中國AI大模型周調用量大降，為啥大家不用了？

今年以來，在龍蝦熱的帶動下，中國AI大模型的調用量大幅增長，但是就在最近中國AI大模型的周調用量突然出現大幅下降，這是怎么回事？為啥大家突然不用了？

一、中國AI大模型周調用量大降？

《每日經濟新聞》根據OpenRouter最新數據測算，上周（4月13日至19日）全球AI大模型總調用量為20.6萬億Token，連續兩周下滑。

其中，上榜的AI大模型中，中國AI大模型的周調用量下滑至4.441萬億Token，連續兩周下滑，較此前一周下滑23.77%；美國AI大模型周調用量為4.908萬億Token，環比增長20.62%。美國AI大模型周調用量在近兩個月以來首次超越中國。

《每日經濟新聞》注意到，上周全球調用量排名前九中，有四款中國AI大模型。其中，DeepSeek V3.2排名第二，周調用量達1.28萬億Token；MiMo-V2-Pro排名第四，周調用量達1.15萬億Token，環比增長90%；MiniMax旗下兩款模型上榜，MiniMax M2.5排名第六，周調用量達1.05萬億Token；MiniMax M2.7排名第七，周調用量達0.961萬億Token，環比下滑19%。

據鳳凰財經的報道，詞元（token）消耗規模激增，是AI應用擴張最直觀的證據。中國國家統計局數據顯示，3月國內日均詞元調用量超過140萬億，比上年末增長超40%。在智能體等高詞元消耗場景下，成本優勢讓國產模型對價格敏感型開發者更具吸引力。

二、為啥大家突然不用中國AI大模型了？

最近，中國AI大模型周調用量大幅下滑的消息引發行業關注，不少人疑惑，曾經被視為科技新風口的大模型，為何突然“失寵”？這其中的原因到底是什么？

首先，調用下降本質是價格杠桿機制的回歸。前些年，AI大模型市場尚處于培育階段，各家企業為了迅速擴大市場份額、吸引開發者入駐，普遍采用了低價甚至免費的策略。這種策略在市場初期確實起到了立竿見影的效果，大量的開發者被吸引過來，調用量呈現出爆發式增長。然而，市場環境是不斷變化的，隨著技術的逐步成熟和市場格局的初步穩定，各家國產大模型企業紛紛調整策略，開始漲價。畢竟互聯網時代，先免費后收費的套路早已經屢見不鮮，從之前的共享經濟產品，到現在的大模型產品其實無一例外。

雖然漲價是順理成章的事情，但成本的上漲對于開發者來說，無疑是一個沉重的負擔。對于許多中小型企業和個人開發者而言，他們本身資金實力有限，在面對高昂的調用成本時，不得不重新審視自己的開發計劃和預算安排。原本可以隨意調用大模型進行各種實驗和開發的場景，如今變得謹慎起來。前不久，筆者一個朋友的公司就碰到過類似的情況，之前年初公司要求每個人都要部署自己的龍蝦使用，但是之后公司發現token實在是用不起了，趕快下通知要求每個人使用龍蝦都要提前報備并且根據實際產出提供token。

畢竟，在商業世界中，投入產出比是每個決策者都必須考慮的重要因素。當調用大模型的成本超過了其帶來的收益預期時，付費意愿自然會下降，進而導致調用量的減少。這種變化是市場規律作用下的必然結果，也反映出企業在市場不同發展階段策略調整對產業鏈下游產生的深遠影響。

其次，應用模式的轉變引發詞元消耗量劇增。AI應用場景的深層變革，讓大模型的調用成本與技術門檻同步攀升，倒逼開發者進入審慎調用階段，這是技術迭代帶來的必然陣痛。過去，AI應用多集中在傳統的問答式交互，場景簡單、邏輯清晰，對大模型的調用效率和資源消耗相對可控，基本上一個對話只要消耗少量的token，不會有大的問題。

