# Token经济学：AI时代的新货币战争 https://www.youtube.com/watch?v=ppRvzPXGpEw Translation: zh-CN [00:00] 在我所在的硅谷有了一种新的炫富方式 在我所在的硅谷，有了一种新的炫富方式。 [00:03] 每天烧了多少token 每天烧了多少 token？ [00:04] 这个炫富方式有个新词 这个炫富方式有个新词。 [00:06] 叫Token-maxxing 叫 Token-maxxing。 [00:07] 意思是“把token用量拉到极限” 意思是“把 token 用量拉到极限”。 [00:10] 它变成了公司内外人们攀比的新方式 它变成了公司内外人们攀比的新方式。 [00:12] 你每天消耗多少token 你每天消耗多少 token？ [00:14] 你能同时调度多少个agent运行 你能同时调度多少个 agent 运行？ [00:16] 你的token throughput（吞吐量）有多高 你的 token throughput（吞吐量）有多高？ [00:18] 这些正在变成衡量一个人 这些正在变成衡量一个人 [00:20] “有多AI原生”的新指标 “有多 AI 原生”的新指标。 [00:23] 在全球AI圈的巨头们 在全球 AI 圈的巨头们 [00:24] 目前正在对此进行一场激烈的辩论 目前正在对此进行一场激烈的辩论。 [00:27] 公司应该不设限制地鼓励员工们 公司应该不设限制地鼓励员工们 [00:30] 去使用token吗 去使用 token 吗？ [00:31] 那位50万年薪的工程师 那位 50 万年薪的工程师， [00:33] 年底的时候我会问他 年底的时候我会问他： [00:34] 你今年花了多少token 你今年花了多少 token？ [00:36] 如果那人说只花了5000块的话 如果那人说只花了 5000 块的话， [00:38] 我会大发雷霆 我会大发雷霆。 [00:39] 订阅的token没用完我会很焦虑 订阅的 token 没用完我会很焦虑。 [00:41] 我们token还花的不够 我们 token 还花的不够。 [00:44] 而在这场辩论的身后 而在这场辩论的身后， [00:45] 是一场围绕token展开的新军备竞赛 是一场围绕 token 展开的新军备竞赛。 [00:48] 硅谷大厂们为什么在疯狂地卷token用量 硅谷大厂们为什么在疯狂地卷 token 用量？ [00:51] 这背后到底有没有道理 这背后到底有没有道理？ [00:53] 大模型公司是怎么给token定价的 大模型公司是怎么给 token 定价的？ [00:55] 中国模型如何凭借着“物美价廉” 中国模型如何凭借着“物美价廉” [00:57] 杀入全球开发者市场 杀入全球开发者市场？ [00:59] 在OpenRouter（开放路由）上霸榜 在 OpenRouter（开放路由）上霸榜。 [01:00] “Token套利”的新模式是怎么来赚差价的？ “代币套利”的新模式是如何赚取差价的？ [01:03] 以及在这所有的背后，一个更大的问题：中国的token出海会不会成为下一个结构性的产业机会？ 以及在这一切的背后，一个更大的问题：中国的代币出海会不会成为下一个结构性的产业机会？ [01:09] 如果上一个时代中国出口的是衬衫，这个时代是电动车，那么下一个时代会是token吗？ 如果上一个时代中国出口的是衬衫，这个时代是电动车，那么下一个时代会是代币吗？ [01:15] Hello，大家好！ 大家好！ [01:16] 欢迎来到《硅谷101》，我是陈茜。 欢迎来到《硅谷101》，我是陈茜。 [01:18] 这期视频让我们来聊聊AI时代的新货币战争：Token经济学。 这期视频让我们来聊聊AI时代的新货币战争：代币经济学。 [01:32] 4月初，Meta被爆内部有一个名为“Claudeonomics”的排行榜。 4月初，Meta被爆出内部有一个名为“Claudeonomics”的排行榜。 [01:34] 这个排行榜汇集了超过85000名Meta员工的AI使用数据，列出了token消耗量最高的前250名“超级用户”。 这个排行榜汇集了超过85000名Meta员工的AI使用数据，列出了代币消耗量最高的前250名“超级用户”。 [01:44] 在最近一个月，排行榜上的总使用量突破了60万亿token。 在最近一个月，排行榜上的总使用量突破了60万亿代币。 [01:49] 如果按照Anthropic Opus 4.6的定价，大约每百万token平均15美元来粗略地换算的话，这些token的价值高达约9亿美元。 如果按照Anthropic Opus 4.6的定价，大约每百万代币平均15美元来粗略换算的话，这些代币的价值高达约9亿美元。 [01:59] 其中排名第一的那位员工…… 其中排名第一的那位员工…… [02:00] 烧掉的token价值高达数百万美元 烧掉的 token 价值高达数百万美元。 [02:04] 这个消息曝光之后 这个消息曝光之后， [02:05] 立马在硅谷引发了一场大辩论 立马在硅谷引发了一场大辩论。 [02:08] AI创业公司Writer的CEO May Habib AI 创业公司 Writer 的 CEO May Habib [02:10] 直接说这是“生死存亡级别的问题” 直接说这是“生死存亡级别的问题”。 [02:13] 她自己公司内部 她自己公司内部 [02:14] 也有一个token消耗排行榜 也有一个 token 消耗排行榜。 [02:16] 而且她明确地告诉员工 而且她明确地告诉员工， [02:18] 她本人就在盯这个数据 她本人就在盯这个数据。 [02:20] 她认为如果不全力拥抱AI 就会被淘汰 她认为如果不全力拥抱 AI，就会被淘汰。 [02:23] Uber也很激进 Uber 也很激进。 [02:24] 目前Uber的后端系统当中 目前 Uber 的后端系统当中， [02:26] 11%的新代码更新已经由agent完成 11% 的新代码更新已经由 agent 完成。 [02:30] 而三个月前这个比例还不到1% 而三个月前这个比例还不到 1%。 [02:32] Uber CTO的原话很直白 Uber CTO 的原话很直白， [02:34] 他说我的愿景是 他说：“我的愿景是， [02:36] 把软件工程转型为agent软件工程 把软件工程转型为 agent 软件工程。” [02:39] 但是反对Token-maxxing的声音同样尖锐 但是反对 Token-maxxing 的声音同样尖锐。 [02:42] HubSpot的CEO Yamini Rangan HubSpot 的 CEO Yamini Rangan [02:44] 在LinkedIn上面发了一句被广泛转发的话 在 LinkedIn 上面发了一句被广泛转发的话， [02:47] 她说Outcome maxxing大于Token maxxing 她说：“Outcome maxxing 大于 Token maxxing。” [02:51] 意思是比起疯狂地消耗token 意思是，比起疯狂地消耗 token， [02:53] 不如看看你产出了什么结果 不如看看你产出了什么结果。 [02:55] 她的话代表了另一种重要观点 她的话代表了另一种重要观点。 [02:58] 纯粹的token使用量是一个错误的指标 纯粹的 token 使用量是一个错误的指标。 [03:01] AI软件工程公司 Jellyfish的CEO Andrew Lau说得更直白。 AI软件工程公司Jellyfish的CEO Andrew Lau说得更直白。 [03:02] 你可以一天到晚刷token。 你可以一天到晚刷token。 [03:05] 但是得到的结果可能完全不是你想要的。 但是得到的结果可能完全不是你想要的。 [03:10] 这两派是吵得不可开交。 这两派是吵得不可开交。 [03:12] 但是更多的中间派似乎还是形成了共识。 但是更多的中间派似乎还是形成了共识。 [03:15] 他们认为不充分利用AI的公司。 他们认为不充分利用AI的公司。 [03:17] 会被竞争对手超越并且变得过时。 会被竞争对手超越并且变得过时。 [03:19] 在这样的信念之下。 在这样的信念之下。 [03:21] 哪怕排行榜和激励制度不完美。 哪怕排行榜和激励制度不完美。 [03:23] 哪怕一些AI使用最终被证明是浪费的。 哪怕一些AI使用最终被证明是浪费的。 [03:26] 大厂创始人和高层们也被卷起来了。 大厂创始人和高层们也被卷起来了。 [03:29] 认为必须要这样做才能够让公司。 认为必须要这样做才能够让公司。 [03:31] 转型成为更AI-native（AI原生）的公司。 转型成为更AI-native（AI原生）的公司。 [03:33] 自OpenClaw爆火以来。 自OpenClaw爆火以来。 [03:35] 我们看到agent任务烧掉的token量。 我们看到agent任务烧掉的token量。 [03:37] 是直线上升。 是直线上升。 [03:38] 科技巨头们可以不顾成本地去烧token。 科技巨头们可以不顾成本地去烧token。 [03:41] 但是对于创业公司和个人开发者来说。 