人民想念DeepSeek

文章轉載于騰訊科技
作者：蘇揚

最近關于Token的討論挺魔幻的。

朋友圈隨處能看到Token中文翻譯的討論——有"詞元"、"智元"等等，甚至有"慧根"之類的搞笑版本。

Token不是一個新概念，大模型落地第一天起，它便與神經網絡共生，但直到OpenClaw（俗稱"龍蝦"）在用戶群大規模擴散，各類Agent應用開始把Token帶入了公眾視野。

我認為其中有兩個關鍵問題：它的消耗量太大了，價格也太貴了。

記得OpenAI發布GPT-5.4的時候，有用戶反饋測試一句"你好"就消耗掉了80美元的Token，當時不少人都說這個使用量太夸張，但隨著小龍蝦大規模在用戶群擴散，一個任務燒完千萬級Token成為常態。

與之相對的是，英偉達CEO黃仁勛在GTC2026大會上以及之后的很多場合，都在強調工程師要大量的使用Token，甚至將Token納入到薪酬激勵機制。

一次對話環節，黃仁勛說："如果年薪50萬美元的工程師，連25萬美元的Token都沒用掉，我會極度恐慌。"

問題是，瘋狂的燒Token一定能解決問題嗎，有多少Token是有效的，什么樣的投入產出比是合理的？

結合剛剛外媒的消息，有OpenAI程序員一周燒掉了2100億Token，相當于33個維基百科，但這樣的消耗量最終帶來了什么？我發了一個朋友圈，說這樣重度使用能升P10嗎，有好友隨即評論，"能幫賣Token的升P10。"

很顯然，這場瘋狂燒Token的運動，能帶來多少效果是存疑的，誰是獲利者則是確定的。

黃仁勛將英偉達描述為"Token之王"，擁有世界最先進的"Token制造機"，但如果拼命鼓吹這件事，甚至暗示不用Token就會落后，那么可以說：一方面，黃仁勛想徹底改變AI時代企業"效率考核"的邏輯，另一方面，他也間接制造出了Token焦慮。

1

Token太貴了

不久前，我請教了周鴻祎"Token太貴"這個問題，他說："大家覺得Token貴可能存在些誤解，因為大模型后端是可以靈活配置的。"

在他的理解中，用戶可以自主選擇模型控制成本。"日常聊天對話的成本其實很低。真正消耗Token的是復雜任務，比如幫你生成視頻、創作短劇或寫小說這類調用場景。"

我記得獵豹移動CEO傅盛在一條視頻中說，自己通過一些使用技巧把最初日均幾百美元的Token費用，優化到目前日均10多美元，30天就是2100元，年費是25200元。

問題來了：有多少用戶承擔得起日均10美元的成本？

對比目前中國互聯網上的商用to C類軟件，比如剪映，高端會員年費也只有600元左右，娛樂相關的會員費用大致在300元左右，根本找不到一款年費超過25000元的消費級軟件。

"絕大部分人一天10美金，仍然不會接受，這里會過濾掉大片的非付費用戶。"我對傅盛說，他沒有否認我的判斷。

這些天，我也在嘗試各種類型的小龍蝦產品，要接觸到的費用遠不止Token。

舉個例子，如果用戶對生圖有需求，就需要專門的生圖模型API；如果要監控動態，也需要接入付費的搜索API，這些潛在的費用會逐步的勸退絕大多數用戶。雖然可能有一些開源變通的方式降本，但開源項目就間接隱藏著安全風險。

3月13日，當時騰訊科技"蝦聊"系列直播的第一期（），玄武實驗室的嘉賓Lambda分享過一個數據——他自己平均每個月"養蝦"的費用在千元以上。

不管是參照消費級工具年費，還是行業"養蝦戶"的反饋，基于Agent的Token消耗說一句"Token太貴了"，是站得住腳的。

1

存儲瓶頸與效率黑洞

Token簡單理解就是大語言模型處理信息的基本單位——用戶輸入提示詞，模型輸出答案，每一個字、每一個標點，都會計入Token的消耗量，本質上還是算力成本。

過去大家計算算力總擁有成本，指標有很多，包括衡量能效的Flops/W，核算均值的成本/Flops等等，今年的"Token經濟學"中，Token/W逐步成為共識。

"我們的每一個Token成本都是世界最低的。"黃仁勛在GTC上說。

但不管有多便宜，不管是哪一種計算單位，它都是投入成本量化，涉及到研發成本、硬件成本，部署成本，能耗成本，運營成本等。換句話說，降本也都是圍繞上述環節展開。

對于Token降本來說，一個不好的消息是內存價格在瘋漲。

以HBM內存為例，它是支撐大模型訓練和推理的關鍵器件，同時，推理數據量的暴漲也引發出了存儲需求的同步上漲。2026年第一季度，DRAM的價格環比上漲超過50%，NAND價格環比最高漲幅達到150%。

