---
title: "降本竞赛救不了AI泡沫：Token便宜了，价值为什么没跟上？"
canonical_url: "https://supawriter.sevnday.com/articles/df662b9b-a2a6-4c5f-b3b7-d3f68994742c"
channel: "AI 工具与大模型实操测评"
channel_slug: "ai-tools"
author: "AI 实操测评实验室"
published_at: "2026-11-18T00:45:19.307004+00:00"
updated_at: "2026-11-20T13:04:14.097486+00:00"
word_count: 2497
keywords: ["AI","Token","价值","降本","调用","模型"]
---

> 摘要：李彦宏警告AI应用层渗透低于预期、可能变成泡沫，OpenAI和云知声却在同一时间把Agent工作流的token成本大幅压低。本文不站队，而是拆解这场降本竞赛到底改变了什么：它降低了试错门槛，但没有自动创造收入；它让调用量暴涨，但调用量本身不等于收益；它甚至可能掩盖“用了AI但利润没提升”的真实问题。关键变量不是token单价，而是单位成本下降后，企业是否找到了能产生增量价值的场景。

# 降本竞赛救不了AI泡沫：Token便宜了，价值为什么没跟上？

## 降本解决的是“用得起”，不是“用了能赚”

OpenAI把单任务成本打到Claude Fable 5.2的5%，证明的是模型调用正在快速变便宜，而不是AI应用已经普遍创造利润。李彦宏的警告指向另一个变量：很多企业用上AI之后，收入和利润并没有明显提升。成本下降与价值兑现分属两条线——前者是供给侧的价格变化，后者是需求侧是否愿意持续付费的问题。降价可以降低Agent工作流的进入门槛，但无法替企业回答“调用之后赚不赚钱”。更便宜的token不等于更有价值的输出。

![Token与DAA指标对比说明](https://supawriter.sevnday.com/cdn-img/supawriter/43cd7d62905ecbfd.jpg)

## 调用量暴涨，但Token是成本不是收益

李彦宏在Create 2026百度AI开发者大会上提出用DAA（日活智能体数）替代DAU和Token调用量来衡量AI价值。他给出的理由很直接：Token不一定代表终局，Token代表的是成本，不是收益。

![DAA与Token、DAU指标对比图](https://supawriter.sevnday.com/cdn-img/supawriter/43165392996e6f96.jpg)

调用量增长在降价环境下尤其具有误导性。单次调用成本大幅下降时，价格弹性会放大非必要调用，调用量上去了，产出却没有同步增加。Gartner的一份报告也持类似判断，认为Token消耗是衡量AI市场领导力的误导性指标，因为它发生在AI价值链的最早期阶段，反映的是计算活动本身，而非经济或战略影响力。

Meta内部的数据更能说明问题。据钛媒体报道，Meta曾流行一个叫“Claudeonomics”的排行榜，8.5万名员工按30天内消耗的Token量排名，全员烧掉60万亿Token，榜首单月消耗2810亿。这个数字只记录了一家公司内部有多少计算资源被投入模型调用，无法读出这些调用转化成了多少决策质量、代码产出或业务收入。

调用量增长在某些场景下确实反映真实需求扩张。文心一言的日调用量从2亿增长到5亿，至少说明有更多开发者和应用在接入模型。但这一指标本身无法区分有效调用与无效调用。

Anthropic的对比更清楚地暴露了调用量与商业价值之间的断裂。其Claude全系产品DAU总和仅为ChatGPT的约2%，但2026年初年化营收ARR反超OpenAI，从2024年的10亿美元升至2026年4月的300亿美元，5月进一步达到440亿美元。如果调用量是价值的可靠代理，这个结果不应该出现。低DAU高ARR的组合说明，Anthropic的用户可能更集中在付费意愿强的企业场景，而不是高频但低价值的消费级对话。

![DAA与Token指标对比图](https://supawriter.sevnday.com/cdn-img/supawriter/65b5a78226b91eaf.png)

