Token 越便宜，世界越饥渴

2021 年 11 月，GPT-3 的 API 对外开放。价格：每百万 token 60 美元。

2024 年 7 月，GPT-4o-mini 发布。同一类任务的价格：每百万 token 0.15 美元。

三年不到，降了 400 倍。

如果 token 只是”写文章的工具”，400 倍的降价应该只带来一些增量——人们多用几次 ChatGPT，多润色几篇邮件，仅此而已。需求有上限，因为人一天只有 24 小时，不会因为 AI 写作变便宜就读十倍的文章。

但实际发生的是什么？

中国的日均 token 消费量，从 2024 年初的 1000 亿，涨到了 2026 年 2 月的 180 万亿。十八个月，涨了 1800 倍。

OpenAI 的企业客户，单个组织的推理 token 消费量年同比增长 320 倍。

Google 旗下各产品处理的 token 总量，从 2025 年 5 月的每月 480 万亿涨到了 10 月的 1300 万亿——五个月翻了 2.7 倍。

价格降了 400 倍，消费涨了 1800 倍。

这不是 Jevons 悖论”可能成立”。这是 Jevons 悖论在现实中以极端形式上演。需求弹性不是略高于 1——而是远远超过 1。Token 降价释放出来的需求，比降价本身猛烈得多。

问题是：这些多出来的 token 去哪了？谁在”消费”它们？为什么需求弹性可以如此惊人？

答案藏在 token 消费的分层结构里。

---

从 FLOPS 到 Token：计算资源的价格-需求曲线长什么样

a16z 给这个趋势起了个名字：LLMflation。对于同等性能的 LLM，推理成本每年降 10 倍。这个速度比 PC 时代的算力降价（Moore’s Law）还快，比互联网时代的带宽降价（Edholm’s Law）也快。

这不是第一次发生。

CPU 算力在过去 60 年里降了大约 10 的 10 次方倍。同一时期，全球总计算消费量涨了大约 10 的 15 次方倍。降了十万亿倍，用了一千万亿倍。需求增长比降价快了十万倍。

带宽同样。存储同样。每一种基础计算资源都遵循同一个模式：当成本下降到一个新的数量级，不是”同样多的人用更多”，而是”一大批以前完全不在市场里的使用场景突然涌入”。

从大型机到 PC，不是”同样的科学家多算了几个方程”——而是几十亿普通人开始用计算机做文字处理、打游戏、看视频。从拨号上网到光纤，不是”同样的人多看了几个网页”——而是 Netflix、YouTube、TikTok 这些以前不可能存在的应用整个品类冒出来。

Token 正在重演这个历史。但它有一个关键的不同——token 不是一种”基础设施资源”（像电、带宽、存储），而是一种“认知服务”的定价单位。你买的不是”计算能力”，你买的是”一段思考”。

这让 token 的需求弹性分层变得更复杂，也更有趣。

---

三种 Token 消费，三种弹性

不是所有 token 消费都一样。把”token 使用量涨了 1800 倍”当成一个整体数字来看，会错过最重要的结构性信息。

第一层：人机对话型（弹性中等）

这是大多数人直觉中的 token 消费方式——你打开 ChatGPT 问一个问题，它回答你。你用 Copilot 写一段代码，它给你建议。你让 Claude 润色一封邮件。

这一层的消费受人类注意力和时间的硬约束。你一天只能和 AI 对话这么多次。你一天只能阅读和判断这么多 AI 生成的内容。即使 token 免费了，你也不会一天问 AI 一万个问题——因为你没有时间消化一万个答案。

所以这一层的弹性是中等的。Token 价格降 10 倍，个人使用量可能涨 3-5 倍（从”每天问 10 个问题”涨到”每天问 30-50 个问题”）。但不会涨 100 倍。这层更像”翻译”——你不会因为翻译变便宜就把同一篇文章翻译十遍。

第二层：Agent/自动化型（弹性接近无限）

这是 token 消费增长最快的部分，也是 1800 倍增长的最大贡献者。

一个 AI Agent 不受人类时间约束。它可以 24 小时不停地运行。它可以并行启动一百个分支。它可以反复尝试、自我纠错、循环迭代，直到达到目标。每一次循环都消耗 token。

具体来看程序员的视角。

传统使用方式：程序员问 AI “怎么写一个排序算法？”，AI 回答 500 token。一天问 50 个问题 = 25,000 token。

Agentic 使用方式：程序员给 Claude Code 一个任务”重构这个认证模块”。Agent 开始自主工作——读代码、分析依赖、制定计划、写代码、跑测试、发现 bug、修复、再跑测试……一个任务下来可能消耗几十万甚至上百万 token。开发者报告显示，使用 Claude Code 做 agentic coding 的月花费在 $500-2000 之间（纯 API 成本）。Agent 团队模式消耗约 7 倍于普通会话的 token。

Andrew Ng 算了一笔账：如果一个 AI agent 持续以 100 tokens/sec 运行，按 $4/M tokens 计算，成本是 $1.44/小时——比美国最低工资还低。