黃仁勛、蘇姿豐都已經喊出了"HBM有多少要多少"，三星、美光這些存儲原廠，已經對外披露頭部客戶的戰略長約已經簽到了5年。

一文提到過，消費級市場，千元機庫存可能都要停產了，但實際上受這個問題的影響，云廠商目前也處于漲價的煎熬之中。目前行業最樂觀的預計是2028年存儲價格回落，悲觀一點要到2030年。

存儲價格一天不回落，Token降價就缺少一個關鍵的外部杠桿。

模型能力的提升也可以視為降價的另一個杠桿。"現在一些8B的小模型，能力越來越逼近全量大模型。"一位學術界研究員說。

在這方面，面壁智能聯合清華團隊在《Nature》子刊上提出了Densing Law的概念，強調大模型的能力密度隨時間指數增長，約每3.5個月翻一倍，同等性能所需參數量每3.5個月減半。

一位國產AI芯片從業者也強調模型能力好、規模小，進而能推動成本降低。"你看國內開源大模型token價格，基本都跟模型規模正相關。"

多位國產算力從業者表示，提升MFU也會帶來成本壓縮的空間，此外也還包括架構、顯存等多方面的推理優化。

"MFU跟模型本身關系不太大，主要是算子和調度策略有關。"另一位國產存算一體芯片從業者說，"目前主流大模型的推理MFU均值在30%左右，優化后可超過50%，估計能省出50%的成本。"

也就是說，行業并沒有榨干GPU的性能——花了100%的GPU錢，現在只用了不到三分之一的算力。

不過，MFU提升雖然可以帶來單Token成本下降，但會不會傳導到C端，取決于大模型提供方的商業考量，如果用來打價格戰，這毫無疑問是一個有效的杠桿。

1

再來一次價格戰

中國大模型的價格戰，不是沒有先例。

2024年，國內廠商就曾經爆發過一輪激烈的價格戰。當時恰逢DeepSeek-V2上線，每百萬Token輸入1元、輸出2元，彼時價格相當于GPT-4-Turbo的百分之一。

DeepSeek當時的降價關鍵就在于推理優化——MoE稀疏架構大幅降低了計算量，MLA多頭潛在注意力把KV緩存壓縮90%以上。

DeepSeek開啟這輪降價之后，隨即阿里、字節、等等先后下場展開價格戰博弈，一度出現了"Token免費"的現象。

王小川當年在一次交流會上談價格戰，他認為與此前團購、網約車大戰有本質不同，"這次價格戰是直接生產力的供給，是B端市場的價格戰。"

在當時，王小川也強調即使短期內虧損，（大廠）也可能在一年后實現盈利。

"在推理效率提升的情況下，通過補貼，用戶有了非常明顯的增長，"一位參與過上一輪價格戰的大模型公司內部人士說，"大概花了幾個億吧。"

不過，這一輪Token的消耗，B端和C端需求同時爆發，反而和團購、網約車大戰一樣，具備改變生產關系的條件，但市場卻表現出了出奇的沉默。

前述參與價格戰的大模型內部人士認為，在模型的特定能力成熟，有了穩定用戶來源的情況下，大家未必有動力再下場去打價格戰。

"Token消耗不像2024年那種規模了，這個情況下，為了蝦打價格戰，存量用戶的ARR收入也會被迫失血，"前述國產AI芯片從業者說，"沒必要，價格戰帶來的增量還不確定，先把存量自砍了，這賬不好算。"

