百万Token跌破1美元，AI的钱去哪了

8月底，每百万Token的加权均价第一次跌破1美元。高盛One-Delta交易台把这件事写进了报告，措辞罕见地不留情面：更多需求加上更低价格，如果价格跌得比消费涨得快，并不自动构成利好。同一时间，大洋彼岸的法院里，美国司法部下场，为AI厂商的‘合理使用’辩护。一条价格曲线、一纸法律文书，看似毫不相干，实则指向同一个问题——AI这门生意的单位经济学，正在被从两头重新定价。本文拆解这条传导链，并回答一个更贴身的问题：对同样讲规模化故事的其他新兴产业，比如低空经济，这堂课值多少钱。

📉 量涨47%，钱只涨7%

Token在飞，美元在爬。

先看场景。OpenRouter是大量开发者调用大模型的聚合路由平台，其公开面板数据显示：8月Token使用量环比增长约47%，但美元支出只增长约7%。这一量价背离随后被多家卖方研报引用。翻译成大白话：活多了将近一半，收入几乎原地踏步。而且这不是单月异动——往前翻OpenRouter近几个季度的月度数据，Token用量的同比增速长期维持在两位数的高位，美元支出的增速却始终跟不上，剪刀差是持续扩大的趋势，不是一次性冲击。

价格端更刺眼。衡量每百万Token使用加权均价的Silicon Data LLM Token Expenditure Index（代码SDLLMTK），8月单月下跌29%，月末报约0.97美元，创历史新低，首次跌破1美元关口；较5月高点约2.05美元，累计跌幅已超50%。这不是孤证。拉长时间看，定价下行早已是行业共识：据a16z此前测算，达到GPT-3.5同等能力的推理价格，从2022年11月到2024年10月下降了约280倍；Artificial Analysis的模型价格跟踪显示，同等能力档位的API价格大致以每年一个数量级的速度下探。8月跌破1美元，只是这条长期曲线上的一个整数刻度。

必须说清一点：SDLLMTK不是需求量指标，而是价格指数。Silicon Data自己也提示，指数下跌可能来自标价下调、用户向低成本开源模型迁移，或两者兼有，并不意味着AI使用量在萎缩。

但这恰恰是问题所在。高盛的Rich Privorotsky指出，8月还出现了另一个与‘需求激增’叙事相悖的信号——H100 GPU租赁价格在下跌，Silicon Data的GPU租赁指数同样处于回落通道。量大幅上升，价格跌得更狠，美元支出几乎不动。

产业逻辑很直白：股票市场的回报以美元计算，而不是以Token数量计算。过去两年支撑AI板块估值的收入逻辑，建立在‘更多Token等于更多收入’的假设之上——而8月的数据，第一次清晰地打破了这一假设。如果圈子里私下聊起来，共识大致是一句糙话：需求是真的，美元是虚的。

🔒 三个前提，正在同时瓦解

前沿优势以周计价，护城河浅得能看见底。

Privorotsky在报告里直言，他对‘按Token计费’作为持久商业模式持怀疑态度。云端推理按百万Token收费的逻辑，依赖三个前提同时成立：模型体量大到无法本地运行；用户无法用开源替代品替换；工作负载足够突发，以至于自建算力不划算。

而现实是，这三个前提正在同步瓦解。

先看模型竞争端。2025年初，开源阵营的DeepSeek以远低于闭源同档的价格放出了接近前沿水平的推理模型，直接触发一轮API降价潮；到了8月初，闭源第一梯队的GPT-5与Claude Opus 4.1相继发布，但差距并没有重新拉开——第二梯队与第一梯队在同一批独立基准上的分差，肉眼可见地在收窄。Privorotsky的判断是：‘前沿优势以周计算，不构成护城河。’当追赶以周为单位，为‘最顶尖的那几个百分点’支付的溢价，自然撑不住。

这条时间线在两个月内密集出现，不是巧合。价格指数崩塌、开源模型逼近前沿、硬件端替代加速，本质上是同一件事的三个侧面：大模型正从‘稀缺的魔法’变成‘大宗商品’。大宗商品的价格由边际成本和竞争决定，而不是由叙事决定。

再看硬件端——这可能是三个前提里瓦解得最彻底的一个。

🖥️ 一台5000美元的机器，改写订阅模型

最便宜的Token，是根本不用付给云厂商的那一枚。

Privorotsky列举的这份硬件清单值得原样看一遍：RTX级移动显卡的笔记本、DGX Spark工作站、能运行700亿参数级模型的Mac Studio，以及算力在40至75+ TOPS区间的NPU。这些设备已经把大量Token的边际成本，压缩到接近电费的水平。

由此出现一条清晰的经济分界线：一旦企业每月的API账单超过一台5000至15000美元设备的摊销成本，该企业就从Token消费者，转变为一次性硬件买家。注意这意味着什么——它不再是持续贡献约40%利润率的软件订阅用户，而是一锤子买卖。SaaS投资人最恐惧的场景，莫过于此。

