中国工业报高娟耿鹏飞

近日，SiliconData编制的LLMToken（词元）支出指数（美元口径）跌破1美元，至97美分，触及历史新低。一时间，“AI泡沫破裂”的恐慌情绪在行业内蔓延。然而，当我们将目光从指数曲线移开，深入产业链的机理，会发现这看似市场自由定价的结果，背后暗藏着一场关于“定价权”归属的深层博弈。

Token作为算力与服务的核心计价单位，其价格波动不仅关乎成本，更折射出模型层与应用层之间的价值争夺。当模型能力趋同，普通Token单价持续走低，行业不得不直面一个灵魂拷问：Token的定价权究竟在谁手中？

Token定价权的双重考量

OmdiaAI首席分析师苏廉节在接受中国工业报采访时表示，定价主体肯定是大模型公司，定价标准一般会考虑成本和市场接受度。

苏廉节指出，一般开源模型和中国厂商会在价格上比较激进，选择偏低的价格来区分自己，进而导致整个市场价格下滑。同时模型厂商也会积极调整价格，特别是Agent（智能体）的普及更是带动了大量的Token消耗，模型厂商会考虑用户的IT成本焦虑，配合用户进行Token成本优化。

“由于Token消耗会持续增长，这个消耗量预计会持续带动上下游发展，从数据中心到算存网，进而也会让在地部署的开源模型进一步普及化。”苏廉节表示，在地部署主打一个成本透明技术可控，如模型routing、提示词缓存优化等。

中国信通院人工智能研究所平台与工程化部高级业务主管秦思思向中国工业报给出了更为细致的划分：商用模型的定价主体是模型厂商，开源模型的Token定价主体是Token生产厂商。

秦思思指出，涨价降价对下游应用方有影响，尤其对规模化应用Token的企业影响较大。我国Token定价较低，主要原因一是开源模型能力较强，二是电力成本较低，三是生态竞争原因。

北京物联网智能技术应用协会副会长、中关村大数据产业联盟副秘书长颜阳认为，要理解Token定价，首先要弄清楚用户购买的是什么。“Token是模型处理信息的计量单位，用户实际购买的是以Token计量的智能服务。不同模型处理同一段内容，词元数量可能不同；同样一百万个词元，解决问题的能力也可能不同。因此，词元还不能像一度电那样，被直接视为质量完全一致的商品。”

颜阳向中国工业报指出，从商业关系看，谁向客户提供服务、承担交付责任，谁就对相应服务报价。模型企业可以对自己的API定价，云平台可以对其部署的模型服务定价，运营商和聚合平台也可以对面向客户的套餐定价。企业提出价格，用户选择、替代产品和市场竞争共同约束价格。

“大模型企业更关注模型能力如何变现：模型效果、推理成本、研发投入以及稀缺能力，都会影响报价。”颜阳表示，运营商则更关注如何把模型、算力、网络、应用和客户服务组合起来，形成容易购买、持续使用的产品。例如，中国电信推出的试商用套餐，就包含“Token＋连接＋安全”的服务组合。

但两者的边界并不绝对。颜阳强调，运营商也可以自研和部署模型，模型企业也可以做订阅和应用。比较套餐时，必须核对所用模型、输入输出折算、额度有效期、并发限制及超额费用，不能简单用月费除以宣传中的词元数量，就认定谁更便宜。“模型企业着重给智能能力定价，运营商着重给智能服务的交付定价。”

统一标准尚未成形

既然定价权如此分散，那么行业是否终将走向一个统一的计费标准？现实给出的答案，比想象中更复杂。

IDC中国研究经理程荫表示，原生大模型厂商为源头定价主体，制定API基础价格与缓存、峰谷等计费规则；云厂商、三大运营商做渠道二次打包，仅可调整套餐折扣，不能改动底层计费逻辑；第三方聚合网关通过多模型聚合打包，形成偏离挂牌价的实际成交价，但在市场上也有相关指数指标，政府不直接定价，Token属于市场化服务价格，政府主要做竞争监管、计量标准、行业规范引导，当前不干预具体标价。