但從今年開始，伴隨著以OpenClaw為代表的智能體的興起，AI應用從被動回應轉向主動完成任務，這種跨越式的場景升級，讓大模型的調用模式發生了根本性改變。智能體需要處理復雜的任務鏈條，涉及多輪推理、動態決策和跨場景協同，每一次任務執行背后，都是指數級增長的詞元消耗，這意味著調用成本不再是線性提升，而是呈現出爆發式增長。筆者自己就嘗試過多次，只是幾個很簡單的任務，幾百萬的token就在短時間內被快速消耗掉了，所耗費的費用動輒幾十上百。

對于開發者而言，這種成本壓力已遠超預期，即便有技術實力，也必須權衡投入產出比，不敢再像過去那樣隨意調用大模型進行試錯和探索�？梢哉f，智能體帶來的技術變革，讓大模型從“好用”變成了“用不起”，這種成本與效率的失衡，直接抑制了開發者的調用熱情，也讓調用量的下滑成為必然。

第三，市場新鮮感消退，流量回歸理性。智能體等新應用的熱度回落，本質是市場對“偽需求”的自發篩選，是新奇效應褪去后的價值回歸，這印證了產業發展的客觀規律。在OpenClaw智能體剛出現時，其自主完成任務的新鮮感迅速點燃市場，無論是個人用戶還是企業開發者，都將其視為AI落地的終極形態，紛紛涌入體驗，這種爆發式的關注帶來了短期的流量高峰，也讓大模型調用量隨之水漲船高。

但隨著使用深度的提升，大部分人逐漸發現，智能體并非人人可用的萬能工具，其使用需要具備一定的技術儲備和場景適配能力，對于普通用戶而言，操作門檻過高，目前OpenClaw能解決的問題還是相對比較基礎的，即使是最近大火的“養馬Hermes”也不是那么適用于每個人。對于多數企業而言，落地成本與實際收益不匹配，無論是OpenClaw還是Hermes僅能滿足少數特定場景的需求，難以形成規�；瘧�。這種理想與現實的差距，讓智能體的新奇效應迅速消退，流量和調用量自然回歸到理性區間。

第四，AI大模型產業的邏輯正在全面重塑。伴隨著市場進入新的發展階段，全面回歸理性已成為不可逆轉的趨勢。對于國產大模型企業來說，如何在價格與流量之間找到一個平衡點，成為了決定其長期發展的關鍵問題。

如果企業一味地追求高價格，雖然可能在短期內獲得較高的利潤，但會導致開發者和用戶的流失，調用量下降，最終影響企業的市場份額和品牌影響力。相反，如果企業為了吸引流量而過度降低價格，甚至繼續采用低價或免費的策略，雖然可以在一定程度上提高調用量，但可能會面臨成本壓力過大、盈利能力不足等問題，不利于企業的可持續發展。

不過好在我們也看到了很多新的希望，剛剛發布的DeepSeek V4大模型不僅沒有出現大規模的漲價的現象，反而選擇了逆市降價，核心邏輯就是DeepSeek通過自身技術的優化，利用稀疏注意力架構和混合專家模型成功地大規模降低了自身的成本，讓推理一次的token消耗量快速降低，這才是AI大模型發展的必然趨勢。從物理上，利用中西部地區便宜的綠色能源以及低溫的優勢，可以大幅降低算力的成本，從而從物理層面上降低自身的價格。在技術上，利用技術創新實現全流程的優化，從而降低單次推理的成本。這種雙管齊下的邏輯才是未來的關鍵。

因此，國產大模型企業需要根據自身的技術實力、市場定位和成本結構等因素，制定出合適的定價策略。這個定價策略既要能夠覆蓋企業的成本，保證一定的利潤空間，又要具有市場競爭力，能夠吸引開發者和用戶的使用。同時，企業還需要不斷優化產品和服務，提高大模型的性能和穩定性，降低詞元消耗量，為開發者和用戶提供更好的體驗。只有這樣，才能在價格與流量之間找到一個最佳的平衡點，確保自身的長期優勢。