AI 产业第一次真正进入“经济核算阶段”

OpenAI 与 Anthropic 可能展开价格战的消息，表面看是两家头部 AI 公司在争夺用户，深处看却是 AI 产业第一次真正进入“经济核算阶段”。

过去两年，AI 行业最常被讨论的是模型能力：谁的模型更强，谁的推理更好，谁的代码能力更稳，谁的多模态更惊艳。资本、媒体和用户都愿意为“最强模型”付出溢价。但当 AI 真正进入企业，情况开始变化。企业不再只问“模型强不强”，而开始问“账单贵不贵”；不再只看“有没有用 AI”，而开始追问“这些 token 到底换来了多少结果”。这就是这则新闻真正值得观察的地方。

据 Reuters 转述《华尔街日报》报道，OpenAI 正在考虑大幅下调 AI 服务价格，以应对与 Anthropic 之间的用户争夺；相关讨论仍在进行中，Reuters 也说明其未能独立确认该报道。消息同时提到，企业高管正在对 AI 使用成本产生压力，Sam Altman 近期也承认成本已经成为一个“巨大问题”。 我觉得可以把这件事放在 Anthropic 企业端崛起、Claude Code 受欢迎、OpenAI 重点推动 Codex、企业开始控制 agentic AI 支出、以及 IPO 前商业模式压力测试的背景下讨论。我的判断是：这不是一场简单的 token 降价战，而是 AI 产业从“智能展示”走向“价值核算”的开始。

这不是传统意义上的价格战

如果按照传统互联网的逻辑，一家公司降价，另一家公司跟进，用户得利，市场扩大，最后用规模摊薄成本。但大模型服务不完全遵循这个逻辑。AI 背后不是几乎零边际成本的软件分发，而是实实在在的算力、存储、网络、电力、冷却和数据中心资本开支。

所以，AI 不可能无限降价。价格可以优化，单位 token 成本可以下降，模型推理效率可以提升，缓存、批处理和模型路由可以降低实际使用成本，但底层资源消耗不会凭空消失。OpenAI 官方价格页显示，GPT-5.5 的 API 标价为每百万 input tokens 5 美元、output tokens 30 美元；Anthropic 官方信息显示，Claude Opus 4.8 regular usage 价格为每百万 input tokens 5 美元、output tokens 25 美元。 这说明头部旗舰模型仍然保持高价值任务的价格锚点，并没有进入“无底线低价”阶段。

因此，所谓 AI 价格战，更可能是一场结构性降价，而不是全面价格崩塌。消费端、开发者端、低阶模型、高频入口场景，可能会率先降价；企业核心任务、复杂推理、高可靠代码、合规与安全要求较高的场景，仍然会保持溢价。

真正的问题不是 token 便不便宜，而是每一个 token 能不能创造足够价值。

从 tokenmaxxing 到 valuemaxxing

前一篇《礼立观察·科技评论》里，我们讨论过 tokenmaxxing：企业和员工为了证明自己“用上了 AI”，不断推高 token 使用量。但现在，价格战的讨论进一步说明，AI 行业必须从 tokenmaxxing 走向 valuemaxxing。tokenmaxxing 关注的是“用了多少 AI”；valuemaxxing 关注的是“每一次 AI 调用到底创造了多少价值”。这两个词背后，是两套完全不同的产业逻辑。

如果企业只看 token 消耗，它很容易得到一个看似繁荣的 AI 使用曲线：员工都在用，调用量在涨，模型账单在增加。但这并不必然意味着生产力提升。真正成熟的企业，下一步一定会追问：这些 token 是否减少了返工？是否缩短了交付周期？是否提高了代码质量？是否改善了客户体验？是否降低了销售、客服、研发、运营和管理成本？

这才是 AI 真正进入企业之后的核心问题。过去，AI 公司卖的是“智能能力”；现在，企业客户要买的是“可验证结果”。这也是价格战背后最重要的变化：AI 的竞争正在从“谁更聪明”变成“谁更划算”，再进一步变成“谁更能交付结果”。

OpenAI 为什么会感到压力

OpenAI 的压力来自两个方向。

一方面，是 Anthropic 在企业端的快速崛起，尤其是 Claude Code 在开发者和企业工程团队中的扩散。代码场景是 AI 最容易形成高频、高价值和强粘性的场景之一，因为它可以直接嵌入研发流程，影响交付效率。上传材料中提到，Anthropic 的编程工具 Claude Code 带动营收增长，也让 OpenAI 将 Codex 作为重点方向。 这说明，AI 的战场已经不只是聊天框，而是进入了企业真实工作流。