但是对于创业公司和个人开发者来说。 [03:43] Token的成本带来的是焦虑。 Token的成本带来的是焦虑。 [03:46] 你比如像OpenClaw。 你比如像OpenClaw。 [03:47] 可能跑一个稍微复杂一点的任务。 可能跑一个稍微复杂一点的任务。 [03:51] 几千万的token量。 几千万的token量。 [03:54] 都是非常有可能的。 都是非常有可能的。 [03:56] 如果你是去跑一个最贵的Claude的模型。 如果你是去跑一个最贵的Claude的模型。 [03:58] 你可能让它做一个很小的事情。 你可能让它做一个很小的事情。 [04:00] 就要花十几二十刀。 就要花十几二十刀。 [04:01] 真的是有点贵。 真的是有点贵。 [04:01] Uber的CTO在接受采访时透露公司2026年的AI预算在开年的几个月内就已经全部用完了。 Uber的首席技术官在接受采访时透露，公司2026年的AI预算在年初的几个月内就已经全部用完了。 [04:09] 主要是因为工程师们对Claude Code的使用量暴增。 这主要是因为工程师们对Claude Code的使用量激增。 [04:12] 他的原话是我得重新回去做预算了，因为我以为够用一年的钱已经没了。 他的原话是：“我得重新回去做预算了，因为我以为够用一年的钱已经没了。” [04:18] 硅谷知名投资人Chamath Palihapitiya最近也公开抱怨说他投资的一家软件公司，自从团队开始使用AI编程工具之后，运营成本在几个月内翻了三倍多。 硅谷知名投资人Chamath Palihapitiya最近也公开抱怨说，他投资的一家软件公司，自从团队开始使用AI编程工具之后，运营成本在几个月内翻了三倍多。 [04:28] 按照这个趋势，年化AI支出将达到千万美元级别。 按照这个趋势，年化AI支出将达到千万美元级别。 [04:32] 而他半开玩笑地说了一句，“感谢VC们掏钱为这场AI盛宴买单”。 而他半开玩笑地说了一句：“感谢VC们掏钱为这场AI盛宴买单。” [04:37] 大家可以看到，对于企业来说，特别是软件SaaS行业，AI时代的成本结构跟过去完全不一样了。 大家可以看到，对于企业来说，特别是软件SaaS行业，AI时代的成本结构跟过去完全不一样了。 [04:44] 以前做一个SaaS产品，研发投入是一次性的。 以前做一个SaaS产品，研发投入是一次性的。 [04:47] 用户越多，他的边际成本就会越低。 用户越多，其边际成本就会越低。 [04:50] 这是一门越卖越赚的生意。 这是一门越卖越赚的生意。 [04:52] 但现在，每个用户的每一次操作背后，都有一笔token账单在跑。 但现在，每个用户的每一次操作背后，都有一笔token账单在运行。 [04:56] 用户用得越深，功能越智能，你作为产品方，反而要付更多的钱给模型厂商。 用户用得越深入，功能越智能，你作为产品方，反而要付更多的钱给模型厂商。 [05:02] 这个成本不会像传统软件那样 This cost will not be like traditional software [05:05] 摊薄到接近零 diluted to near zero [05:06] 它是跟着用量线性增长的 It grows linearly with usage [05:09] 这也是为什么token正在变成 This is also why tokens are becoming [05:11] AI创业公司最核心的“弹药” the core 'ammunition' for AI startups [05:13] 也有风投基金开始尝试 Some venture capital funds have also begun to try [05:15] 直接给被投企业提供token额度 to directly provide invested companies with token quotas [05:18] 作为投资的一部分 as part of the investment [05:19] 这个逻辑也很简单 This logic is also very simple [05:21] 对很多AI创业项目来说 For many AI startup projects [05:22] 他拿到钱之后第一件事就是去买token the first thing they do after getting money is to buy tokens [05:25] 那为什么不能直接给token呢 So why not give tokens directly? [05:28] 你看顺着这个逻辑来讲 Look, following this logic [05:29] 是不是token正在变成一种新的货币 are tokens becoming a new currency? [05:33] 那么接下来我们就来讲讲 Next, let's talk about [05:34] Token到底是如何定价的 how tokens are priced [05:39] Token的定价是怎么算的 How is the pricing of tokens calculated? [05:41] 这个问题的答案 The answer to this question [05:43] 远不是一个“单价乘以数量”那么简单 is far from as simple as 'unit price times quantity' [05:46] 我们以一次最简单的对话交互为例 Let's take the simplest dialogue interaction as an example [05:49] 你的账单上 On your bill [05:49] 至少有三种不同价格的token在运转 there are at least three different priced tokens in operation [05:52] 第一是Input token（输入token） First are Input tokens [05:54] 也就是你发给模型的内容 which is the content you send to the model [05:56] 第二是Cached input token Second are Cached input tokens [05:58] 被缓存的输入token cached input tokens [06:00] 意思是如果某些prompt、上下文 meaning if certain prompts, contexts [06:02] 或者文件内容之前已经被模型系统缓存过 or file content has been cached by the model system before [06:06] 再次调用的时候，这部分token的价格会更便宜。 当再次调用时，这部分token的价格会更便宜。 [06:10] 第三是Output token（输出token）。 第三是Output token（输出token）。 [06:12] 也就是模型生成回答的时候产生的token。 也就是模型生成回答时产生的token。 [06:15] 研究芯片与Token Efficiency（利用率）方向的肖志斌，在接受我们《硅谷101》采访的时候就说： 研究芯片与Token Efficiency（利用率）方向的肖志斌，在接受我们《硅谷101》采访时表示： [06:20] 平均来说，在对话任务上，这三者的价格大概是 1:0.1:6的水平。 平均来说，在对话任务上，这三者的价格大约是 1:0.1:6的比例。 [06:26] 如果是chat这种应用，它调用就是比较简单的。 如果是chat这类应用，它的调用就比较简单。 [06:29] 你喂给它的input context（输入上下文），还有你提供给它的上下文，还有你提供给它的文件，这一部分都是作为input（输入）。 你喂给它的input context（输入上下文），你提供给它的上下文，你提供给它的文件，这部分都作为input（输入）。 [06:37] 如果你提供给他的prompt，是在它的cache里面被cache（缓存），一般这个成本就会，基本上是1/10，就是你input token的那个成本。 如果你提供的prompt被缓存到它的cache（缓存）中，一般这个成本基本上是input token成本的1/10。 [06:46] 最后它输出的成本，就output token的那个成本，现在OpenAI基本上是它的6倍。 最后它输出的成本，也就是output token的成本，现在OpenAI基本上是它的6倍。 [06:50] 6倍versus（对比）input token的成本。 是input token成本的6倍。 [06:53] 不同公司根据模型的能力，给出的定价是不同的。 不同公司根据模型的能力，给出的定价是不同的。 [06:56] 举个例子，GPT-5的API定价上，Input是每百万token 1.25美元，Cached input是每百万token 0.125美元，Output token是每百万token 10美元。 