AI每token价格暴跌90%，企业账单却翻倍：Jevons悖论正在重演

一个让CTO困惑的悖论

单个AI token的价格自2023年以来下跌了超过90%，但同一时期企业在大语言模型上的总支出却翻了一倍。这是Apollo首席经济学家Torsten Slok基于Silicon Data Token Expenditure Index得出的一组数字。支付平台Ramp的账单数据给出了更直接的证据：企业在2025年2月至2026年2月间的月度AI支出大约翻了四倍。

这不是一个即将到来的悖论，而是已经发生的悖论。如果团队仍把"每百万token成本"当作核心预算指标，那优化的对象从一开始就错了。

用你的账单解释Jevons悖论

1865年，经济学家William Stanley Jevons观察到一个反直觉现象：蒸汽机效率提高、煤炭实际成本下降后，英国并没有少烧煤，反而烧得更多。效率提升让煤炭驱动的工业进入了此前成本过高的场景，总消耗量随之爆炸。

Slok在2026年6月的Daily Spark中把AI支出的现状称为"Jevons悖论正在上演"。机制完全相同：token变便宜后，企业不是少花钱，而是运行更多AI智能体、自动化更多工作流、生成更多代码，并尝试此前因成本过高而搁置的任务。

计算公式简单得近乎残酷：

单任务成本 = 每任务token数 × 每token成本

每token成本在下降，但每任务token数上升得快得多——而后者才是预算里没人计算的那个变量。

Bain & Company 2026年的分析发现，从2024年12月到2025年12月，token成本下降了一半，但同期token消耗量增长了450%。Bain将原因归结为三点：企业升级到能力更强也更耗token的新模型；智能体承担更复杂的多步任务；团队在信任AI处理更大任务后扩大了使用范围。Bain的总结很直接："账单依然居高不下。"

Bain的核心发现：token成本在一年内减半，token消耗量却增长450%。账单没有消失，只是从"为每单位付更多钱"变成了"为多得多的单位付钱"。

Jevons悖论（又称杰文斯悖论）由英国经济学家William Stanley Jevons在1865年的著作《煤炭问题》中提出。他观察到，苏格兰的蒸汽机经过改良后效率大幅提升，单位产出所需的煤炭减少，但英国全国的煤炭消费量不降反升。原因在于：效率提升降低了煤炭的实际使用成本，使煤炭得以进入此前因太贵而被排除的应用场景（如冶金、铁路、发电），这些新增场景带来的需求增量远超单场景节省的量。这一悖论后来被广泛应用于能源经济学（如LED照明普及后全球照明用电反而增加）和信息技术领域（如云计算单价下降催生更大规模的上云支出）。在AI语境下，它的核心启示是：单位成本下降与总支出增长可以长期并存，因此任何以单价为核心的预算模型都会系统性低估实际支出。理解这一机制是判断AI账单走势的前提。

社区在讨论什么

"每token陷阱"是2026年Hacker News上讨论最热烈的话题之一。Fortune报道Uber预算事件后，相关HN帖子吸引了数百条评论，许多来自亲身经历成本冲击的工程师。

反复出现的主题是：工程师知道每token定价具有误导性，但所在组织仍将其作为主要指标。一位评论者指出，"成本绝大部分由Claude Code会话中被缓存输入token的成本主导"——真正推高费用的是上下文重复读取，而非模型选择本身。

另一个题为"Tokenmaxxing is dead, long live tokenmaxxing"的帖子记录了行业的转向时刻：企业纷纷撤下内部使用量排行榜，转向结果导向的衡量方式。

话说回来，"AI sticker shock"和"AI可负担性危机"等讨论串显示，实践者社区越来越怀疑"AI终将免费"的叙事，并要求更好的成本工具。

智能体如何打破预算

从聊天机器人到智能体的转变，是成本爆炸的最大单一驱动因素。聊天机器人查询是一次性交互：发一个提示，得到一个回复，支付几百个token。而如今嵌入编程工具、客服流水线和企业自动化的AI智能体，运行方式完全不同。