程荫指出，Token定价受算力硬件、电价、推理技术效率、市场竞争、模型能力、供需波动、企业商业策略多重影响。主流采用输入输出分开按量计费；缓存命中大幅降价、未命中执行标准价，但不少渠道不公示缓存规则，容易造成用户实际账单超出预期。

那么，现在各家定价不同，是否会有一个计费的统一标准？

苏廉节表示，统一标准短期内很难出现。毕竟模型发布的节奏也不同，模型各自的定位也不一样，特别是针对性的任务解决能力。“有些模型主打编程，有些是视频生成，计费逻辑都会有不同。中国现在在开源大模型方面已经非常领先，我觉得业界应该以此为契机，继续努力利用大模型的领先来加速对模型的适配和开发者工具的研发。”

在颜阳看来，Token定价主要受成本、供需和价值三方面影响。成本包括芯片及服务器折旧、电力、显存、网络、推理系统和运维，也需要考虑长期研发投入的回收；供需主要表现为高峰时段是否拥堵、计算资源是否紧张；价值则体现为模型能否解决复杂问题，能否提供稳定、快速、可靠的服务。“因此，不能用电费推算全部词元成本，也不能认为参数越大就一定应该卖得越贵。”

统一标准尚未成形，但市场自身正在给出另一种答案。程荫认为，模型分层格局正在加速成型，低端轻量模型持续降价，高端旗舰适度涨价，这种分化并非市场混乱的信号，恰恰是产业走向成熟的标志。

具体而言，旗舰版高价模型对标闭源顶级能力，面向高价值企业场景，如DeepSeekV4Pro、KimiK3这类，主攻Agent、复杂企业流程与编程任务；极致性价比版本则以DeepSeekV4-Flash/Pro、千问等小模型为代表，适当调价、保留相对优势，供开发者和中小企业调用。两种路线演变趋势明显：高价旗舰专注复杂推理，平价模型承接规模化自动化任务。

程荫认为，这一分化格局的意义在于，行业由此走向分层价值定价——轻量模型普惠，旗舰模型获得合理溢价，产业模式更可持续。

中外价差背后的优劣势

据央视网报道，一家科技开放平台负责人指出，现在文本模型输入价格是百万Token2.1元，输出价格是每百万Token8.4元，不到国际上某些模型价格的十分之一。

表面看，中外Token价格悬殊，似乎“便宜”就是中国大模型的压倒性优势。颜阳指出，不能把中外差异简单概括为“中国便宜、国外贵”，比较必须尽量做到同任务、同质量、同服务条件，输入输出比例、上下文长度、缓存命中率、响应速度和成功率不同，标价就没有直接可比性。事实上，从产业条件看，我国的优势主要体现在活跃的开放模型生态、丰富的产业应用场景，以及模型平台和运营商推动服务普及的能力。

当然，“短板也需要正视。”颜阳指出，高端计算资源的可获得性、软硬件适配和大规模稳定服务能力，仍可能约束优质模型的供给。一些海外领先厂商在高价值专业应用、全球开发者生态和企业付费市场中积累较深，更容易形成能力溢价。但缓存优惠、分层服务等精细化定价方式，中外厂商都在采用，并非某一方独有。

颜阳强调，开源影响进入门槛和竞争结构，算力影响成本与供应能力，算法和推理工程影响单位资源能产出多少有效结果，应用生态则影响客户愿意支付多少。开源不等于免费，部署和运行始终需要成本。开源让更多人有机会提供智能，算力决定能够提供多少智能，应用决定这些智能值多少钱。我国应当把成本优势进一步转化为效果优势和服务优势。

中央财经大学数字经济融合创新发展中心主任陈端对中国工业报强调，我国Token定价的成本优势背后藏着三个隐患，必须正视。

隐患一是高端算力“卡脖子”正在反噬价格优势。2026年出现了一个看似矛盾的现象：一边是“词元通缩”，一边是国内厂商集体涨价。摩根士丹利统计，2026年二季度国内八大模型平均API输出价21.9元/百万词元，较2025年一季度涨约80%。原因很直接——算力供应紧张、国产AI服务器价格成倍上涨。这意味着，我国的价格优势，底层仍系于算力自主化。如果高端芯片长期受制，低价就不可持续。