举个例子，GPT-5的API定价上，Input是每百万token 1.25美元，Cached input是每百万token 0.125美元，Output token是每百万token 10美元。 [07:08] 而OpenAI发布的最新模型GPT-5.5是分了长短上下文两档。 而OpenAI发布的最新模型GPT-5.5是分了长短上下文两档。 [07:13] 长上下文的价格是2倍。 长上下文的价格是2倍。 [07:15] 短上下文input是每百万token 5美元。 短上下文input是每百万token 5美元。 [07:18] Cached input是每百万token 0.5美元。 Cached input是每百万token 0.5美元。 [07:21] Output token是每百万token 30美元。 Output token是每百万token 30美元。 [07:24] 如果你直接对比价格的话，是不是觉得怎么涨价了好几倍？ 如果你直接对比价格的话，是不是觉得怎么涨价了好几倍？ [07:28] 其实不能这么算。 其实不能这么算。 [07:30] 这里面有一个特别反直觉的悖论。 这里面有一个特别反直觉的悖论。 [07:33] 越贵的模型，可能反而总体成本越低。 越贵的模型，可能反而总体成本越低。 [07:36] 因为强模型一次就可以做对了。 因为强模型一次就可以做对了。 [07:38] 弱模型可能要反复重试。 弱模型可能要反复重试。 [07:40] 中间如果出错，就还需要人工介入。 中间如果出错，就还需要人工介入。 [07:42] 这也是综合成本。 这也是综合成本。 [07:44] 也就是说，虽然token价格在涨，但是每个有效结论的成本反而在下降。 也就是说，虽然token价格在涨，但是每个有效结论的成本反而在下降。 [07:49] 所以你看，最贵的GPT-5.5-pro和GPT-5.4-pro。 所以你看，最贵的GPT-5.5-pro和GPT-5.4-pro。 [07:53] 短上下文input是每百万token 30美元。 短上下文input是每百万token 30美元。 [07:56] Output是每百万token 180美元。 Output是每百万token 180美元。 [08:00] 长上下文还要再贵一倍。 长上下文还要再贵一倍。 [08:02] 但是如果能力足够强，完成任务足够准确，在一些复杂任务和场景上，反而是能够把开发者的成本价格。 但是如果能力足够强，完成任务足够准确，在一些复杂任务和场景上，反而是能够把开发者的成本价格。 [08:09] 给打下来的。 被击落了。 [08:10] 特别是在agent场景。 尤其是在agent场景下。 [08:11] 因为agent不是一问一答。 因为agent不是一问一答式的。 [08:14] 它会来回调用模型。 它会来回调用模型。 [08:15] 每一步可能调用不同的工具。 每一步可能调用不同的工具。 [08:17] 工具又会产生新的日志和上下文。 工具又会产生新的日志和上下文。 [08:20] 返回给agent继续循环调用。 返回给agent继续循环调用。 [08:22] Agent loop（循环）又重新再持续调用。 Agent循环又重新持续调用。 [08:25] 所以如果是对于agent来说。 所以对于agent来说。 [08:26] 这个是比较复杂的。 这是比较复杂的。 [08:28] 除了这种单次模型调用的。 除了这种单次模型调用的。 [08:30] Input和output的token cost（成本）。 输入和输出的token成本。 [08:33] 还有持续地产生日志。 还有持续产生的日志。 [08:35] 还有调用工具的cost（成本）。 还有调用工具的成本。 [08:38] 都是在这里面。 都包含在里面。 [08:38] 实际上是相当复杂的。 实际上是相当复杂的。 [08:40] 最终完成这个任务的token数。 最终完成这个任务的token数。 [08:42] 取决于你这个任务。 取决于你的这个任务。 [08:44] 调用了多少次agent loop（循环）。 调用了多少次agent循环。 [08:46] 你可以调用一次。 你可以调用一次。 [08:46] 如果质量高的模型。 如果模型质量很高。 [08:48] 它可能一次就生成了你想要的答案。 它可能一次就生成了你想要的答案。 [08:50] 调用的工具也是合适的。 调用的工具也是合适的。 [08:51] 返回工具的output也是你想要的。 返回工具的输出也是你想要的。 [08:54] 但如果是你真用了便宜模型。 但如果你真的用了便宜的模型。 [08:57] 结果它可能花费更多的时间。 结果它可能花费更多的时间。 [08:59] 去做这个iteration（迭代）。 去做这个迭代。 [09:01] 来来回回地调用。 来来回回地调用。 [09:02] 甚至于中间会出错。 甚至中间会出错。 [09:04] 所以现在有这么一个悖论。 所以现在有一个悖论。 [09:07] 其实越贵的模型。 其实越贵的模型。 [09:08] 可能对于完成任务的成本是越低的。 完成任务的成本可能越低。 [09:11] 所以不同的模型公司能够怎么定价 So how different model companies price is [09:13] 一方面是由模型的推理成本 On the one hand, it is determined by the model's inference cost [09:15] 以及大模型研发费用来决定的 and the R&D costs of large models. [09:18] 但是仅仅如此是不够的 But this alone is not enough. [09:20] 更关键的是按模型质量和任务的完成度 More importantly, it is based on model quality and task completion. [09:23] 首先是推理的成本 First is the cost of inference. [09:25] 这就是最基本的成本 This is the most basic cost. [09:27] 就单次推理的成本 The cost of a single inference. [09:28] 比如说你调用一次模型 For example, if you call the model once. [09:30] 第二个是说 The second is to say [09:31] 你在这个模型里面要摊平 you need to amortize within this model [09:33] 你这个大模型的研发费用 the R&D costs of this large model. [09:35] 这个也是一部分 This is also a part. [09:38] 最重要的其实是按照模型质量去定价 The most important thing is actually to price according to model quality. [09:42] 不同的模型类型 Different model types, [09:44] 有没有reasoning（推理）的能力 whether they have reasoning ability, [09:45] 然后你context window（上下文窗口）的 and then your context window's [09:47] size（大小） size, [09:48] 还有你完成任务的次数 and the number of times you complete tasks. [09:50] 比如你能够快速地找到正确的output For example, you can quickly find the correct output. [09:55] 很多公司其实是按照推理成本去定价 Many companies actually price based on inference cost. [09:58] 但这样其实是不可取的 But this is actually not advisable. [10:00] 应该要按照模型质量 It should be based on model quality [10:02] 或者是你对任务的完成度去定价 or your task completion rate for pricing. [10:05] 所以这里面的价值空间是比较大的 So the value space here is quite large. [10:07] 这里还有一派玩家 There is also a faction of players here, [10:09] 就是像微软Azure 亚马逊AWS like Microsoft Azure and Amazon AWS. [10:11] 或者国内的阿里云跟火山引擎 或者国内的阿里云跟火山引擎 [10:13] 这样的云厂商 这样的云厂商 [10:14] 有的企业是通过这些云厂商去调用模型 有的企业是通过这些云厂商去调用模型 [10:18] 他们收到的token账单 