另一方面，是客户开始重新审视 AI 成本。早期企业采用 AI，很多时候带着试验心态，先买、先用、先探索。但当使用量上来，账单变大，管理层就一定会从“有没有用 AI”转向“用得值不值”。Reuters 报道中也提到，企业高管已经开始对高昂的 AI 使用成本表示不满。

这不是 AI 热潮结束，而是 AI 进入经营预算。创新预算讲故事，经营预算看回报。到了这个阶段，企业不会只问模型强不强，而会问单位任务成本是多少、供应商能否替换、结果是否可衡量。我的判断是：OpenAI 如果考虑降价，并不说明商业模式被证伪，而说明 AI 开始从“战略试点”进入“经营成本项”。一旦进入经营成本项，客户就会开始用更冷静的方式计算 AI。

价格战真正改变的是产业规则

这场竞争真正会改变的，不是某一个模型价格，而是 AI 产业的评价体系。

第一，模型公司不能只靠“最强模型”讲故事，还必须证明“单位智能成本”持续下降。谁能用更少 token、更低延迟、更稳定结果完成更多任务，谁就更有优势。

第二，企业客户会更主动地做模型组合。过去企业可能愿意直接采购最强模型，现在会开始区分任务类型：复杂推理用旗舰模型，常规客服用轻量模型，内部检索用本地模型，代码审查用专用模型。未来企业 AI 架构，很可能不是一个模型打天下，而是多模型、多供应商、多层级成本管理。

第三，应用公司会迎来机会。模型降价会压缩基础模型公司的部分溢价，却会放大应用层的价值。因为客户最终要的不是便宜 token，而是稳定、可交付、可治理的业务结果。谁能把模型能力封装进真实行业流程，谁就能把“token 成本”变成“业务价值”。

第四，投资人会改变看 AI 公司的方式。过去看模型榜单、用户增长和估值故事；未来要看毛利结构、推理成本、客户留存、任务完成率、工作流渗透率和单位任务经济性。Reuters 报道称，OpenAI 与 Anthropic 均已走向 IPO 进程，OpenAI 也被报道已秘密提交 IPO 文件；这意味着，公开市场会更直接地审视它们的收入质量、成本结构和客户粘性。

我的判断是：AI 价格战不会结束 AI 的高价值叙事，但会结束“只要会调用模型就能讲大故事”的阶段。

对中国 AI 产业的启示

对中国 AI 产业来说，这件事有三点启示。

第一，中国大模型公司不能只卷参数、榜单和发布会，必须更早进入成本效率竞争。中国企业客户对价格更敏感，对 ROI 更现实。如果模型能力不错，但推理成本过高、稳定性不足、交付闭环不清晰，很难真正进入企业核心流程。

第二，中国 AI 的机会不在简单复制 OpenAI 或 Anthropic，而在行业场景和工作流深处。制造、供应链、跨境贸易、金融风控、政企服务、园区运营、客服销售、财税法务，这些都是中国企业真实存在的复杂流程。谁能把 AI 做进这些流程，谁就可能把模型能力转化为产业服务能力。

第三，中国企业应该尽快建立自己的 AI 成本治理体系。不要只统计用了多少 AI，而要统计每个任务、每个流程、每个部门的 AI 投入产出。未来企业的 AI 管理，不应该停留在“买了哪些模型”，而要进入“哪些任务适合 AI、用哪个模型最划算、结果谁审核、成本如何分摊、价值如何评估”。

这里尤其要提醒一点：标价便宜，不等于实际便宜。斯坦福、伯克利等研究者关于 reasoning model 成本的研究指出，列示 API 价格并不总能反映实际推理成本；在部分模型对比中，标价更低的模型反而因为 thinking tokens 消耗更多而导致总成本更高。 这对中国企业尤其重要：选择 AI 供应商，不能只看每百万 token 单价，而要看一个任务从输入、推理、输出、审核到完成的总成本。

这也是我一直强调的判断：AI 真正进入企业后，竞争的核心不是谁更会聊天，而是谁更会完成任务；不是谁烧掉更多 token，而是谁能把智能变成更低成本、更高质量、更可验证的结果。

结语：便宜不是终点，价值才是终点

OpenAI 和 Anthropic 如果真的展开价格竞争，短期看是用户争夺，长期看是商业模式测试。它会推动 AI 使用成本下降，也会让企业更快接受 AI；但它同时会逼迫整个行业回答一个更严肃的问题：AI 到底是在创造价值，还是只是在制造更大的账单？

所以，这场价格战的真正意义，不是 token 会不会便宜，而是 AI 行业终于开始从“智能展示”走向“价值核算”。

未来真正值钱的 AI 公司，不一定是模型最会说话的公司，而是最能把每一份智能消耗转化为任务结果、业务效率和产业价值的公司。

AI 产业的下一阶段，不是 token 越便宜越好，而是每一个 token 都要更值钱。