隨著人工智能技術在各領域的滲透，關于大模型使用中Token消耗與成本控制的討論日益成為焦點。Token作為大模型處理信息的最小單元，無論是日常提問還是生成內容，每一次交互都伴隨著它的消耗。近期，智能體應用如“龍蝦”的興起，進一步推高了Token的使用需求，也讓成本問題愈發凸顯。
記者調查發現，智能體產品落地初期，簡單交互場景的成本變化并不顯著，但深度使用場景中，Token消耗量會呈指數級增長，直接推高使用成本。個人用戶秦先生表示：“任務復雜度稍有提升，成本就明顯增加，Token消耗與任務難度不成正比，超出預期。”企業層面的感受更為強烈——規模化應用AI的企業日均Token消耗已達百億級，以中交AI中心為例，其開發的數千個智能體日均消耗上百億Token，對應成本約十萬元。
持續增長的Token需求對算力系統構成挑戰。MiniMax稀宇科技副總裁嚴奕駿透露，公司每周都要進行算力擴容，算力資源始終處于“緊平衡”狀態。中國電信北京公司AI技術負責人陳哲詩觀察到，大模型技術演進拉動了應用層需求，算力租賃市場火爆，但客戶對成本敏感度較高，優化基礎設施效率、降低Token成本成為行業共同訴求。
Token與手機流量的計費邏輯本質不同。手機流量按傳輸量計費，緩存內容可重復使用，成本清晰可控；而Token作為AI處理信息的計量單位，用戶需支付模型空間占用費、服務套餐費，每條指令執行都會產生實時消耗，功能擴展或權限開放還會帶來額外支出。這種差異導致深度使用場景下，Token成本增長遠高于流量成本。
降低Token成本已成為行業共識。中國信息通信研究院云計算與數字化研究所主任馬飛分析，當前成本偏高源于行業處于發展初期，高端算力硬件成本高、資源利用率不足等多重因素疊加。隨著技術成熟和算力供給優化，單位Token成本將逐步下降，需求爆發也將倒逼產業加速迭代。
企業正在通過多路徑降本。月之暗面Kimi企業業務負責人黃震昕表示，公司通過底層模型架構創新提升效率，直接降低Token成本；階躍星辰首席技術官朱亦博提出“智價比”概念，強調在保持模型智力水平的同時盡可能壓縮成本。云服務機構則從資源配置入手，天翼云智算平臺產品專家王曼介紹，通過算電協同、算網融合調度等技術，持續優化成本結構。
國家層面算力布局為普惠化提供支撐。中國信通院發布的《算力互聯網體系架構研究報告》顯示，我國智能算力規模已居全球第二，但高端算力、核心算法仍存在外部依賴。當前，全國一體化算力網絡建設加速推進，通過統一調度優化資源配置，算力服務可觸達性顯著提升。同時，輕量化、低功耗本土大模型的發展，讓更多普通用戶能夠以較低成本享受AI服務。
中國信通院云計算與數字化研究所副所長栗蔚認為，Token作為AI產業度量衡，其消耗總量反映應用深度，成本則體現算法算力效率。要實現Token普惠化，需構建優質算法、持續優化模型，降低單Token算力消耗，并搭建隨需接入的算力節點網絡，讓AI服務真正走進千家萬戶。