按Token计费，某种意义上像‘按呼吸次数收钱’。呼吸本身近乎免费，云厂商收的是‘替你呼吸’的便利溢价。当每台办公桌下都塞进一颗能本地跑大模型的芯片，这个溢价的地基就开始松动。

把整条传导链画出来，逻辑一目了然：

需要强调：价格崩塌不等于需求消失，更不等于AI失败。它更像是AI从‘叙事资产’过渡到‘公用事业’的成人礼——公用事业的典型特征就是：用量永远在涨，单价永远在被竞争按着打，赚的是规模和效率的钱，不是定价权的钱。真正的问题在于，过去两年超大规模数据中心的资本开支，是基于美元收入预期核算的；当收入端的单位经济学变了，开支端的每一笔预算都要被重新审计一遍。

而在收入端之外，还有一条战线正在展开——这一次，战场在法庭。

⚖️ 司法部下场：版权成为第二战场

算力的仗在数据中心，数据的仗在法庭。

2025年8月下旬，一份提交至法院的‘利益声明’（statement of interest）引爆了科技与媒体两条线：美国司法部介入Kadrey诉Meta等版权诉讼，公开主张——在合法获取的图书等文本上训练大模型，属于版权法中‘合理使用’的范畴。司法部的论证逻辑有三层：其一，模型训练对版权作品的使用具有‘转换性’目的；其二，训练带来的‘创造性潜力和公共利益’，远超任何竞争性损害；其三，AI能力与国家安全利益存在交集——模型可以帮助官员分析并推断出未受保护的现实世界事实。牵头提交文件的司法部官员斯坦利·伍德沃德称这份文件为‘具有历史意义的利益声明’。

版权方的反弹同样尖锐。以《纽约时报》为代表的原告方此前多次公开表态，模型厂商‘未经许可使用了受版权保护的内容’，并主张：按照版权法的要求，AI公司应当为其产品所用内容公平付费，而不是把创作者的劳动当作免费的训练原料。

这起系列诉讼是全球趋势的缩影：为追赶过去五年AI工具的迅猛发展，大量争议正涌向缺乏先例、甚至缺乏相应法律语言的法院。而风向已有松动迹象——2025年9月，加州北区法院在Bartz诉Anthropic案中初步认定，使用已合法购入的语料训练模型属合理使用，但同时对盗版语料的指控未予豁免。它的经济含义，恰恰要接回本文前半段——

如果‘合理使用’的口径扩大，模型训练的数据成本被实质摊薄，叠加模型竞争与本地推理的挤压，Token价格的下行通道会更畅通，‘量升价崩’会走得更远；如果版权方胜诉，数据授权成本将成为悬在每一家模型厂商头上的固定开支，单位经济学进一步恶化。换句话说，版权判决是Token价格的隐形变量：算法与算力决定成本曲线的斜率，法律决定它的截距。

🚁 低空经济能从中学到什么

所有按次收费的生意，都怕成本曲线滑向电费。

作为低空经济观察者，为什么花大篇幅讲AI的Token价格？因为这套单位经济学的分析框架，是可以迁移过去的。以下属于框架推演而非事实陈述，且未必一一对应。

最直接的一层是审计视角：低空物流的运营方按架次、按公斤收费，迟早也会被问到同一个问题——单次任务的美元成本，降得比票价快吗？AI今天的量价剪刀差，提供了一个现成的观察模板。次一层是基础设施视角：端侧算力的便宜化对机载视觉、避障、航迹规划意味着什么，以及空域规则之于低空，是否正在扮演版权法之于AI的角色——产权与路权的边界悬而未决，定价权的基石就始终缺一块。这些对应关系是否成立，需要低空经济自己的数据来验证，本文不下结论。

小结

Token跌破1美元，不是AI的讣告，而是它从叙事走向公用事业的第一课：价格崩塌不等于需求消失，但它逼迫所有人把‘量’翻译回‘钱’。三个前提在瓦解，一条法庭战线在展开，而所有规模化故事——无论AI还是低空经济——最终都要接受单位经济学的审计。

接下来盯三个信号：一看量价剪刀差，如果未来两个季度OpenRouter等平台的Token增速与美元支出增速仍然持续背离，‘以量补价’的估值叙事就要再打一次折扣；二看本地推理设备，DGX Spark这类产品的实际出货节奏和二手GPU租赁价格，是硬件替代假设的直接检验；三看版权判例，Bartz案之后，‘合理使用’的边界如何被上诉法院和后续案件切分，将决定数据成本这笔账最终落在谁的资产负债表上。

价格曲线会继续向下，判断的锚点必须随之切换：从‘用量涨了多少’，切到‘每一百万Token收回了多少美元’。量能骗人，美元不会——这句话，值得写在每一份AI和低空经济投资笔记的扉页上。