Token消耗是成本侧指标，它回答的是“模型被用了多少次”，而不是“这些使用创造了多少收入或节省了多少人力”。把调用量翻倍当作AI落地的证据，等于把电费账单增长当作工厂产值提升。降本竞赛让这个误区更容易发生：当token足够便宜，无效消耗的代价低到可以忽略，企业就更没有动力去追问每一次调用是否真的必要。

## 降本的真实作用：降低试错门槛，而非创造需求

降本的作用需要拆成两层看。第一层是让已经在用的场景更经济，同样的任务花更少的钱；第二层是让原本不敢试的场景变得可以试。后者对应用层渗透的意义更大，因为它改变的是企业的决策门槛，而不是某个具体任务的账单。

![访谈视频画面截图](https://supawriter.sevnday.com/cdn-img/supawriter/441eaec0827fc620.jpg)

云知声的U2-Flash-1118提供了一个可观察的样本。根据公司公告，在相同任务集和一致评测条件下，升级版模型的总Token消耗较原版本降低约37.0%，模型调用次数减少约44.8%。公告同时提到，模型在保持原有语言基座参数规模不变的基础上新增了约1B参数的视觉模块，复杂编程、Agent自动执行和多模态理解能力均有提升。调用次数与Token消耗同时下降，指向单次调用本身变得更高效，但公告未披露这一变化的具体机制，无法据此断定节省的来源。

这个案例的关键不在于37%这个数字本身，而在于它提示了降本可能来自模型效率提升，而非单纯的价格下调。如果成本下降只是因为厂商降价，企业得到的是临时性的价格优惠，模型能力没有变化，试错结果不会因为便宜而变好。效率型降本才具有可累积性：它让单次试错的绝对代价下降，同时让每次试错携带的信息量不缩水。但U2-Flash-1118的指标变化是否完全源于效率提升，公开资料未披露因果机制，只能作为观察样本而非定论。

对中小企业而言，这个差异是决定性的。李彦宏在2024年的一次对话中明确指出，中小企业“账是算得非常精的”，只有确认能降本增效才会持续使用。当模型调用成本降到足够低的水平，企业愿意尝试的场景数量会明显增加。那些过去因为ROI算不过来而被搁置的用例，在效率型降本之后才进入可验证区间。降本在这里的作用不是直接创造价值，而是把价值验证的成本降到企业愿意支付的水平。

但试错门槛降低不等于试错结果自动变好。更便宜的Token意味着失败尝试的代价更小，这可能让企业在缺乏清晰场景定义的情况下盲目铺开Agent工作流。Uber在2026年头四个月花完全年AI工具预算后重新评估的案例说明，当试错成本被压得过低，预算约束反而可能失去筛选功能。降本降低了进入门槛，也同时降低了“停下来想一想”的紧迫性。真正的分界线不在于Token有多便宜，而在于企业是否把省下来的试错成本用于验证真实需求，而不是用于扩大无效尝试的规模。

![报纸评论版面文章截图](https://supawriter.sevnday.com/cdn-img/supawriter/9bb6a1e71ff8e8de.jpeg)

## 泡沫的判定标准：单位成本下降后，有没有增量价值

判断AI是泡沫还是真实价值，不能看token单价降了多少，也不能看调用量涨了多少。唯一有效的标准是：单位成本下降之后，企业是否找到了产生增量收入或利润的场景。降本和增量价值必须分开记账。前者是供给侧的参数变化，后者是需求侧的商业验证。只有后者为正，降本才构成加速器；后者为负或不可验证，降本只是让无效试错的燃料更便宜。

![李彦宏访谈画面](https://supawriter.sevnday.com/cdn-img/supawriter/7c554d7e2dae2d60.jpg)