隐患二是“便宜”正在变成“内卷”，价值定价才刚起步。整体而言，我国还在从“按成本定价”转向“按价值定价”的早期，定价体系不成熟容易引发“内卷式”竞争。

隐患三是计价不透明，用户“比价难、维权难”。输入/输出、缓存命中/未命中、峰谷、上下文长度、多模态……各家的计费口径五花八门，运营商各省套餐差异巨大。只报“每百万词元多少钱”是不够的——还得看首词元时延、成功率、纠错率，否则“低价”可能伴随“低质”，实际总成本（TCO）并不低。

中国“价值定价”路有多远

有关Token定价，一个更深层的命题无法回避：中国AI产业，究竟要继续做“成本杀手”，还是走向“价值定价”？

“我国Token具备成本、模式创新、开源竞争优势，但存在计量标准缺失、旗舰溢价弱、盈利不稳问题；由算力底座、开源生态、市场付费习惯共同塑造价格格局。”程荫建议，政府与协会遵循市场化定价原则，强化竞争监管、完善计量标准，防范词元金融化风险。近期多地出台词元经济专项政策，建设词元服务平台，发放词元券补贴企业应用落地，政务采购逐步接纳API-词元采购模式。建议厂商透明计费、分层定价，完善行业比对标准，让用户树立效价比思维；

程荫指出，未来，Token的竞争将转向成本管理和运营服务。厂商需要关注的不是单纯降低单位Token的价格，而需结合任务成功率、重试率、Token消耗效率综合测算，场景适配度与总拥有成本（TCO）才是关键衡量指标。此外，厂商要提供多模型智能调度降本、统一管控合规审计、提示词调优、业务工作流持续优化、合规风险评估以及落地效果与业务价值追踪等运营服务。

成本与运营之外，质量与安全同样是不可退让的底线。秦思思提出三大建议：一是应更关注Token质量；二是关注Token性价比，并非价格越低越好，应权衡质量和价格；三是Token安全是底线。

守住底线之后，更关键的是方向选择。陈端表示，从“成本杀手”到“价值定价”，五条路通往定价权。

第一条路：把“低价”升级为“按价值定价”。国家数据局已明确鼓励探索词元增值订阅、按效付费。方向很清楚，未来收费不该只按“生成了多少字”，而应按“办成了多少事”，一份营销方案按转化效果付费，一个工业质检Agent按检出率付费。这是把竞争从“价格战”推向“价值战”的关键。

第二条路：打通“数据—词元（Token）—价值”的链条，让优质数据能变现。2026年6月，国家数据局《关于推进行业高质量数据集建设行动的实施方案》首次把“词元”写入官方文件，提出构建“以词元为基础、可量化、可定价的数据价值体系”。我国发展的核心逻辑是：政府积极推动下，高质量行业数据→高质量词元→高价值行业模型→可收费的智能体服务。

第三条路：政府做好“裁判+铺路”，行业协会做好“标准”。具体需要三个着力点：统一计量标准，分词、缓存、上下文、多模态折算要有国标，让报价“可复算”。强制信息披露，要求平台列清输入/输出、缓存、峰谷、隐藏重试费，保护中小用户。普惠托底，通过算力超市、词元券、中小企业服务券等，让制造业中小企业“按结果付费”而非被迫自建GPU集群。

第四条路：把“词元出海”从价格优势做成生态优势。中国模型出海已成趋势，但不能只靠低价，要依托性价比打开市场，再用本地化服务、行业解决方案、合规托管建立黏性，最终让“中国词元”像“中国制造”一样成为全球开发者的默认选项。

第五条路：通过算力自主和提升推理效率，解决根本约束。短期靠国产芯片、推理引擎、MoE、量化、缓存把单位成本降下来；中期靠算力网统一调度、算电协同摊薄电价；长期靠先进制程突破。“电—算—词元”的转化效率，才是中国词元经济真正的护城河。

Token价格跌破1美元，既是市场供需的直观反映，也是产业深层矛盾的集中显现。当算力、模型、应用三股力量在定价权上激烈博弈，中国AI产业正站在从“便宜”走向“值钱”的关键路口。定价权的归属，最终将取决于谁能率先完成从成本竞争到价值竞争的跃迁。