Gartner在2026年8月的新闻稿中创造了"推理悖论"（Inference Paradox）一词。其预测是：尽管每token价格持续下降，每个智能体工作流的推理成本到2028年将增长超过五倍。

原因在于智能体在每一步都会重新发送完整上下文。每次工具调用、每次推理迭代、每次自我纠错循环都会成倍放大token数量。分析师Koo Ping Shung给出了具体算术：简单AI查询使用几百个token；多步推理和智能体编程任务使用5到30倍；而对于最复杂的自主工作流——Uber部署给数千名工程师的那类——消耗可达基线的1000倍。

按每个席位30美元的固定费用计算，这笔账还算得过来。但在按量计费模式下，单个用户的智能体会话可能触发数百美元的计算费用。而2026年，每家主要AI提供商的最强模型都已转向按量计费。

Gartner的推理悖论：到2030年token成本将下降95%，到2028年智能体工作流成本将上涨超过5倍。两句话同时为真——这正是陷阱所在。

提示缓存（Prompt Caching）是当前主流大模型API提供的一项优化机制：当多次请求共享相同的前缀内容（如系统提示、长文档、代码库上下文）时，服务商可将这部分内容的计算结果缓存起来，后续请求直接复用，从而避免重复计算。对按输入token计费的场景而言，缓存命中的输入token通常按原价的10%至25%计费，部分厂商还提供更低的缓存写入/读取分层价格。这一机制对智能体尤为关键，因为智能体在每一步工具调用和自我纠错循环中都会重发完整上下文，未缓存的重复输入往往是账单的主要构成部分——正如文中HN评论者所指出的，Claude Code会话成本绝大部分由缓存输入token主导。合理设计提示结构（把稳定内容放在前缀、把变化内容放在末尾）可以显著提高缓存命中率，是工程团队最直接的成本杠杆之一。

Uber的警示故事

没有哪家公司比Uber更能说明每token陷阱。

2026年初，Uber将Claude Code推广给数千名工程师。他们建立了内部排行榜，按token消耗量给员工排名——业界现在称这种做法为"tokenmaxxing"。结果是：Uber在2026年前四个月就烧光了全年的AI编程预算。

Uber COO Andrew Macdonald在5月承认，AI支出与已交付产品功能之间的联系"尚未建立"。CTO Praveen Neppalli Naga最终宣布tokenmaxxing时代结束，他对Fortune表示："AI的成功不会以谁烧的token最多来衡量。"

但Uber的恢复方式更具启发意义。Naga的团队没有削减AI使用，而是把支出问题当作工程问题来处理：

1. 改进提示缓存——减少冗余的上下文重复读取
2. 更换默认模型——将常规任务路由到更便宜的模型
3. 按小时的使用可见性——让工程师实时看到自己的成本
4. 模型效率测试——评估新模型时不仅看能力，也看token经济性

结果是：Uber在将使用前沿AI工具的员工数量翻了两番的同时，降低了每token成本。这就是Jevons悖论为你所用而非与你作对——前提是你正确地做了度量。

FinOps（Cloud Financial Operations）是一套跨财务、工程和业务团队的成本管理实践，最初为应对公有云支出失控而兴起，强调用可观测性、预算归属和单位经济性指标来治理按量计费的IT资源。随着AI工作负载的普及，FinOps基金会已将AI成本管理纳入其框架，核心做法包括：为每个团队或产品线打上成本标签、建立实时用量看板、设定预算阈值与告警、以及用"单位成本"（如每次成功任务、每千次推理）而非总量来衡量效率。文中提到73%的组织AI成本超出预算、FinOps团队管理AI支出的比例两年内从31%升至98%，正是这一实践在AI时代快速扩张的体现。理解FinOps有助于把握"从每token成本转向每成功结果成本"这一指标迁移背后的组织与制度基础。