李彦宏在APEC发言中给出了一个与主流叙事相反的因果顺序：重大技术突破和颠覆式创新往往是规模化应用的结果，而不是原因。他举例说，没有万卡集群就不会有大模型的智能涌现，没有数以亿计的运营公里数，无人驾驶就不可能比有人驾驶安全十倍。这套逻辑落到当前语境里，意味着应用层的规模化验证才是技术价值的最终裁判。token降价可以降低验证门槛，但门槛降低本身不产生价值。价值只能来自真实场景中可计量的收入或利润变化。

同一个降本环境下，不同企业的ROI分化才是关键信号。李彦宏提到，最近一个季度百度智能云增速接近100%。这个数字需要谨慎解读：智能云收入中包含云资源销售，不能全部归因于AI价值。但即便存在口径问题，它至少说明部分企业在为AI相关能力持续付费，且付费规模在扩大。与之相对的是Uber的案例：2026年头四个月就花完全年AI工具预算，随后开始重新评估投入。同样面对更便宜的token，一家企业的AI相关收入在加速，另一家在预算失控后收缩。这种分化比行业平均调用量或平均单价更有信息量。

单一案例不能推广为行业趋势。百度智能云的高增速可能被云资源销售放大，Uber的预算失控也可能只是个别企业的管理问题。但分化本身指向泡沫判定中最核心的变量：应用层是否在产生可验证的增量。如果降本之后，越来越多企业像Uber一样发现支出增长远快于价值兑现，那么降本就是在加速泡沫形成；如果更多企业像百度智能云所显示的那样持续扩大付费规模，降本才是在加速真实价值落地。

对普通读者和企业决策者而言，可操作的判断框架只有一条：把降本和增量价值分开记账。任何AI项目，先问单位成本下降后，收入或利润有没有出现可归因的增长。如果答案是否定的，那么更便宜的token只是让问题暴露得更晚。

## 参考来源

- [OpenAI发布GPT-6.2 Astra和Sol：超越Claude Fable 5.2！成本仅5%-快科技-科技改变生活](https://m.mydrivers.com/newsview/1166559.html)（extra_url）
- [云知声：发布大模型升级版U2-Flash-1118，总Token消耗较原版本降低约37.0%](https://news.10jqka.com.cn/20261118/c681930408.shtml)（extra_url）
- [李彦宏:不变现,AI可能变成泡沫](https://news.qq.com/rain/a/20261117A0AJR700)（yuanbao）
- [李彦宏《人民日报》撰文:让“AI赋能”成为发展共识](https://news.cnhubei.com/content/2025-11/20/content_19676973.html)（yuanbao）
- [对话李彦宏：智能体正在爆发，大模型对B端影响将超越互联网 - 李彦宏：当你处在市场经济环境当中，这些企业其实非常理性](https://www.yicai.com/news/102180527.html#2)（deepseek）
- [李彦宏:AI在应用层渗透低于预期,不解决可能变成泡沫,这是今年最紧迫的问题](https://news.qq.com/rain/a/20261117A08R5U00?adChannelId=fx?)（yuanbao）
- [李彦宏:紧抓AI智能体爆发元年机遇 推动新质生产力加快发展](http://www.banyuetan.org/xyx/detail/20250309/1000200033135821741523348277479962_1.html)（yuanbao）
- [核心观点  李彦宏:日活智能体数(DAA)是AI时代的度量衡](https://www.sctv.com/news/2054430805544341505)（yuanbao）
- [李彦宏：AI在应用层渗透低于预期，不解决可能变成泡沫](https://www.thepaper.cn/newsDetail_forward_34491819)（serper）
- [李彦宏为什么想用 DAA 替代 DAU？- DoNews专栏 - 李彦宏为什么想用 DAA 替代 DAU](https://www.donews.com/article/detail/6902/101187.html#1)（deepseek）
- [戳破Token泡沫，李彦宏为AI造“新尺”](https://www.tmtpost.com/8029553.html)（serper）
- [AI价值度量衡是时候重写了 - AI价值度量衡是时候重写了](https://www.163.com/dy/article/KSR2988H051188EA.html?referFrom=#1)（deepseek）