他们收到的token账单 [10:19] 就是从云厂商这边给出去的 就是从云厂商这边给出去的 [10:22] 云厂商对token的收费 云厂商对token的收费 [10:23] 与大模型公司的API官方收费 与大模型公司的API官方收费 [10:25] 不会相差太多 不会相差太多 [10:27] 但有时候云厂商会因为 但有时候云厂商会因为 [10:28] 提供了更多的服务和能力 提供了更多的服务和能力 [10:30] 比如说区域部署、特定数据驻留 比如说区域部署、特定数据驻留 [10:32] 企业合规、优先推理、托管能力 企业合规、优先推理、托管能力 [10:35] 以及私有化或者是专用吞吐的这些服务 以及私有化或者是专用吞吐的这些服务 [10:38] 使得价格更贵 使得价格更贵 [10:39] 这个时候你的token账单就是 这个时候你的token账单就是 [10:41] 模型token费用加云服务的封装费 模型token费用加云服务的封装费 [10:44] 再加企业级的基础设施溢价 再加企业级的基础设施溢价 [10:46] 大部分的云服务商是怎么计价的 大部分的云服务商是怎么计价的 [10:48] 他肯定是要根据当下那个模型 他肯定是要根据当下那个模型 [10:50] 在这一个机器上能够跑出多少token每秒 在这一个机器上能够跑出多少token每秒 [10:56] 然后再根据这样的一个性能 然后再根据这样的一个性能 [10:57] 反向去回推出它的GPU 反向去回推出它的GPU [11:00] 本来的cost（成本）是多少 本来的cost（成本）是多少 [11:02] 也许再加上一个premium（溢价） 也许再加上一个premium（溢价） [11:03] 就会变成最终的价格 就会变成最终的价格 [11:04] 但有的时候云厂商也会因为企业折扣 但有的时候云厂商也会因为企业折扣 [11:07] 或者需要激进抢占市场 或者需要激进抢占市场 [11:09] 来让价格更便宜 来让价格更便宜 [11:10] 这种情况也是有的 这种情况也是有的 [11:12] 而就在后OpenClaw时期，当硅谷开始卷我们开头说到的Token-maxxing这件事情的时候，大家发现这个账单还是很可怕的。 而在OpenClaw之后，当硅谷开始卷我们开头提到的Token-maxxing这件事时，大家发现这个账单还是非常可怕的。 [11:23] 于是乎就出现了一个现象，来自中国的开源模型，因为性价比，开始在国际开发者社群中大受欢迎。 于是就出现了一个现象，来自中国的开源模型，因为性价比，开始在国际开发者社区中大受欢迎。 [11:31] Kimi的价格，我记得爆出来是可能input大概是不到55美分。 Kimi的价格，我记得爆出来是，input大概不到55美分。 [11:38] 你看它的output的话，大概是2点多，2.6左右的状态。 你看它的output的话，大概是2点多，2.6左右的状态。 [11:42] MiniMax我记得是受到了OpenClaw官方的推荐。 MiniMax我记得是受到了OpenClaw官方的推荐。 [11:45] 在做setup（设置）的时候，选模型的时候，这个MiniMax后面会有一个recommended（推荐的）标识，就在这个OpenClaw软件里面。 在做setup（设置）的时候，选模型的时候，这个MiniMax后面会有一个recommended（推荐的）标识，就在这个OpenClaw软件里面。 [11:53] 所以我觉得这个也是相当于给中国模型做了不少的宣传。 所以我觉得这个也相当于给中国模型做了不少的宣传。 [11:57] 宣传之后大家可能就试了一下，发现确实，虽然说它顶级能力可能差一些，但是你很多工作，也不是非要这么高的推理能力。 宣传之后大家可能就试了一下，发现确实，虽然说它顶级能力可能差一些，但是你很多工作，也不是非要这么高的推理能力。 [12:07] 很多时候执行其实反而是需要你，不要想太多，Instruction following（指令遵循）比较好，做得比较快。 很多时候执行其实反而是需要你，不要想太多，Instruction following（指令遵循）比较好，做得比较快。 [12:13] 最重要的还是便宜。 最重要的是便宜。 [12:15] 在一些任务上， 在一些任务上， [12:16] 中美模型的价差可以高达50到70倍。 中美模型的价差可以高达50到70倍。 [12:19] 这也解释了为什么 这也解释了为什么 [12:20] 当OpenClaw这类agent工具 当OpenClaw这类agent工具 [12:22] 让token消耗从万级跳到百万级的时候， 让token消耗从万级跳到百万级的时候， [12:25] 全球开发者几乎本能地 全球开发者几乎本能地 [12:27] 转向了中国的便宜模型。 转向了中国的便宜模型。 [12:34] OpenClaw爆火之后， OpenClaw爆火之后， [12:35] 因为agent任务 因为agent任务 [12:36] 对开源模型调用的需求飙升， 对开源模型调用的需求飙升， [12:38] 已经上市的中国模型厂商们， 已经上市的中国模型厂商们， [12:40] 比如说Zhipu AI和MiniMax， 比如说Zhipu AI和MiniMax， [12:42] 在股价上迎来了疯狂的涨幅。 在股价上迎来了疯狂的涨幅。 [12:44] 与此同时，2026年3月 与此同时，2026年3月 [12:46] 掀起了一波集体涨价潮。 掀起了一波集体涨价潮。 [12:49] 3月，腾讯云、阿里云和百度智能云， 3月，腾讯云、阿里云和百度智能云， [12:52] 国内三大云厂商接连提高AI算力产品价格， 国内三大云厂商接连提高AI算力产品价格， [12:56] 10天之内涨价30%左右。 10天之内涨价30%左右。 [12:58] 现在我觉得大家看到 现在我觉得大家看到 [13:00] 开源模型的token消耗量上升， 开源模型的token消耗量上升， [13:02] 是因为开源模型的能力 是因为开源模型的能力 [13:03] 已经越过了某一个门槛。 已经越过了某一个门槛。 [13:05] 比如说智谱或者Kimi模型， 比如说智谱或者Kimi模型， [13:07] 实际上在coding（编程）上， 实际上在coding（编程）上， [13:09] 最近都有一个比较大的提升。 最近都有一个比较大的提升。 [13:11] 我们也知道coding（编程）这个赛道。 我们也知道coding（编程）这个赛道。 [13:13] 算是大模型token消耗最大的赛道之一。 这算是大模型中token消耗最大的赛道之一。 [13:16] 当程序员们发现。 当程序员们发现。 [13:18] 开源模型可能跟几个月前的Anthropic模型一样好用。 开源模型可能跟几个月前的Anthropic模型一样好用。 [13:21] 但是价格又极其便宜的时候。 但是价格又极其便宜的时候。 [13:23] 他们自然而然就会切换到开源模型。 他们自然而然就会切换到开源模型。 [13:25] 这也是为什么开源模型价格上升了。 这也是为什么开源模型价格上升了。 [13:28] 对于个人开发者和创业公司来说。 对于个人开发者和创业公司来说。 [13:30] 处理不那么复杂任务的时候。 处理不那么复杂任务的时候。 [13:32] 转向开源模型是无可厚非的。 转向开源模型是无可厚非的。 [13:34] 比如说我们拿MiniMax M2.5。 比如说我们拿MiniMax M2.5。 [13:36] 和Claude Opus 4.6做个直接对比。 和Claude Opus 4.6做个直接对比。 [13:39] 在SWE-Bench Verified的软件工程基准测试中。 在SWE-Bench Verified的软件工程基准测试中。 [13:42] 两者得分分别是80.2%和80.8%。 两者得分分别是80.2%和80.8%。 [13:47] 说实话这点差距在实际使用中。 说实话，这点差距在实际使用中。 [13:49] 几乎是感受不到的。 几乎是感受不到的。 [13:51] 但是打开价格表就完全不同了。 但是打开价格表就完全不同了。 [13:53] MiniMax M2.5的输入价格。 MiniMax M2.5的输入价格。 [13:55] 是每百万token 0.3美元。 是每百万token 0.3美元。 [13:58] Claude Opus 4.6是5美元。 Claude Opus 4.6是5美元。 [14:00] 同样的活前者的价格。 同样的活，前者的价格。 [14:02] 只有后者的1/17。 只有后者的1/17。 [14:04] 对于一个每天要跑几千万token的OpenClaw用户来说。 对于一个每天要跑几千万token的OpenClaw用户来说。 [14:08] 这不是省一杯咖啡钱的问题。 这不是省一杯咖啡钱的问题。 [14:10] 而是账单从几百美元。 而是账单从几百美元。 [14:12] 直接降到几十美元的区别。 直接降到几十美元的区别。 [14:14] 中国模型为什么能够做到那么便宜？ 中国的模型为什么能做得这么便宜？ [14:17] 国内的大模型技术层面上它用了MoE（混合专家模型）。 