这意味着什么？意味着当 token 足够便宜，程序员的工作方式会发生根本转变——从”想好再写”到”让 AI 跑所有可能的方案，从中挑最好的”。从”节约 token”到”挥霍 token”。

以前你调试一个 bug 是：先想可能的原因，试两三种修法，如果不行再查文档。现在你可以让 agent 同时跑 20 种修法、自动测试每一种、告诉你哪种通过了。Token 成本几美分。人力节省几小时。

这一层的弹性为什么接近无限？因为它的约束不是人类时间——而是“解决这个问题的经济价值 > 消耗的 token 成本”。只要一个问题的解决价值大于几美分的 token 成本，agent 就”值得跑”。而在现实世界中，有几乎无穷多的问题的价值大于几美分。

阿里巴巴 CEO 在 2025 云栖大会上说：”Token 消费速度每两到三个月翻一倍。” 这个速度主要由 agent 层驱动。

第三层：嵌入式/平台型（弹性取决于终端用户规模）

这是 Google 每月 1.3 千万亿 token 的主要来源。不是人在和 AI 对话——而是 AI 被嵌入到搜索、邮件、文档、地图等产品的每一次请求中。用户可能根本不知道自己在”消费 token”，他们只是在用 Google 搜索，但每次搜索背后 Gemini 都在跑。

这一层的弹性取决于终端产品的用户增长。当 token 便宜到可以嵌入每一个产品的每一次交互时，token 消费量基本等于”全球所有数字产品的总请求量 × 每次请求的 token 数”。这个数字几乎没有上限。

还有一个新兴的子层：视频和多模态。字节跳动的 Seedance 2.0 生成一段 10 秒 1080p 视频需要约 35 万 token。一个完整的动画项目可能需要数亿 token。当视频生成的 token 成本降到可承受水平时，这个子层的需求爆发会是目前文本层的数十倍甚至数百倍。

---

从一行代码到十亿人：Token 弹性的三个尺度

把三层弹性放在一起看，才能理解”Token 越便宜，世界越饥渴”到底意味着什么。

程序员尺度：从工具到环境

Token 对程序员来说正在从一种”工具”变成一种”环境”。

工具阶段（2023-2024）：你向 AI 提问，AI 回答你。你是主导者，AI 是助手。Token 消费受限于你提问的频率。

环境阶段（2025-）：你设定目标，AI 自主探索。你的 token 消费不再受限于你”问了多少问题”，而是受限于”你给 agent 设定了多大的搜索空间”。

一个具体的例子。以前：你花 30 分钟写一个函数，花 10 分钟 debug。总 token 消费：几千（问了几个问题）。现在：你花 2 分钟描述你想要什么，agent 花 10 分钟自主尝试 50 种实现方式、跑 200 次测试、选出最优解。总 token 消费：几十万。但你省了 38 分钟。

当 token 成本低于你时间成本的时候，理性选择是”让 agent 多跑”。这就是为什么程序员视角下的 token 弹性极高——因为程序员的时间很贵（$50-200/hr），而 token 很便宜（$1.44/hr 持续运行）。每降一次价，”值得让 agent 跑”的问题就多一批。

公司尺度：从点到面

OpenAI 的 Enterprise AI 报告显示：企业 API 调用量年同比增长 8 倍，推理 token per organization 增长 320 倍。

320 倍不是”同样的事情做多了”。这是”以前没在用 AI 的流程开始用了”。

公司的 AI 采用路径通常是： 1. 一个团队试点（产品团队用 AI 写文档） → token 消耗：低 2. 核心流程上线（客服用 AI 做初步回复） → token 消耗：中 3. 全面扩散（财务、法务、HR、运营全部接入 AI） → token 消耗：高 4. Agent 化（AI 不再只辅助人，开始自主执行任务） → token 消耗：爆发

大部分公司在 2024 年处于 1-2 阶段。2025 年开始进入 3 阶段。320 倍的增长反映的是从”点”到”面”的扩散。

当 token 再降 10 倍，阶段 4 变得经济可行。这时候 token 消费不是”按人头”算的——而是”按任务数”算的。一个公司可能有 1000 个员工，但有 10 万个可以被 agent 自动处理的日常任务。每个任务消耗 10 万 token = 每天 100 亿 token = 成本可能只有几百美元。

这就是为什么企业层面 token 弹性可以到 320 倍——因为企业内部”值得自动化但以前成本太高”的任务数量远多于员工数量。

社会尺度：从有到无

最大的弹性藏在第三个尺度。

全球 12 亿人从未享受过个性化教育服务。不是不想——是以前要一个真人家教，每小时 $30-100，一般家庭负担不起。AI tutor 的边际成本是每小时几美分的 token。当 token 足够便宜，这 12 亿人全部成为”新进入的消费者”。

类似的逻辑适用于： - 基础法律咨询（全球数十亿人从未咨询过律师） - 心理健康支持（stigma + 费用双重壁垒，AI 同时解决两者） - 多语言信息获取（大量优质内容只有英语版，AI 翻译让小语种用户进场） - 中小企业的数据分析（以前需要雇分析师，现在几百块/月）

