更便宜的LLM代币导致更高的AI支出（杰文斯悖论）
随着大型语言模型（LLM）代币价格不断下降，企业和开发者反而在AI服务上花费了更多资金，这一现象被称为杰文斯悖论。文章指出，当每单位计算成本降低时，需求量和应用场景的激增抵消了单价下降的影响，导致总支出不降反升。这一趋势对AI行业的生产力提升和商业模式设计具有深远影响。
背景速读
- Jevons悖论（Jevons paradox）在AI领域重现：当LLM（大语言模型）的token价格持续下降时，企业的AI总支出不降反升。其原因是便宜的价格会激发更多使用场景、扩大部署规模，从而抵消甚至超越单价下降的影响。
- token是AI模型处理文本的基本单位，可以粗略理解为“单词碎片”。2022–2025年间，主流模型的每token推理成本下降了约90%以上（如GPT-4→GPT-4o-mini等）。
- 许多企业从“谨慎试点”进入“全面嵌入”阶段：开始将AI用于客服、代码生成、内容生产、内部知识库等高频场景，调用量呈指数级增长。
- 这一现象也对云服务商（AWS、Azure、GCP）和GPU租赁市场产生连锁效应：即便单次推理更便宜，算力总需求仍在飙升，推动英伟达等硬件厂商的营收持续走高。