国内的大模型在技术层面上使用了MoE（混合专家模型）。 [14:21] 非常深度的MoE（混合专家模型）。 非常深度的MoE（混合专家模型）。 [14:23] 专家的size（大小）变得越来越小。 专家的size（大小）变得越来越小。 [14:26] 每一次active（运行）的专家数目也不大。 每一次active（运行）的专家数目也不大。 [14:29] 通过这种方法技术上可以节省。 通过这种方法技术上可以节省。 [14:31] 第二，也有一个生态的问题。 第二，也有一个生态的问题。 [14:35] 大家通过补贴用户，抢占生态。 大家通过补贴用户，抢占生态。 [14:38] 第三点，有些公司， 第三点，有些公司， [14:39] 像中国的某些公司， 像中国的某些公司， [14:41] 它其实是云厂商，比如阿里。 它其实是云厂商，比如阿里。 [14:44] 它自己的成本定价可以比外面计价更低。 它自己的成本定价可以比外面计价更低。 [14:49] 它有更高的margin（利润率）， 它有更高的margin（利润率）， [14:50] 去把模型价格打得更低。 去把模型价格打得更低。 [14:52] 不同的模型其实给了开发者们不同的选择。 不同的模型其实给了开发者们不同的选择。 [14:55] 比如说复杂的任务， 比如说复杂的任务， [14:57] 就可以交给更高性能的模型。 就可以交给更高性能的模型。 [14:59] 简单一些或者重复性高的任务， 简单一些或者重复性高的任务， [15:01] 就给便宜一点的模型。 就给便宜一点的模型。 [15:03] 这样的混合使用， 这样的混合使用， [15:04] 成为了agent时代的新token模式。 成为了agent时代的新token模式。 [15:08] 黄仁勋在2026的GTC大会上， 黄仁勋在2026的GTC大会上， [15:10] 给出了一个更宏观的token定价框架。 给出了一个更宏观的token定价框架。 [15:13] 他把token分成了五个价格区间。 他把token分成了五个价格区间。 [15:16] 第一是免费层 第一是免费层。 [15:17] 这一层有着高吞吐低交互速度的特点 这一层有着高吞吐、低交互速度的特点。 [15:20] 靠广告变现 靠广告变现。 [15:21] 中级层是每百万token 3美元 中级层是每百万token 3美元。 [15:24] 高级层每百万token 6美元 高级层每百万token 6美元。 [15:26] 高速层每百万token 45美元 高速层每百万token 45美元。 [15:28] 到超高速层每百万token 150美元 到超高速层每百万token 150美元。 [15:31] 黄仁勋的意思很明确 黄仁勋的意思很明确。 [15:32] Token不再是一种同质的商品 Token不再是一种同质的商品。 [15:35] 它的价格应该由交互速度和使用场景决定 它的价格应该由交互速度和使用场景决定。 [15:38] 就像电力有峰谷电价一样 就像电力有峰谷电价一样。 [15:41] 当然这些暴增的需求背后 当然，这些暴增的需求背后， [15:43] 也有一个不容忽视的问题 也有一个不容忽视的问题。 [15:45] 到底是不是真的需要消耗这么多token 到底是不是真的需要消耗这么多token？ [15:48] 一些业内人士就批评说 一些业内人士就批评说， [15:49] 当前全球企业AI应用当中 当前全球企业AI应用当中， [15:51] 可能有近一半的token没有产生实际价值 可能有近一半的token没有产生实际价值。 [15:55] 道理很简单 道理很简单。 [15:56] Agent不像人类那样知道“够了就停” Agent不像人类那样知道“够了就停”。 [15:59] 它在执行一个任务的过程当中 它在执行一个任务的过程当中， [16:01] 会反复地读取整个对话历史 会反复地读取整个对话历史， [16:04] 重新扫描已经处理过的文件 重新扫描已经处理过的文件， [16:06] 以及把早就过期的上下文 以及把早就过期的上下文， [16:08] 一遍又一遍地“喂”给模型 一遍又一遍地“喂”给模型， [16:10] 让每多跑一轮 让每多跑一轮， [16:11] 这些冗余信息就像滚雪球一样越滚越大 这些冗余信息就像滚雪球一样越滚越大。 [16:14] 但是真正跟当前任务相关的 但是真正跟当前任务相关的， [16:16] 可能只占其中的一小部分 可能只占其中的一小部分 [16:19] 怎么才能够让agent少烧冤枉钱 怎么才能够让agent少烧冤枉钱 [16:21] 正在成为一个新的技术和商业赛道 正在成为一个新的技术和商业赛道 [16:23] 而Token Efficiency(Token效率) 而Token Efficiency(Token效率) [16:25] 成了下个阶段的关键词 成了下个阶段的关键词 [16:27] 其中值得提的一个例子 其中值得提的一个例子 [16:29] 就是OpenRouter这家公司 就是OpenRouter这家公司 [16:35] OpenRouter这个平台已经成为了 OpenRouter这个平台已经成为了 [16:36] 观察全球模型使用趋势的一面镜子 观察全球模型使用趋势的一面镜子 [16:39] 你看到的很多关于中国模型 你看到的很多关于中国模型 [16:41] 调用和排名的数据图都出自于这个平台 调用和排名的数据图都出自于这个平台 [16:44] OpenRouter背后的人很有意思 OpenRouter背后的人很有意思 [16:46] 创始人Alex Atallah的上一个身份 创始人Alex Atallah的上一个身份 [16:48] 是全球最大NFT交易所 是全球最大NFT交易所 [16:50] OpenSea的联合创始人兼CTO OpenSea的联合创始人兼CTO [16:53] 2023年他开始做OpenRouter 2023年他开始做OpenRouter [16:55] 这门生意的逻辑其实很简单 这门生意的逻辑其实很简单 [16:57] 市面上模型越来越多 市面上模型越来越多 [16:59] 开发者不想每家单独注册、单独充值 开发者不想每家单独注册、单独充值 [17:01] 单独对接API格式 单独对接API格式 [17:03] OpenRouter就做了一个统一的入口 OpenRouter就做了一个统一的入口 [17:06] 所有模型一个接口搞定 所有模型一个接口搞定 [17:07] 平台从中抽取大约5%的费用 平台从中抽取大约5%的费用 [17:10] 根据The Information报道 A16z在2025年 根据The Information报道 A16z在2025年 [17:13] 对OpenRouter领投了4000万美元 对OpenRouter领投了4000万美元 [17:15] 当时估值大约5亿美元 当时估值大约5亿美元 [17:17] 而最新一轮融资已经将估值推至了接近13亿美元 而最新一轮融资已经将估值推至了接近13亿美元 [17:22] 让这门生意真正起飞的是OpenClaw的爆发 让这门生意真正起飞的是OpenClaw的爆发 [17:25] 当全球开发者疯狂调用各种模型来驱动agent工作流的时候 当全球开发者疯狂调用各种模型来驱动agent工作流的时候 [17:30] 他们需要一个能够快速切换模型的中间层 他们需要一个能够快速切换模型的中间层 [17:33] 而OpenRouter恰好就在那里等着 而OpenRouter恰好就在那里等着 [17:36] 这个时机简直不要抓得太好 这个时机简直不要抓得太好 [17:38] Atallah曾将OpenRouter与他上一次创业做过类比 Atallah曾将OpenRouter与他上一次创业做过类比 [17:42] 两次做的都是把分散的供给整合到一个平台上 两次做的都是把分散的供给整合到一个平台上 [17:46] 他赌的是供给越分散中间商越值钱 他赌的是供给越分散中间商越值钱 [17:49] 它是加了一层API的调用层 它是加了一层API的调用层 [17:51] 这个API调用层跟OpenAI的API调用是兼容的 这个API调用层跟OpenAI的API调用是兼容的 [17:55] 如果你需要做一个任务的话 如果你需要做一个任务的话 [17:58] 你可以自动去做不同模型的切换 你可以自动去做不同模型的切换 [18:01] 然后统一API、统一定价 然后统一API、统一定价 [18:03] 这样对于大部分的用户来说 这样对于大部分的用户来说 [18:06] 特别是从0到1的AI初创公司来说 特别是从0到1的AI初创公司来说 [18:10] 快速上线、快速试错 快速上线、快速试错 [18:11] 快速找到匹配的模型这是最重要的 快速找到匹配的模型这是最重要的 [18:14] 第二个它有一些后备 第二个它有一些后备 [18:16] 一个model（模型）如果出了问题 一个model（模型）如果出了问题 [18:19] 或者是latency（延迟）突然很高 或者是有延迟突然很高 [18:21] 或者是它下线了 或者它下线了 [18:22] 它可以快速地切换到另外的模型 它可以快速地切换到另外的模型 [18:24] 当然了 