这些场景的弹性不是”已有用户用更多”——而是“几十亿从来不在这个市场里的人突然进场”。这是 Jevons 悖论最纯粹的形式：成本下降解锁了一个以前完全不存在的巨大市场。

世界银行的数据印证了这一点：新兴市场的 EdTech 企业 86% 已集成 AI，AgTech 70%，Fintech 54%。这不是硅谷的玩具——这是正在覆盖几十亿人的基础服务。

---

数据说了什么

把所有数字放在一起：

指标	时间	数值	增速
中国日均 token	2024.01→2026.02	100B→180T	1800x / 18个月
火山引擎日均	2024底→2026.01	2T→63T	31.5x / 13个月
Google 月处理量	2025.05→2025.10	480T→1300T	2.7x / 5个月
Microsoft Azure 季度	2024 Q3→2025 Q3	~20T→100T	5x YoY
OpenAI API 日均	2025.10	8.6T	—
OpenAI 企业推理/org	YoY	—	320x
Token 价格（等效性能）	YoY	—	-10x

价格每年降 10 倍。消费每年涨 100-1000 倍。

这意味着全球 token 市场的总支出（价格 × 数量）仍然在快速增长——即使单价在暴跌。a16z 指出了一个有趣的现象：OpenAI 的顶级模型 o1 的输出 token 价格仍然是 $60/M——和三年前 GPT-3 的价格一样。说明市场的顶端在用”更贵的 token”换取更高质量的推理，底端在用”更便宜的 token”覆盖更多场景。

这正是一个需求极高弹性市场的特征：低端放量、高端保价。和智能手机市场类似——iPhone 卖 $1000，但全球智能手机出货量 12 亿台/年，因为低价安卓覆盖了所有人。

---

Token 弹性告诉你该押注什么

回到经济学。

Jevons 悖论的第三个条件是”需求弹性必须足够高”。Token 市场的实际数据告诉我们：这个弹性不是略高于 1，而是高到令人震惊的程度。价格降 10 倍，消费涨 100-1000 倍。

但弹性不是均匀分布的。

• 人机对话层（你用 ChatGPT 问问题）：弹性中等。受注意力约束。这一层接近”翻译”类需求——便宜了不会多用十倍。
• Agent/自动化层（AI 自主循环执行任务）：弹性极高。唯一约束是”任务价值 > token 成本”。这一层接近”计算资源”——每降一个数量级就解锁一批新场景。
• 全球化服务层（以前买不起的人进场）：弹性极高。从 0 到 1 的跃迁。这一层最接近”棉布”——十几亿被压抑的需求等待释放。

对个人的含义很明确：

如果你把 token 当”写文章的工具”，你在消费弹性最低的那一层。 你的价值被注意力天花板限制——你一天只能写/看这么多文章。

如果你把 token 当”agent 的燃料”，你在消费弹性最高的层。 你的价值不受你个人时间约束，而是受你能定义多少”值得解决的问题”约束。

如果你把 token 当”全球化服务的基础设施”，你在消费弹性最大的市场里。 你面对的不是”已有用户用更多”，而是”几十亿新用户从零开始”。

最大的错误是：把 token 仅仅理解为”更便宜的写作/翻译/编程工具”——这是低弹性视角。Token 的本质是通用认知基础设施的计量单位。它的需求弹性曲线更像电、带宽、算力——每一次数量级的降价都会催生出一整个新的应用层，而新应用层消耗的总量会远超上一代。

我们今天看到的 1800 倍增长，大概率还只是开始。

---

附：本文引用的资料来源

• LLMflation 趋势（a16z, Guido Appenzeller）：https://a16z.com/llmflation-llm-inference-cost/
• 全球 Token 消费追踪数据：https://robonomics.substack.com/p/token-tracker-and-implications
• OpenAI State of Enterprise AI 2025：https://cdn.openai.com/pdf/7ef17d82-96bf-4dd1-9df2-228f7f377a29/the-state-of-enterprise-ai_2025-report.pdf
• LLM 推理成本对比分析（Introl）：https://introl.com/blog/inference-unit-economics-true-cost-per-million-tokens-guide
• Token 降价对 AI 公司的含义（Andrew Ng / DeepLearning.AI）：https://www.deeplearning.ai/the-batch/falling-llm-token-prices-and-what-they-mean-for-ai-companies/
• Agentic Coding 成本分析（Vantage）：https://www.vantage.sh/blog/agentic-coding-costs
• Claude Code Token 管理文档：https://code.claude.com/docs/en/costs
• AI 在新兴市场扩散（World Bank）：https://blogs.worldbank.org/en/psd/how-ai-travels–diffusion-among-firms-in-emerging-markets
• Google Token 处理量（Official Blog）：https://blog.google/innovation-and-ai/infrastructure-and-cloud/google-cloud/gemini-enterprise-sundar-pichai/
• ChatGPT 用户数据（TechCrunch）：https://techcrunch.com/2025/07/21/chatgpt-users-send-2-5-billion-prompts-a-day/