年里吸收的巨额投资到底能不能产生预期的回报？这个问题一旦被摆上台面，就会直接影响到IPO的估值水平和投资者的认购热情。市场已经开始对这个疑问表现出明显的不安了。当投资者看到Token价格在三个月内腰斩过半、看到中国开源模型以极低的定价猛烈冲击市场、看到即便OpenAI这样的明星公司也不得不主动降价的时候，他们自然会重新审视整个AI赛道的投资逻辑和风险收益比。那些在过去两年里像潮水一样涌入AI领域的数十亿甚至上百亿美元的资金，到底能不能在可预见的未来产生足够的现金流来覆盖高昂的运营成本和资本支出？这个问题，目前没有任何人能给出一个确切的答案。

咱们再把目光拉回到中国这边来看。月之暗面推出的Kimi K3，只是中国AI公司低价策略的一个代表性案例，远不是全部。事实上，从2024年到2026年这两年多的时间里，中国的大语言模型赛道经历了一场规模空前、烈度极高的价格大战。字节跳动旗下的豆包、百度打磨多年的文心一言、阿里云主推的通义千问、科大讯飞的星火、智谱AI的GLM系列、MiniMax的ABAB系列……几乎所有在国内叫得上名字的AI公司，都或多或少地参与到了这场价格战当中。有的公司直接把API调用的价格降到了行业平均水平的十分之一，有的公司干脆推出了完全免费的基础套餐来吸引用户，还有的公司通过开源模型的方式彻底绕开了按量计费的传统商业模式。这种竞争的白热化程度，在全球范围内都是极为罕见的。而这场价格战带来的直接结果，就是中国市场上AI模型的使用成本已经被压缩到了一个低得惊人的水平。现在，这股低价浪潮正在通过开源模型的全球传播和国际市场上的API出口，迅速传导到全球各个角落，进而对美国AI公司的定价策略和收入预期产生实质性的影响。

对于中国企业来说，低价策略既是进攻的锋利武器，也是防守的坚固盾牌。从进攻的角度来看，低价可以快速抢占市场份额，尤其是在那些对价格高度敏感的新兴市场和中小企业客户群体中，低价策略的效果立竿见影。从防守的角度来看，低价也可以倒逼整个产业链上下游不断降低成本、提高效率——因为如果卖Token本身赚不到多少钱，你就必须在算力优化、模型蒸馏、推理加速这些技术环节上想尽办法省钱。这种"被逼出来的创新"的逻辑，在过去的智能手机、光伏面板、动力电池等中国制造业的优势行业中，已经被反复验证过了。中国企业在制造业领域积累的那套"把成本打到极致"的经验和能力，正在被系统地复制到AI这个看似高大上的技术领域里。而美国AI公司现在面临的困境是——它们在基础模型的技术能力上确实保持着领先，但这种领先优势所带来的溢价空间，正在被中国竞争对手的低价策略一口一口地蚕食掉。

这场席卷全球的AI价格战会走向何方？短期之内，Token价格大概率还会继续往下探底。原因很简单：中国AI公司的模型产能还在快速扩张，新模型还在源源不断地涌现，市场竞争只会变得越来越激烈。而美国AI公司为了保住自己的市场份额，也不得不跟进降价。这种"你降我也降"的螺旋式下跌，在没有外部力量强力介入的情况下，很难自发地停下来。中期来看，Token价格的持续走低会加速整个AI行业的洗牌进程。那些成本控制能力差、技术护城河浅、商业模式单一的公司，很有可能会在这一轮残酷的价格战中被淘汰出局。而那些能够把成本做到极致、同时在技术和生态上建立起真正壁垒的公司，才有机会活下来并最终胜出。长期来看，Token价格趋近于零可能是一个难以逆转的必然趋势——就像当年的云计算服务、手机短信、国际长途电话一样，每一项新技术在刚刚问世的时候都很贵，但随着基础设施的不断完善和市场竞争的日益激烈，最终都会变成廉价的公共服务。AI模型的使用成本，也不会例外。

对于OpenAI和Anthropic这两家正在筹备上市的公司来说，眼下所处的处境确实有些尴尬和棘手。一方面，它们的技术实力依然是全球顶尖的，GPT-5.6 Sol和Claude Fable 5.1在各项基准测试上的表现依然领先于绝大多数竞争对手。但另一方面，资本市场对它们的盈利预期却在不断地下调和修正。一家即将上市的公司，如果核心产品的销售价格在持续下跌，那它的招股说明书该怎么写才好看？它的营收预测该怎么向投资者解释才能让人信服？这些问题不是靠一两个技术上的突破就能轻松解决的。更深层次的挑战在于，OpenAI和Anthropic的商业模式高度依赖于API调用的按量收费，而这种模式在面对开源模型的冲击时显得格外脆弱。当一个用户可以免费下载一个性能相差不大的开源模型并在自己的服务器上自由运行的时候，他凭什么还要按每百万Token 10美元甚至更高的价格去调用你的API？除非你的模型在某个关键维度上拥有碾压性的优势——比如上下文长度远超对手、多模态能力更为强大、或者在特定垂直领域的专业知识无可替代——否则用户很容易就会被低价甚至免费的替代品吸引走。这让两家公司必须重新思考自己的商业化路径，不能再单纯指望"卖Token"这门生意养活整个公司。