Artificial Analysis跟蹤的大模型API價格

根據Artificial Analysis的跟蹤數據，國產模型的API單價已經足夠便宜了，只是這個便宜程度對于Agent的巨量消耗來說，還遠遠不夠。

如前面所說，受內存和存儲的硬件成本沖擊，國內云廠商現在面對的是漲價的難題，短期不太有降價的可能性。

"現在是前兩年價格戰的持續，國內廠商的價格比北美有明顯的優勢。只是大家清楚搶用戶是個持久戰，不是一兩次價格戰能搞定的。"前述國產存算一體芯片從業者補充道。

1

把模型"焊"在芯片上

為了解決Token瘋狂消耗帶來的成本問題，一部分用戶開始嘗試利用本地部署模型。

到目前為止，已經有不少用戶基于Mac Mini為"小龍蝦"配置本地模型，只不過這種解決方案，在短時間內會不斷地推高Token使用成本，同時本地部署本身就存在門檻，且開源模型的能力未必能夠符合用戶的需求。

針對那些入門級用戶，也有廠商嘗試推出EdgeClaw硬件，并且在硬件生意之上，套上一層安全的故事，這其實是一個值得嘗試的方向，只是在內存漲價大環境下，顯得有些生不逢時。

此前，一位Mini主機創業者說，漲價對行業都有沖擊。

"以前用戶是覺得'好貴'，現在直接根本不看了，他們并不在乎你的內存和硬盤有多大。"該創業者說。

與此同時，一些品牌也在電商平臺推出準系統產品（無內存、存儲），最低價格在2000元以內，它們雖然沒有"安全故事"，卻是Edgeclaw這種創業型項目第一個要逾越的難關。

對"小龍蝦"端側AI硬件來說，最大的挑戰還是Mac Mini，蘋果的供應鏈話語權和毛利率可以支撐Mac Mini超高性價比的定價，創業團隊在這里很難講故事。

還記得2025年初期，DeepSeek爆火時的"一體機"嗎，你看今天行業里面還有它們的故事嗎？

除了一體機這種集成硬件方案，也有創業項目嘗試從更底層的芯片上去做創新。

2月份，Taalas團隊推出了一款全新的芯片HC1，該芯片基于TSMC N6制程，die size 815mm2，晶體管密度僅53B，單芯片可運行Llama 3.1 8B模型，最核心的是單用戶TPS（Token/s）輸出16960/s，數據堪稱爆表，關鍵就在于HC1的設計。

Taalas團隊在這款芯片上，用Mask ROM將Llama 3.1 8B模型權重硬編碼固化在硅片上，芯片金屬層連線相當于神經元連接，相當于把模型"焊在"芯片上，同時實現計算與存儲物理融合，徹底消除HBM/DRAM數據搬運，打破了內存墻限制。

雖然TPS性能突出，它的短板也同樣來自于模型"焊在"芯片上這個特點，這意味著只能跑固定版本的固定模型，權重不能改、結構不能動，想換模型就要重新流片，你也可以理解為專芯專用。

1

一切的討論都基于Token使用成本——貴的不是單價，而是重度任務對Token使用量的倍數放大。

我曾經嘗試過用小龍蝦來生成指定時間戳的gif，在和一位同行交流的過程中，他說："你這里面的gif圖，我們同事做，半分鐘做一張，手工。"

盡管這個案例不是很典型，但如果做幾張gif就要花掉幾元錢，顯然不具備經濟性。

接入DeepSeek API制作gif的消耗情況

要改變這一點，要么擁有更便宜的Token定價，要么Token消耗最小化，這依賴模型層面的優化，也取決于推理硬件層面的創新。

但無論如何，在Token使用的總費用打不下來，且投入的有效產出不明確的情況下，瘋狂安利Token消耗，甚至強調與績效掛鉤，說是制造Token焦慮，制造AI焦慮也不為過。

再往前看，老黃還呼吁科技行業領袖審慎發聲，避免引發公眾對人工智能技術的非理性恐慌。這就好比跟全行業說：別打壓人工智能制造恐慌了，你們都要把Token燒起來。

可問題是，誰來解決價格問題呢，會是遲遲沒有到來的DeepSeek V4嗎？

我記得2017年的時候，有一篇刷屏文章叫《人民想念周鴻祎》，現在人民應該很想念Token價格戰，想念DeepSeek。

至少對于"蝦民"來說，大概率如此。

點個“愛心”，再走 吧