¿Cuenta atrás para el fin de la era de los precios altos de la IA? Cinco razones estructurales por las que los tokens definitivamente bajarán de precio.

效能改進邊際遞減、開源模型成本只需十分之一、專用晶片讓推論費用下砍、零切換成本讓用戶秒跳槽、本地模型 4 至 5 年內有望終結訂閱制。AI 大廠維持高定價的空間正在快速收窄？ （前情提要：OpenAI 旗艦模型 GPT-5.6 Sol 獨家登陸 Cerebras，「白毛股神」Serenity 喊「技術獲驗證」進場抄底） （背景補充：Citrini Research：避開 AI 泡沫！點名「5 大暴利盲區」迎資金輪動）

本文目錄

Toggle

• 效能天花板與開源的雙重夾擊
• 晶片革命與零切換成本
• 本地模型：訂閱制的終局威脅

軟體工程師 Aditya Patadia 在個人部落格指出：Uber 4 個月燒光全年 AI 預算，微軟、Salesforce、GitHub 也相繼宣布要管控員工的 AI 花費，這已是整個產業的共同困境，不是個別公司的財務紀律問題。但他預測，當前頂尖 AI 公司的昂貴收費結構即將迎來逆轉。

效能天花板與開源的雙重夾擊

Patadia 的第一個觀察：模型效能的改進正在邊際遞減。每次模型迭代仍有進步，但進步幅度越來越小，而訓練資料的問題更是結構性的，各大 AI 實驗室大概已經消化了人類有史以來幾乎所有可數位化的書面知識，繼續改善訓練集的難度極高。

他舉 Claude Opus 4.8 與 Claude Opus 4.7 定價相同為佐證：當模型無法再展示跨代的顯著躍進，漲價的理由就消失了，競爭將只剩降價一條路。

第二重壓力來自開源陣營。他以 GLM-5.2 為例，這款開源模型在程式碼基準測試上已媲美 GPT 5.5 和 Claude Opus，定價卻只有 GPT 5.5 的十分之一，在定價上形成碾壓式優勢。

Patadia 的判斷是：只要開源模型持續縮小與閉源旗艦的效能差距，閉源定價的空間就會持續壓縮。

晶片革命與零切換成本

AI 定價的另一條壓力線來自硬體層。Patadia 指出，Cerebras、Groq、Google 等公司開發的 AI 專用晶片，正在改寫推論成本的底線。以 Google TPU 為例，其推論成本比 Nvidia H100 GPU 便宜 30% 到 70%。

簡單來說就是，同樣的計算量，用對晶片可以省下一大筆錢，而這個差距會直接壓縮模型服務商的定價下限。除了晶片，模型架構本身也在降本：快取機制讓重複查詢不必重新計算，MoE 混合專家架構，白話說就是讓模型按需呼叫部分「專家」，不必每次動員全部神經元，讓模型在維持同等準確度的前提下顯著降低運算開銷。

還有一點，Patadia 認為最被低估的結構性因素：零切換成本。

他的對比很直接，Windows、Adobe、Salesforce 這類傳統軟體的護城河，在於換掉它們代價極高，往往需要數個月的遷移工程；AI 模型沒有這道護城河。OpenRouter.ai 這類 AI 閘道服務，讓開發者切換模型提供商只需要幾秒鐘，甚至可以程式化地讓系統在不同提供商之間自動切換。

當競品隨時可以被秒速替換，任何一家廠商的漲價嘗試都將直接送走用戶。

本地模型：訂閱制的終局威脅

Patadia 最大膽的一個預測，指向本地模型。他的估算是 4 到 5 年內：晶片效能持續提升加上記憶體（RAM）價格的必然下滑，將讓消費者等級的電腦和智慧型手機有能力在本地執行語言模型。他進一步預測，主流作業系統將內建模型部署介面，讓本機應用程式可以直接呼叫本地模型。

這個場景一旦成立，意味著什麼？雲端模型只剩最複雜的任務有呼叫必要，法律檔案分析、長文脈推理、跨資料庫整合。程式碼自動補全、檔案校對、基礎事實查核這類日常任務，將在本地完成，不再需要每月 $20 甚至 $200 的雲端訂閱費。

當然，Patadia 自己也標注了這是「預測」而非確定事實，他聲明這些是他的「大膽賭注」，時間會給出答案。但以上五個壓力方向，效能邊際遞減、開源替代崛起、專用晶片降本、零切換成本、本地模型替代，每一個都已有現實案例支撐，並非純粹的思想實驗。

如果 Patadia 的預測是對的，那對於用戶來說是好事；可是對收錢的 AI 公司來說，那就是另一回事了。