而中国AI公司这边的策略则更加多元和灵活。月之暗面、智谱AI、MiniMax这些公司不仅在做API的生意，还在大力拓展面向企业的定制化解决方案、面向个人消费者的订阅制产品、以及通过开源模型来建立和壮大开发者生态。它们不一定指着卖Token来赚钱——在很多情况下，低价甚至免费提供模型本身，就是为了快速积累用户数据和应用场景经验，然后再通过增值服务、企业定制、数据飞轮这些方式来实现商业上的变现。这种打法跟当年互联网行业盛行的"免费+增值"模式如出一辙。先烧钱抢占市场份额，再慢慢琢磨怎么赚钱。这种策略在互联网时代被反复证明是行之有效的，现在被移植到了AI行业，效果同样显著，甚至可能更快——因为AI产品的用户迁移成本比互联网产品更低，一旦用户习惯了某个低价或免费的开源模型，再想让他们回到高价闭源模型就难了。

回到《朝鲜日报》这篇报道的核心信息——Token价格跌到了0.97美元。这个数字本身就是一个强烈的信号。它标志着AI行业正在从一个"卖方市场"快速转向一个"买方市场"。在卖方市场的格局下，模型开发商牢牢掌握着定价权，用户只能被动接受。而在买方市场的格局下，用户拥有了更多的选择和更强的议价能力，价格就成了竞争中最主要的武器。这种市场格局的转变，对整个行业的影响是深远而持久的。那些习惯了高毛利、高定价的美国AI公司，需要尽快适应一个利润率被不断压缩的新环境。而那些擅长成本控制和规模化运营的中国AI公司，则有机会在这一轮行业洗牌中脱颖而出，占据更有利的市场位置。

最后，我想聊聊这件事对普通人的实际意义，也顺便给不同角色的读者提几点建议。Token价格的持续走低，最终会传导到每一个使用AI产品的终端用户身上。你今天用ChatGPT写一封工作邮件、用Claude分析一份季度报告、用Gemini整理一篇课堂笔记，所花费的成本可能比三个月前便宜了一半。而且随着竞争的进一步加剧，这个成本还有可能继续往下降。当AI的使用成本低到可以忽略不计的时候，它就不再是一个"要不要用"的问题，而变成了一个"怎么用得更好"的问题。对于正在创业的人来说，这意味着你可以用更低的成本把AI能力集成到自己的产品和服务里，从而提升竞争力。对于还在上学的人来说，这意味着你可以用AI辅助学习和研究，而不必担心费用太高负担不起。对于每天在办公室里忙碌的上班族来说，这意味着AI可以成为你日常工作中一个随时待命的助手，而不是一个需要精打细算才能偶尔用一次的奢侈品。对于投资者来说，现在是重新审视AI赛道投资逻辑的关键时刻——那些单纯依赖Token涨价预期来支撑高估值的公司，可能会在这一轮价格战中暴露出商业模式的脆弱性；而那些在成本端有真正壁垒、或者在Token之外找到了第二增长曲线的公司，才有可能穿越周期。对于AI公司的决策者来说，Monchau的建议值得认真听一听——不要再单纯依赖性能优势来定价了，分销渠道、记忆能力、上下文处理能力这些维度，才是下一阶段竞争的主战场。对于中国的AI从业者和创业者来说，这场价格战既是机遇也是挑战，如何在低价跑马圈地的同时建立起真正的商业壁垒，是决定未来成败的关键。从中美博弈的更大视角来看，Token价格跌破1美元这件事，本质上是全球AI产业权力转移的一个缩影——当中国的开源模型能够以远低于美国同行成本的价格提供相近的性能时，美国在AI领域的技术垄断地位就开始松动了。从今年5月下旬2.05美元的阶段性峰值，到2026年8月31日0.97美元的历史低点，这0.97美元到0.97美元腰斩的背后，是中美两国AI公司在技术、成本、商业模式多个维度上的全面较量。接下来的几个月，OpenAI和Anthropic能不能顶着Token价格下行的压力顺利完成IPO？中国的开源模型能不能借势进一步扩大全球市场份额？整个AI行业的商业模式会不会因此发生根本性的重构？这些问题的答案，值得我们每一个关注科技行业的人持续追踪。毕竟，当Token的价格被打到地板价的时候，AI普惠和全民普及的那个未来，或许真的就不远了。而在这个过程当中，不管是美国的OpenAI和Anthropic，还是中国的月之暗面和智谱AI，谁能把成本控制得最好、把用户体验做到最优、把商业模式打磨得最扎实，谁就能在这场没有硝烟的战争中笑到最后。对于我们这些每天在使用AI工具的普通人来说，这场价格战带来的最直接的好处就是——我们可以用越来越少的钱，享受到越来越好的AI服务。这不就是我们一直以来期待的那个未来吗？