随着企业级人工智能应用快速普及，一场围绕算力成本的结构性调整正在加速展开。分析师Hedgie近日指出，长期依赖补贴与低价策略推动的AI算力扩张阶段正在接近尾声，真实按token计费的成本压力逐渐显现，并开始影响企业预算与产品定价体系。这一变化不仅冲击软件企业的成本结构，也正在重塑AI应用的商业模式。
从近期行业动态来看，这一趋势已经在多家大型科技公司和应用企业中得到体现。首先，在实际使用场景中，AI工具的调用成本远超预期，例如在优步内部，工程师使用AI开发工具后，每人每月的API调用支出高达数百至数千美元，使得整体AI预算在短时间内被提前消耗。其次，微软相关部门已开始调整AI工具授权策略，部分高成本模型服务被逐步停止使用，以控制支出压力。此外，GitHub Copilot也宣布将从固定订阅模式转向基于使用量的AI Credits计费方式，意味着开发者将直接面对算力消耗带来的成本波动。
值得注意的是，这些变化并非单一企业的成本调整，而更像是行业定价体系重新校准的信号。过去几年，AI模型服务通常依赖“低价甚至补贴”策略来快速扩大用户规模，但随着推理成本、算力资源与能源消耗不断上升，这一模式逐渐难以持续。当实际使用量放大后，token计费体系暴露出高昂成本，企业开始在“规模扩张”与“成本可控”之间面临现实选择。
从行业机制来看，这种压力的根源在于AI从“训练阶段竞争”转向“推理阶段消耗”的结构性转变。早期市场关注点集中在模型能力提升和参数规模扩张，而如今企业级应用大量落地后，推理调用次数激增，使得持续算力消耗成为主要成本来源。一个明显变化是，AI不再只是一次性研发投入问题，而逐渐演变为持续运营成本负担，这对企业财务模型提出了更高要求。
在更广泛的科技产业背景中，这一现象与云计算早期阶段具有一定相似性。云服务在初期同样通过低价策略快速扩张市场份额，但随着规模增长，最终逐步过渡到精细化计费与成本转嫁机制。不同的是，AI模型的计算密度更高、调用频率更不稳定，使得成本波动更加剧烈，也更容易在企业预算中形成“隐性超支”。
同时，产业链上的成本传导路径也正在发生变化。一部分模型提供商可能选择降价以维持市场份额，但这将直接压缩利润空间；另一部分则通过更细粒度的计费方式，将成本逐步转移给应用开发者与最终用户。这种分摊方式意味着AI生态的各个环节都将重新评估自身盈利模型。
整体来看，AI算力市场正在从“扩张驱动”进入“效率驱动”阶段，过去依赖规模补贴换增长的模式正在失去可持续性。企业在加速拥抱智能体应用的同时，也必须重新审视成本结构，否则极易陷入预算透支与使用受限的循环。
从趋势上判断，未来AI行业大概率将走向更加精细化的资源定价体系，算力成本透明化与动态计费将成为主流。在这一过程中，谁能在性能与成本之间找到更优平衡，谁就更有可能在下一阶段的AI竞争中占据优势。