OpenRouter也有它的数据局限性 当然了 OpenRouter也有它的数据局限性 [18:27] 其实很多它的token使用量是统计不到的 其实很多它的token使用量是统计不到的 [18:30] 刚才讲的从0到1的初创公司 刚才讲的从0到1的初创公司 [18:32] 可能会用OpenRouter 可能会用OpenRouter [18:33] 但是比如说从1到10 但是比如说从1到10 [18:35] 它就会混用OpenRouter跟API调用 它就会混用OpenRouter跟API调用 [18:37] 如果是这种大厂的话 如果是这种大厂的话 [18:39] 或者是你的业务非常明确的话 或者你的业务非常明确的话 [18:41] 它会直接调用大厂的API 它会直接调用大厂的API [18:43] Anthropic、OpenAI或者Google的API Anthropic、OpenAI或者Google的API [18:46] 所以OpenRouter是 所以OpenRouter是 [18:48] 对于token的统计量有一定的指向性 对于token的统计量有一定的指向性 [18:50] 或者有一定的prediction（预测） 或者有一定的prediction（预测） [18:53] 但并不是包括所有token的调用量 但并不是包括所有token的调用量 [18:56] 换句话说 OpenRouter的数据 换句话说 OpenRouter的数据 [18:58] 更像是创业公司 更像是创业公司 [18:59] 和独立开发者群体的风向标 和独立开发者群体的风向标 [19:01] 而不是整个AI行业的全景图 而不是整个AI行业的全景图 [19:03] 但正是这个群体对价格最敏感 但正是这个群体对价格最敏感 [19:06] 对新模型最愿意尝鲜、迁移成本也最低 对新模型最愿意尝鲜、迁移成本也最低 [19:10] 这是构成了中国模型出海的 这是构成了中国模型出海的 [19:12] 第一波“自来水”用户 第一波“自来水”用户 [19:14] 如果token是AI时代的“电” 如果token是AI时代的“电” [19:15] 那么总得有人给这些电去装电表 那么总得有人给这些电去装电表 [19:18] 这件事情听上去不够性感 这件事情听上去不够性感 [19:20] 但是看一眼客户名单就知道它有多重要 但只要看一眼客户名单，就知道它有多重要。 [19:23] OpenAI、NVIDIA、Anthropic、Databricks OpenAI、NVIDIA、Anthropic、Databricks [19:26] 全部在用同一家公司的计费系统 全部都在使用同一家公司的计费系统。 [19:28] 这家公司就是Metronome 这家公司就是Metronome。 [19:34] Metronome的创始团队背景 Metronome的创始团队背景 [19:36] 很能够说明问题 很能够说明问题。 [19:37] 两位创始人都出自于Dropbox 两位创始人都出自于Dropbox。 [19:39] 在那里亲身经历过 在那里亲身经历过 [19:41] 一个让所有SaaS工程师都头疼的事情 一个让所有SaaS工程师都头疼的事情， [19:44] 就是“改定价” 就是“改定价”。 [19:46] 表面上只是把月费调几块钱 表面上只是把月费调几块钱， [19:48] 背后却要动一大堆 背后却要动一大堆 [19:50] 写死在代码里面的计费逻辑 写死在代码里面的计费逻辑。 [19:53] 到了AI时代 到了AI时代， [19:54] 这个痛点被放大了几个数量级 这个痛点被放大了几个数量级。 [19:56] 收费单位不再是“一个人头一个月多少钱” 收费单位不再是“一个人头一个月多少钱”， [19:59] 而是变成了token数、API调用次数 而是变成了token数、API调用次数， [20:02] GPU时长这些颗粒度极细的指标 GPU时长，这些颗粒度极细的指标。 [20:05] 而且每个客户的合同条款、折扣结构 而且每个客户的合同条款、折扣结构， [20:08] 和用量阶梯可能都不一样 和用量阶梯可能都不一样。 [20:10] SaaS的成本其实相对稳定 SaaS的成本其实相对稳定， [20:12] 其实就是服务器成本 其实就是服务器成本， [20:13] 甚至都是跟云厂商预先商定好的一个价格 甚至都是跟云厂商预先商定好的一个价格。 [20:17] 但是token公司确实挺复杂的 但是token公司确实挺复杂的， [20:20] 跟卡本身的情况有关系 跟卡本身的情况有关系。 [20:23] 跟电的情况有关系 [20:24] 同时其实还跟请求量有关系 [20:27] 它的峰值有时候会挤到一起 [20:30] 大家有时候也有体感 [20:31] 突然哪怕你已经买了最顶级的套餐 [20:34] 你可能也需要排队 [20:35] 你做的任务不一样 [20:37] 其实对token的消耗成本是完全不同的 [20:40] Metronome做的事情就是清晰地记住 [20:42] 谁在什么时间调用了什么东西 [20:45] 花了多少token [20:46] 但是大部分公司自己做这件事做不好 [20:48] 因为“发生了什么”和“该怎么去收费” [20:51] 这是两套完全不同的逻辑 [20:54] 把它们耦合在一起就会越改越脆弱 [20:58] Metronome的核心设计 [20:59] 就是把这两件事彻底拆开 [21:01] 工程团队只管上报用量数据 [21:03] 产品和销售团队自己配置价格和合同条款 [21:06] 中间的换算、出账、对账全部自动化 [21:10] 他的做法我觉得也不错 [21:11] 首先他先不考虑计费 [21:15] 我先站在技术的角度 [21:16] 用户跟我API的交互 [21:18] 他到底做了哪些事情 [21:20] 比如说是读还是写 [21:22] 还是模型现在在做思考 [21:24] 还是说命中了缓存 [21:26] 这些不同的事件我先记下来 [21:29] 因为这些事件究竟代表多少成本 [21:31] 这件事情甚至都可能是动态的 [21:33] 所以说我先不把它跟钱或者成本挂钩 [21:37] 记下这个事件流之后 [21:38] 可能再有另外一层 [21:39] 就是这些事件流分别怎么定价 [21:41] 比如说你已经命中缓存的 [21:43] 可能只要一分钱 [21:44] 如果没有命中就要一块钱 [21:46] 第三层就是咱们能接触到的 [21:47] 比如说subscription（订阅制） [21:48] 是一种计费方式 [21:50] 直接买API是一种 [21:52] 设定limit（限制） [21:53] 再加超过之后多少是一种 [21:55] 最后可能就是 [21:56] 为了把这些东西卖出去要打折 [21:58] 像Opus 成本是两倍 但用量是四倍 [22:02] 他们自己就说自己在打五折 [22:04] 我看完这四层我觉得非常合乎逻辑 [22:06] 这家公司的发展速度非常快 [22:08] 据公开的报道 [22:09] Metronome累计融资到了1.28亿美元 [22:13] 今年1月被Stripe收购了 [22:15] 一个做计费基础设施的100人的团队 [22:18] 估值追上了很多做模型的公司 [22:20] 这本身就说明 在Token经济里面 [22:23] 怎么算钱也变得越来越重要 [22:25] 而在这样的一个产业中 [22:27] “套利”的机会也出现了 [22:33] 我们在视频的前面也说到 [22:34] 现在的开发者们会把不同的模型混着用 [22:38] 复杂任务用Claude、GPT这样的昂贵模型 [22:40] 简单任务用MiniMax、Kimi等 [22:42] 中国的性价比模型 [22:44] 对应的 在Token经济学里面 [22:46] 一种新的商业模式正在浮出水面 [22:49] 业内就叫它Token Arbitrage [22:51] Token套利 [22:53] 这个有点像什么呢 [22:54] 类比一下 [22:54] 大家在国内买运营商的套餐 [22:56] 我记得我家1千兆的下行带宽 [22:59] 只给配了40兆的上行带宽 [23:01] 但是普通用户其实感受不到 [23:03] 其实在token上也是类似的 [23:05] 用户的体感是什么样的 [23:06] 很有可能全都用便宜模型给他做 [23:09] 和你全都用贵模型给他做 [23:11] 在用户看来区别不大 [23:13] 这个时候其实就有空间了 [23:14] 就是你说的Arbitrage 套利空间 [23:16] 本质上最后买单的是用户 [23:18] 所以只要用户觉得可以 [23:20] 那这个就是可以的 [23:21] 就有点像税务审计师 [23:24] 国外 你自己要报税 [23:26] 可能报出来的税是一年要交1万美金 [23:30] 然后你花了5000美金雇了一个审计师 [23:32] 你只报了比如2000美金的税 [23:35] 他更专业 他懂优化 [23:37] 他优化出来的这部分两边各拿一半 [23:40] Token Arbitrage（套利） [23:41] 好好做的生意就是这样 [23:43] 像我们自己 [23:44] 如果设置OpenClaw这种agent [23:47] 你肯定会有一个便宜模型 [23:51] 可能是国内的大模型 [23:52] 你最高端的可能是用 [23:54] Anthropic的Sonnet [23:56] 或者是更好的OpenAI的模型 [23:58] 这里配置的话 [24:00] 包括我们公司做了一个OpenClaw [24:03] 这种token的auto tuner（自动调优器） [24:06] 针对不同的任务可以更进一步细分 [24:10] 甚至于用一个模型去决定这个任务 [24:12] 到底它的复杂度是什么 [24:14] 可不可以用一个便宜模型 [24:16] 确实 更进阶的套利方式 [24:18] 不只是“批发转零售” [24:20] 而是去搭建一个“智能路由器” [24:22] 用户需求进来之后 [24:24] 先用一个模型去判断任务的复杂程度 [24:27] 简单任务分配给更便宜的模型 [24:29] 只有真正复杂的任务才会给Claude或GPT [24:32] 对用户来说是黑盒 [24:34] 但是中间商在不断地优化成本结构 [24:37] 作为一个模型提供商 [24:38] 实际上大家可能都会 [24:39] 有自己所谓的“路由模型” [24:41] 它就是一个小的模型 [24:42] 来判断当下这个任务的难易程度 [24:44] 然后把它assign（分配）给 [24:45] 一个合适的模型 [24:46] 来帮你minimize（最小化）它的成本 [24:48] 这个理论上所有的提供商都应该有 [24:51] 还有一种方式 [24:51] 就是直接通过一个agent产品的方式 [24:53] 比如说我们看到 [24:55] 像Genspark或者Manus这样 [24:57] 我们知道 [24:57] 他们内部也是会对不同的模型能力 [25:00] 有一个认知 [25:01] 这个是基于他们已经有的 [25:03] Benchmark（基准测试）也好 他们的经验也好 [25:05] 他们会对于不同任务去做一个灵活的分发 [25:08] 我觉得省token是正常的 [25:11] 比如说你先有个用户的定价 [25:13] 你有一个margin（利润率） [25:14] 但是你一开始的定价 [25:15] 比如说是按照复杂模型的使用量来去定的 [25:18] 比如说30%的margin（利润率） [25:20] 你先设在那了 [25:21] 之后你再做的一个事情就是 [25:23] 一旦用户已经接受了你这样的价格的时候 [25:25] 你其实是拿便宜的token [25:27] 在换贵的token给到用户 [25:29] 如果用户感知不出来 [25:31] 用户觉得没有一个体感上的变化 [25:33] 或者是表现上的变化 [25:34] 用户其实还是在付原来高价值的token [25:37] 我们的嘉宾 知县 [25:38] 也是一个典型的“混合调度”用户 [25:40] 他每天跟AI互动几百次 [25:42] 同时使用Claude、GPT和中国模型 [25:44] 但是给它们分配了完全不同的角色 [25:47] Opus最强的是它的脑洞 [25:50] 我更愿意把Opus当一个产品经理去对待 [25:53] 它想问题的时候会比较发散 [25:56] 我跟它聊的时候就发现 [25:57] 我有些想法跟它一点就透 [26:00] 说我想做一个这样的事情 [26:02] 它基本上就能顺着我没说的话 [26:04] 脑子里想的一些没说的东西 [26:05] 全都能给我列出来 [26:07] GPT就稍微nerd（书呆子）一点 [26:09] 有点像我在跟技术负责人讲产品 [26:12] 收到的都是一些challenge（挑战） [26:14] Opus适合做设计 天马行空 [26:17] Codex适合做把关、做review（复盘） [26:19] 中间的执行其实你只要计划写好了 [26:23] 然后把这个计划分得足够精细 [26:25] 其实你需要的主要是什么 [26:26] 就是有一定的智能 [26:27] 并且要快 然后要便宜 [26:29] 因为这是最耗token的时候 [26:31] 真正往外写代码非常非常好的 [26:33] 因为输出是最贵的 [26:34] 其实在这个场景里 [26:36] 国产的这些模型去做执行 [26:39] 把代码写好 写出来 [26:40] 而agent开发者王浩从工程化实现上 [26:43] 帮我们解释了一下应该怎么去做 [26:45] 从最简单的方式入手 [26:47] 我其实就可以拿一个模型 [26:49] 来去分辨用户的问题 [26:51] 因为用户基本上都是在问问题 [26:53] 那我就拿个简单模型 [26:54] 去detect（检测）用户的模型意图 [26:55] 告诉它一定的metrics（指标）怎么去区分 [26:59] 然后再加上不同的threshold（阈值） [27:00] 其实就是一个最简单的 [27:01] Engineering（工程化）方式 [27:02] 我就可以把一些任务最简单给区分掉 [27:04] 到后期的时候 [27:05] 你可能抓到用户的一些数据 [27:07] 你其实就可以通过一些简单的 [27:10] 比如说RL（强化学习）的方式 [27:11] 或者是某一些训练的方式 [27:13] 可以去优化你的这个小的模型 [27:15] 前期来讲 [27:16] 你就只要用prompt方式去抓数据 [27:18] 抓到一定数据的时候 [27:19] 再去fine-tune（微调）一下这个模型 [27:21] 一步一步 [27:22] 它就会更加高效地去把复杂场景 [27:24] 和便捷场景给区分掉 [27:26] 让用户没有办法区分 [27:29] 最终他可以去付高价值token的钱 [27:32] 去用低价值的token [27:34] 那问题来了 这种“套利”可持续吗 [27:37] 我觉得短期内是有机会的 [27:40] 但是对于单个模型 比如说像Anthropic [27:42] 其实把这个能力已经内置到 [27:44] 它的coding agent里面了 [27:46] 它最近加了一个Advisor（顾问）模式 [27:48] 这个Advisor模式 [27:49] 就是先用贵的模型去判断一下 [27:53] 到底哪些任务可以用便宜的模型做 [27:56] 哪些用贵的模型做 [27:58] 大模型厂商它自己会把这个东西 [28:00] 内置到它自己的生态里面 [28:02] 但跨模型的调度空间远没有被穷尽 [28:05] 因为每家大模型公司只优化自己的模型 [28:08] 然而 市场上的模型实在是太多了 [28:11] 跨模型的智能调度不会只是短期机会 [28:14] 这个其实是有创业空间的 [28:17] 但它不仅仅是说 [28:19] 针对你模型的定价去做这个事情 [28:21] 这里其实要做很多的 [28:23] 针对任务跟模型的匹配 [28:25] 除了这种任务的精准度 [28:27] 还有模型的throughput（吞吐量） [28:30] Latency（延迟）的这种判断 [28:32] 还有对于模型质量的判断 [28:34] 和对于任务完成度的判断 [28:36] 而且它现在还只是做了 [28:38] 可能比较初始的API的聚合 [28:40] 同时做了一些pricing（定价策略） [28:42] 但还没有做到刚才说的 [28:44] 这种模型质量跟任务的匹配 [28:47] 甚至于模型跟硬件的匹配 [28:50] 那意味着latency（延迟） [28:52] 跟throughput（吞吐量）的匹配 [28:53] 到底谁会赢 [28:54] 我的判断其实是 [28:55] 最会调度token的这种系统会赢 [28:58] 但是这种系统可能也不仅仅是 [29:01] 止步于OpenRouter这种程度 [29:03] 因为很多还有 [29:05] 比如类似于做prompt压缩 [29:08] 很多功能其实都会做到 [29:11] 大模型厂商他会把这个东西 [29:12] 做到他自己的生态系统里面 [29:15] 如果你做通用的调度token系统的话 [29:18] 一定要做得更深 [29:24] 讲到这里 我们可以把视角再拉大一点 [29:27] 你有没有想过 当一个伦敦的程序员 [29:30] 用MiniMax的API跑OpenClaw的时候 [29:33] 物理层面上发生了什么 [29:35] 他的请求从英国出发 穿过海底光缆 [29:38] 落在贵州的数据中心里 [29:40] GPU开始工作 风扇开始转 电表开始跳 [29:44] 几秒钟之后 结果原路返回 [29:47] 整个过程当中 [29:48] 没有一度电离开过中国的电网 [29:50] 但是这度电的价值 已经通过API账单 [29:53] 以token的形式完成了跨境结算 [29:55] 某种意义上 [29:56] 这是一种全新形态的“出口”对不对 [30:00] 中国过去出口日用品、衬衫、家电 [30:02] 后来是电动车 [30:03] 但这些都是实物 要过海关 [30:06] Token出海不需要集装箱 [30:08] 甚至不需要任何实体商品离开国境 [30:10] 电力在本地消耗 算力在本地运转 [30:13] 但是创造的价值通过互联网 [30:15] 瞬间交付到了全球任何一个开发者手上 [30:18] 有人把这叫做“电力出海” [30:19] 虽然电没出去 但是电的价值出去了 [30:23] 那么一个自然的问题就是 [30:24] 中国token能够卖得那么便宜 [30:27] 很多人的第一反应就是电价 [30:29] 这种状态会一直持续下去吗 [30:32] 实际情况还挺复杂的 [30:34] GMI Cloud创始人Alex在GTC现场 [30:36] 就给了我们一个很直率的判断 [30:38] 他说美国其实不缺电 缺的是运送能力 [30:41] 最后就是你的bottleneck（瓶颈） [30:43] 还是在能源供给端 [30:45] 实际上美国不缺电 [30:46] 美国缺的是 [30:47] Distribution power（配电能力） [30:48] 高压电上面很多电 都是几G的电 [30:51] 你天然气一烧 电就喷出来 [30:53] 问题是distribution（配电） [30:54] 就是你要传到一个点 [30:58] 这是很多的审批 [31:00] 要建一个变电站等等 [31:04] 从330kV一路降到400V或者800V [31:08] 这东西事实上是非常冗长的一个过程 [31:10] 光是拿审批你就爆炸了 [31:12] 实际上 中美电力成本的绝对值 [31:14] 差异并不大 [31:15] 中国工业用电在0.4到0.6元/度 [31:18] 美国0.8到1.2元/度 [31:20] 中美两边的工业电价差距 [31:22] 其实没有想象中那么大 [31:24] 真正拉开差距的是基础设施的响应速度 [31:27] 中国可以在西部沙漠里面铺满光伏板 [31:29] 再通过特高压电网 [31:31] 把电送到东部的算力集群 [31:33] 所以从电力的角度来看 [31:34] 美国的token价格 [31:35] 一时半会儿会很难下降很多 [31:37] 同时 Alex认为 [31:38] 从存储等供应链角度来看 [31:41] Token价格短期内更难下降 [31:43] 去年DDR4就是DRAM [31:45] 现在是过去10倍（价格） [31:47] 现在CX7也在缺货 [31:49] Power supply（电源供应）也在缺货 [31:50] 我看到OpenClaw起来 agent起来 [31:52] 多模态起来 [31:53] 还有coding（编程）起来 [31:55] 刚好是三个完美的风暴 [31:58] 所有的供应链就跟不上这个节奏 [32:01] 最大的挑战还是建足够多的数据中心 [32:05] 这个是最大的挑战 [32:06] 因为这个是物理上的限制 [32:08] 提效当然是非常重要的 [32:10] 我觉得每一个云服务商 [32:12] 都会紧跟整个技术迭代的步伐 [32:14] 去提升它的token的效率 [32:16] 去降低它的延迟 [32:18] 但是最终我们都被限制在了 [32:21] 我们一共有多少数据中心 [32:23] 有多少卡、通了多少电这件事情 [32:25] 当然这还会牵涉到数据跨境 [32:27] 网络延时、隐私安全等合规问题 [32:30] 但是起码我们正在看到 [32:31] OpenRouter上面的开发者平台出海 [32:34] 还有云平台出海 [32:35] 以及开源模型出海的趋势正在迅速发生 [32:39] 这波出海红利 [32:41] 已经实实在在地反映在了收入上 [32:43] 如今MiniMax海外收入占比超过了七成 [32:46] 月之暗面在Kimi K2.5发布后 [32:48] 短短数周内收入就超过了2025年全年 [32:53] 智谱的模型API收入 [32:54] 也在今年出现了爆发式增长 [32:57] 而token需求的天花板目前根本还看不到 [33:00] 每一个event（事件） [33:01] 都trigger（触发）了 [33:03] Token消耗的指数型增长 [33:05] 并且目前我们还没有看到 [33:06] 一个明显的天花板 [33:08] 因为首先我们并不是每一个人 [33:10] 都在用OpenClaw [33:11] 我们并不是把生活中的每一个 [33:13] Vertical（垂直方向） [33:13] 都已经进行了全部的AI化 [33:16] 所以在我看来 [33:17] 整个token的consumption（消费） [33:18] 还是会继续增长 [33:20] 就像老黄说的 [33:21] 我觉得未来的潜力还是非常大 [33:24] 目前是看不到天花板的 [33:25] 大家想想看 [33:26] 现在大部分人还只是偶尔用用OpenClaw [33:29] 这样的agent [33:29] 大部分行业还远远没有被agent渗透 [33:33] 但是趋势已经很清楚了 [33:34] Token的消耗正在从“人类主动发起” [33:37] 变成“机器自动运转” [33:39] 一个程序员手动用AI编程助手 [33:41] 一天可能烧几十万token [33:43] 但是一旦他配了一个agent [33:45] 全天候在后台跑 [33:46] 写代码、查资料、跑测试、发部署 [33:49] 消耗量可以直接跳到千万级 [33:51] 当这种使用方式从少数极客 [33:53] 扩散到普通开发者 [33:55] 再扩散到每一个知识工作者 [33:57] Token的需求增长就是指数级别的增长了 [34:00] 如果用一句话来概括这个趋势 [34:02] 上一个时代中国出口的是衬衫和家电 [34:05] 这个时代是电动车 [34:06] 那么下个时代可能就是token了 [34:09] 回到开头那个问题 [34:10] Token到底意味着什么 [34:12] 对Meta员工来说 [34:13] 它是排行榜上的勋章 [34:15] 对创业公司来说 [34:16] 它是每个月最大的一笔开支 [34:18] 对于OpenRouter来说 [34:19] 它是抽5%佣金的流水 [34:21] 而对于中国的云厂商来说 [34:22] 它是把电力变成美元的管道 [34:24] 对于黄仁勋来说 token会变成大宗商品 [34:27] 每一个输入和输出都与芯片挂钩 [34:30] 我觉得这是一个正常的发展方向 [34:32] 就像我说的 [34:33] Token是一种commodity（大宗商品） [34:35] 任何对于销售commodity（大宗商品）之前 [34:38] 在人类历史上会出现过的销售方式 [34:40] 我们可以预计 [34:41] 都可以在token这件事情上出现 [34:43] 所以最后就是看谁更有创意 [34:45] 谁的市场打得更好 [34:46] 因为最终底层的模型 [34:48] 我觉得只要技术还过硬 [34:51] 它们的acuracy（准确性） [34:52] 实际上是不会有什么太大区别的 [34:54] 未来 token就会是一种大宗商品 [34:58] 而围绕着这样的大宗商品 [35:00] 人类几千年来发明过的所有商业模式 [35:04] 期货、套利、批发零售、聚合平台 [35:06] 计量计费 [35:07] 都会在token身上重新演一遍 [35:10] 同时 token的定价方式 [35:11] 也可能会发生巨大的变化 [35:13] 比如说业界也正在开始尝试 [35:15] 按“复杂度计费”的 [35:16] Effort-based Pricing模式 [35:18] 或者按任务完成度计费的 [35:19] Task-based Pricing模式 [35:21] 这都使得Token Economy的定价方式 [35:24] 在未来有着巨大的进化空间 [35:26] 这就像原油到汽油 再到续航里程 [35:29] 这中间定价的逻辑 [35:30] 也会在token 到任务 到业务结果 [35:33] 这条进化路径上再复现一遍 [35:35] 我们在这个视频里面 [35:36] 看到的每一个概念和公司 [35:38] 从Token-maxxing到Token套利 [35:40] 从OpenRouter到Metronome [35:42] 本质上都是这个古老逻辑的AI升级版本 [35:45] 唯一不同的是速度 [35:47] 这一切不是在几十年里面慢慢展开的 [35:50] 而是在几个月内迅速发生的 [35:52] 当你看完这期节目的时候 [35:54] OpenRouter上面 [35:54] 可能又多了一个新模型冲上了榜单 [35:57] 某家云厂商可能又调了一次价 [35:59] 某个开发者可能又发现了一种 [36:01] 新的省token的方法 [36:03] 而这场游戏才刚刚开始 [36:05] 以上就是这期视频的全部内容了 [36:08] 你们的点赞、留言和转发 [36:09] 是支持我们《硅谷101》 [36:10] 做好深度科技和商业内容的最佳动力 [36:12] 我是陈茜 [36:13] 那我们就下期视频再见了 拜