模型推理成本降280倍，錢卻花更多？清華報告說：這叫杰文斯悖論

你信嗎？大模型推理成本兩年跌了280倍，結果大家花在AI上的錢反而漲了2.4倍。這聽起來像不像超市打折——越便宜，買得越多，最后賬單反而更貴？

這份清華剛出的《Token經濟學全景報告》，講的就是這件事。Token這東西，你可能不熟，但它正在成為繼土地、勞動力、資本、數據之后的“第五大生產要素”。簡單說，就是AI時代，你每問一個問題、每生成一張圖、每寫一段代碼，背后都在消耗“Token”，而誰掌握Token的生產和分配，誰就掌握了下一代經濟的命脈。

1. 算力這東西，現在比石油還金貴

2025年，全球AI算力市場規模已經奔著2.52萬億美元去了。英偉達一家獨大，數據中心營收一年漲了143%。它牛在哪？不光芯片做得好，關鍵是它圈了600萬開發者進它的CUDA生態，你想跑AI？不好意思，英偉達這套“語言”你得學會。就像當年Windows綁住了全世界的電腦。

但別人也沒閑著。華為昇騰910C的算力已經能做到A100的80%，寒武紀也在追。芯片這東西，現在不是簡單的商業競爭，是國與國的底牌。

2. 推理成本跌成狗，但花錢的地方越來越多

兩年前，用一次大模型還貴得離譜，現在呢？成本降了280倍。你猜怎么著？大家用得更多了。OpenAI的推理支出從2024年的37億美元飆到2025年的快90億。這就是“杰文斯悖論”——東西越便宜，你用起來越不心疼，最后總賬反而更高。就像當年電燈發明后，電費沒少花，反而家家戶戶點得更多了。

3. 工作這事兒，正在被Token撕成兩半

報告里有個詞叫“K型極化”——意思是高技能崗位（比如AI訓練師、數據科學家）需求暴增，工資翻著倍漲。但另一邊，客服、初級開發、翻譯這些重復性工作，正在被AI悄悄替代。中低技能崗位的工資，漲不動，甚至往下走。

更扎心的是“幽靈GDP”現象——經濟增長了，產出變多了，但錢沒進打工人口袋。勞動收入份額從60%跌到45%，增長流向了資本方。說白了，錢被做算力的、賣芯片的、建數據中心的賺走了。

4. 企業要么自己建“AI工廠”，要么被淘汰

現在企業用Token有三種方式：買SaaS（像租房子），用API（像長期租房），自己建AI工廠（像買房）。如果你每天消耗Token超過100億，自建工廠的成本只有SaaS的1/5。這就是為什么大廠拼命買卡、建集群——不是為了炫，是真的算不過來賬。

英偉達老黃說得狠：“誰的每瓦Token吞吐量最高，誰的生產成本就最低。”以后拼的不是你有多少芯片，而是你多少能耗干多少活。

5. 算力正在變成國家戰略武器

美國掐著高端芯片出口，中國拼命搞國產替代，歐盟搞數據主權，日本押注邊緣算力。這不是簡單的商業競爭，是“算力冷戰”。芯片出口管制、關鍵礦產爭奪、數據跨境限制……每一條都在劃地盤。

說了這么多，咱們普通人該怎么辦？

別怕，也別覺得這跟自己沒關系。

如果你還在做重復性、流程化的工作，是該想想了。這不是AI要搶你飯碗，而是Token會讓那些只會“按流程辦事”的崗位變得沒有價值。但如果你能學會用Token——讓它幫你整理資料、寫方案、做分析——你的身價反而在漲。報告里說，AI訓練師崗位需求一年漲了112%，工資翻倍的不是少數。

對企業來說，別再把AI當“工具”了。它正在變成“生產車間”。要么你變成AI工廠，要么你變成薄包裝公司。中間地帶，正在消失。

對國家來說，算力就是新的石油。芯片就是新的油田。誰掌握先進制程，誰建成萬卡集群，誰就有話語權。中國現在正拼命補課，從7nm到3nm，從光刻機到封裝工藝，每一步都得自己走出來。

Token經濟學，說到底是在回答一個問題：當機器比人便宜、比人快、比人聰明的時候，人還能做什么？

答案可能不是跟機器比快，而是學會跟機器配合。用Token替你干活，但你決定怎么用。就像現在沒人跟計算器比算術，但會計依然吃香——因為他們懂怎么用數字做決策。

Token也一樣。它不是來替代你的，是來放大你的。前提是，你得學會當那個“用Token的人”，而不是“被Token替代的人”。

報告節選