Ramp数据：12个月增长4倍

企业卡与费用管理公司Ramp坐拥一份独特的数据集：来自数万家企业的真实账单记录。其2026年4月的Leading Indicators报告揭示了价格下降头条之下的支出现实：

• 在Ramp平台上，付费AI的企业采用率在2026年3月突破50.4%，一年前为35%
• 月度AI支出在2025年2月至2026年2月间翻了四倍
• 对支出最高的企业而言，大约每四个月就有一个月AI成本跳涨50%或更多
• Anthropic年支出超过100万美元的企业客户自2026年2月以来翻倍至1000家

这是来自实际企业信用卡的第一方账单数据，不是调查或预测。当50%以上的企业在为AI付费且支出同比增长四倍时，每token价格下降对真实账单而言只是个舍入误差。

Ramp的早期数据还显示，在AI上重投入的企业营收增长快于未投入的企业——不过他们注明相关不等于因果。这正是陷阱的危险之处：支出感觉是富有成效的，因此更难被质疑。

反向观点："AI成本爆炸"是否被夸大？

成本爆炸叙事有利于特定群体：FinOps厂商、AI成本管理创业公司和销售优化服务的咨询机构。对中位数企业而言，AI支出仍只占IT总支出的一小部分。登上头条的公司——Uber、Meta以及拥有数千名工程师的大型科技公司——是用排行榜和"tokenmaxxing"文化把token用量游戏化的离群值。这是管理失败，不是结构性经济问题。真正的问题是创造的价值是否配得上支出，而在这个问题上，数据比成本恐慌论者承认的要模糊。

真正重要的公式

行业正在缓慢收敛到一个解决方案，而它始于更换指标。Slok、Gartner和Uber的复盘都指向同一个转变：

停止衡量每token成本，开始衡量每个成功结果的成本。

1. 模型路由，而非模型忠诚

不是每个任务都需要前沿模型。一个用GPT-4.1 Nano以每百万token 0.10美元就能处理的分类任务，不应该被路由到每百万token 15美元的Claude Opus 5。Bain发现，团队总是在新模型发布的第一时间升级到最贵的那一个——即使更便宜的模型在其用例上表现完全相同。

建立路由层：难任务交给前沿模型，常规任务交给高效模型，见过的内容使用缓存响应。

2. 按团队设定token预算

给每个团队月度token预算和实时可见性。当工程师能看到上一次智能体会话花了47美元时，行为会迅速改变。Uber的转折正是从这里开始的。

3. 缓存与上下文管理

智能体每一轮都会重发完整上下文。提示缓存、历史上下文摘要和智能窗口管理可以在不损失任务质量的情况下将token量削减30%到60%。这是工程团队能做的单项最高ROI优化。

4. 衡量产出，而非用量

Uber围绕token消耗建立排行榜，得到的结果正是它所激励的：最大化消耗。修复方式是把指标从"使用的token数"翻转为"每token支出交付的任务数"。在后tokenmaxxing时代胜出的公司，会把AI支出视为生产力方程式的输入，而不是记分牌。

这对你意味着什么

如果你是在关注AI账单的工程负责人、CTO或CFO，底线是这样的：

每token价格会继续下降。 高盛预测到2030年token消耗量将增长24倍，Gartner预计同期每token成本下降95%。但智能体工作流——唯一真正替代人工的AI部署方式——消耗token的速度将超过任何降价。

这不是暂时的错配，而是新的均衡。AI行业进入了一个Jevons周期，与之前的电力、电信和云计算如出一辙：单位越来越便宜，用量爆炸，总支出增长。

赢家不会是AI支出最少的公司，而是支出恰到好处的公司——用按团队预算、模型路由、缓存和结果导向指标取代tokenmaxxing式的放任自流。

正如Uber CTO所说：效率是工程问题，不是预算问题。用解决工程问题的方式去解决它。

一句话要点：追踪每个成功结果的成本，而不是每百万token成本。其他所有优化都从把这个指标做对开始。