OpenAI降价背后：AI行业转折点，进入成本效率竞争阶段

WSJ 发了一条消息：OpenAI 正在考虑大幅下调部分 AI 服务价格，以应对和 Anthropic 之间越来越激烈的用户竞争。

表面看，这是一个价格战新闻。

但如果只把它理解成 OpenAI 和 Anthropic 抢用户，可能就低估了这件事的意义。它背后真正反映的是，AI 行业正在从“模型能力竞争”，进入“使用成本竞争”。

过去两年，AI 行业最重要的问题是：谁的模型更强？

现在，问题开始变成：谁能用更低的成本，完成同样复杂的任务？

这个变化，可能会影响接下来整个 AI 产业链的定价方式、商业模式和基础设施需求。

AI 不是没人用，而是用得太贵了

OpenAI 考虑降价，并不是因为 AI 需求不行。恰恰相反，很多企业现在的问题是：AI 太好用了，也太容易被用爆了。

一个员工平时用 AI 写代码、做分析、整理资料、生成方案，可能并不会明显感受到成本。因为企业买了账号，或者统一采购了 API，个人使用的时候不会每次都想“这次调用花了多少钱”。

站在公司层面，成本是真实存在的。而且据笔者了解到的，国内某大公司，如果员工某天的 token 用的太多，也会收到邮件，让他知道自己今天花了多少钱的 token。说明对公司来说，token 已经是一笔不小的开支了。

尤其是 AI 从简单问答走向 Agent 之后，单次任务的消耗会明显上升。过去一次对话可能只是几轮问答，现在一个 Agent 要读取上下文、拆解任务、调用工具、检查结果、修改错误，再继续执行下一步。

这已经不是简单的“生成一段文字”，而是在模拟一段工作流。

所以 AI 的成本问题，并不是用户不愿意用，而是用得越深入，账单越容易失控。

这也是为什么企业开始越来越关注 token budget、使用上限和 ROI。AI 早期的“惊艳感”还在，但企业不能一直只为惊艳买单。到最后，所有技术都要回到一个问题：它到底帮公司省了多少钱，或者多赚了多少钱？

模型降价，本质上是争夺工作流入口

OpenAI 如果真的大幅降价，短期看会压低 API 单价，但它想换来的东西很清楚：更多用户、更高使用频次，以及更深的工作流绑定。

这不是普通的促销。

AI 模型和传统软件不太一样。传统软件用户买了之后，使用成本相对稳定。但 AI 是用量型产品，用户每多跑一个任务、每多生成一次结果，背后都有推理成本。

所以，AI 公司最理想的状态不是用户偶尔打开一次，而是把模型嵌进日常工作流里。

比如写代码、查资料、写内部报告、做数据分析。只要这些工作流形成习惯，用户迁移成本就会变高。

这也是 OpenAI 和 Anthropic 竞争最激烈的地方。

Anthropic 的 Claude Code 在开发者群体中存在感很强，OpenAI 也在强化 Codex。表面看，这是两个 coding 产品的竞争；更深一层看，这是开发者入口的竞争。

谁能进入开发者每天的工作流，谁就不仅仅是在卖模型，而是在占据未来 AI Agent 的操作界面。

真正重要的不是 token 单价，而是任务成本

讨论 AI 价格时，很多人会看“每百万 token 多少钱”。这个指标有用，但并不完整。

用户真正关心的不是 token 单价，而是完成一个任务到底要花多少钱。

两个模型的标价可能接近，但如果一个模型完成任务需要 100 万 token，另一个需要 400 万 token，那么后者即使单价不贵，实际任务成本也可能高很多。

这就是 AI 定价接下来会变复杂的地方。

未来竞争可能不再只是输入 token、输出 token 的价格表，而会变成几个维度的综合竞争：

• 模型够不够强
• 完成任务需要多少轮
• 上下文管理是否高效
• 能不能减少无效推理
• 工具调用是否稳定
• 同样预算下能完成多少工作

换句话说，AI 行业会从“模型能力排行榜”，逐步走向“单位任务经济性排行榜”。

谁能用更少 token、更短时间、更低成本完成同样任务，谁就更有商业化优势。

AI 商业模式会从“卖 token”走向“卖结果”

现在很多 AI 服务还是按 token 收费，或者按月订阅收费。但这可能只是过渡阶段。

因为企业最终不是为了买 token，而是为了买结果。

企业不会天然关心某个任务消耗了多少 token，它关心的是：这个 Agent 是否替代了人工？是否缩短了研发周期？是否提高了客服转化率？是否减少了销售跟进成本？是否让一个团队能做过去两倍的事情？

所以长期看，AI 的收费方式可能会从“按调用量收费”，逐渐走向“按任务、按席位、按结果、按 SLA、按企业合同”收费。这本质上是在为最终的业务价值定价，而非算力消耗。

这有点像云计算早期。

一开始大家关心 CPU、存储、带宽价格；后来企业更关心完整解决方案、稳定性、安全性和业务价值。

AI 也会经历类似过程。随着行业成熟，尤其是在云原生和 Serverless 架构的普及下，AI 服务也将走向更细粒度的价值交付。

基础 token 可能越来越便宜，但高价值任务未必会便宜。尤其是 Coding、Agent、企业自动化、行业专用模型这些场景，真正的价格锚不是 token，而是它替代了多少人力和创造了多少业务价值。

AI 行业正在进入“成本效率”时代

过去两年，AI 行业的主线是能力突破。

谁的模型更聪明，谁的上下文更长，谁的 benchmark 更好，谁就能获得更多关注。

但接下来，行业会越来越关注成本效率。

模型厂商要优化推理成本，云厂商要提高算力利用率，企业客户要控制 AI 预算，应用公司要证明 ROI，开发者要比较不同模型完成同一任务的成本。

这会让 AI 行业出现一个很重要的分化：

• 中低端模型调用会越来越便宜，因为开源模型、硬件进步和竞争会持续压低价格
• 高端模型仍然有定价权，因为复杂任务、长上下文和高可靠性仍然稀缺
• 任务型 Agent 可能反而更贵，因为它卖的不是 token，而是工作结果

所以，AI 不会简单进入全面通缩。

更准确地说，是基础能力通缩，高价值任务通胀。

这种趋势也将在技术社区引起广泛讨论。例如在云栈社区，开发者们早已开始关注模型选型时的性价比和长期维护成本，这正成为技术决策中的核心考量。

星球每天的早报(周内早上9点前更新)，除了路透、彭博、FT、Information这些新闻的内容总结，还有汇总了国内外分析师的观点，覆盖的产业包括：Memory、智驾/Physical AI、机器人、AI算力、AI电力、光、PCB、液冷、AI应用，内容比较全，都是最新的分析师观点和新闻，欢迎大家进星球查看。

半导体AI产业交流

对半导体和AI产业交流，可以加下面微信，请备注姓名和所在行业。