AI 经济悖论：当 20 美元不再购买价值 200 美元的智能时
快速阅读: 据《福布斯》最新报道，AI工具定价面临经济压力，20美元基准影响用户期望。高级AI虽价值高，但定价需平衡。评估AI能力困难导致市场低效，未来需更合理定价反映真实价值。行业需调整对AI成本的预期，以促进广泛采用。
有趣的AI机器人与村民互动。由DALL·E生成的AI图像
人工智能开发领域正面临日益加剧的经济紧张局势，并重塑着开发者、人工智能供应商以及我们所用工具之间的关系。
20美元基准：市场预期是如何形成的？
当OpenAI的ChatGPT和微软的GitHub Copilot设定了每月20美元的订阅基准时，他们无意间为人工智能工具定价创造了市场的心理锚点。这个价格点对早期的人工智能助手来说是合理的——这些助手具有有限的上下文窗口，偶尔有用，且不涉及复杂工具使用。在经济上是可行的：服务这些模型的成本大致符合用户的支付意愿。这些模型确实提供了实际价值，但它们的能力有明确的界限。它们对于简单的代码补全、基本的内容生成以及回答简单问题很有帮助。先进的AI能力带来了极大的价值，远超其标价。现在，并非所有人都像公司CEO那样需要高水平的AI服务，因此需要找到一个平衡点，让人们以接近软件即服务的价格获得实际的实用价值。
人工智能能力的隐性经济学
我们习惯于认为智能的成本正在以指数级下降（逐苹果对比），这是真的。由于更好的硬件、模型蒸馏和其他技术，我们现在处于这样一个阶段：大约每六个月，每个令牌的价格减半，用户对20美元应该能买到什么的期望也随之遵循这一趋势。但是，对旁观者来说似乎只是增量的增加，在智能方面有时需要计算成本呈阶跃式增长。例如，OpenAI的o1推理模型每百万输出令牌的成本为60美元，而他们的最昂贵产品o1-pro每百万输出令牌的成本为600美元。2025年人工智能的最大趋势是具有内置成本倍增器的自主系统。让我们来分解一下：
上下文是关键
更多的上下文意味着更多关于问题的信息和更高的找到答案的概率。所有这些都需要更多的令牌和计算。最先进的模型现在提供巨大的上下文窗口——Gemini 2.5 Pro拥有1百万令牌的上下文窗口，而Claude模型提供高达20万令牌。这大大增加了它们的实用性，但也增加了计算成本。
工具使用成倍增加能力和成本
工具使用是智能的第一个迹象，因为工具是“力量倍增器”。在过去6个月里，我们看到了人工智能代理在利用工具（如网络搜索、代码执行、数据分析、各种集成）方面迅速而持续的进步。这使得代理显著更强大，但几乎每次工具完成任务后，整个上下文加上工具结果都必须由模型重新处理，从而成倍增加成本。例如，在编码中，我们的AI代理在处理您的单个请求时通常会运行多个工具：它可以运行一个工具来找到正确的文件，另一个工具来获取额外的上下文，还有一个工具来编辑文件。
实用性驱动使用量
模型越强大，用户就越依赖它，形成需求不断增加的反馈循环。例如，当我将大部分网络搜索从Google切换到我的AI助手时，这显著增加了我每天使用这些工具的频率。随着编码代理变得越来越强大，我们看到开发人员连续数小时不间断地使用它们，而不是偶尔使用。因此，当由于工具使用、扩展上下文和不断增长的使用量导致总成本增加10到100倍时，即使技术进步迅速，也无法立即弥补成本与价格之间的差距。我们正在目睹一种真正的Jevons悖论现象，即某种资源（在这里是智能）的成本降低反而导致对该资源的使用大幅增加，超过了成本降低的速度。例如，虽然Chat GPT Pro每月花费200美元（是基础付费订阅的10倍），但Sam Altman本人承认他们在OpenAI Pro订阅上“亏钱”，因为“人们使用它的频率远超我们的预期”。
评价难题
那么，如果每月200美元的高级订阅是个划算的选择，为什么你没有听到更多企业采用它呢？一个使这种经济紧张关系复杂化的重要因素是评估AI能力的难度。与传统软件不同，传统软件的功能可以明确识别为存在或缺失，而AI模型之间的差异往往微妙且情境依赖。对于旁观者来说，o1和o1-pro之间的区别可能不明显，但在商业任务中的性能差距可能相当大。这一评估挑战造成市场效率低下的问题，用户难以确定哪个价格层级真正提供了他们所需的价值。如果没有清晰、可靠的方式衡量特定使用场景下的AI性能，很多人往往会选择最便宜的选项，或者基于品牌而非实际能力做出决策。
价值胜于价格
许多用户陷入了一个困境：他们得不到很多价值，所以不花很多钱，因此使用的是功能不足的解决方案，所以得不到很多价值。行业正处于十字路口。一条路是更现实的定价，反映这些先进系统的真正成本和价值。根据我的市场分析，40至60美元足以提供下一代智能，让人们每天可以使用超过1小时，面向大众市场。这不足以覆盖连续8小时的AI使用，或同时运行100个并行AI代理来找出哪个稍好一些，但大多数人不需要达到这个水平的AI。特别有趣的是，在成熟的大型企业软件市场中，每月花费数百美元购买生产力工具是标准做法。考虑一下Salesforce的订阅费用为每位用户每月165至300美元，并且公司通常会在这一基础投资之上叠加销售生产力解决方案，添加如Outreach、Gong、Clari和Dialpad之类的工具。然而，当涉及AI——无疑是这个时代最具变革性的生产力技术，且在计算成本方面更为昂贵时，人们却不愿突破20美元的价格门槛。这导致了为了维持现在的标准20美元价格点而进行的人为能力限制。这种方法可能会让高级用户感到失望，同时也可能限制这些系统所能实现的创新。对于个人开发者或企业来说，最终的计算应该是关于价值，而不是价格。如果一个人工智能工具能为你节省数千美元和无数小时，即使每月200美元的价格标签也代表了令人难以置信的投资回报率。随着行业的成熟，我们很可能会看到更现实的定价模式出现，更好地反映提供这些服务的成本和它们带来的价值。最成功的公司将是那些能够清楚阐述并展示这一价值主张的公司。
进步的代价
20美元的基准成功地将人工智能带给了大众。但是，随着这些工具从偶尔的帮助者演变为我们创意和职业生活中不可或缺的伙伴，它们的经济模式也必然会发生变化。像OpenAI这样的市场创造者对如何解决这种经济紧张关系有着最大的影响力。如果他们能够成功引入适度价格的计划并具备适当的性能——找到当前20美元标准和高端200美元以上层级之间的平衡点——他们可以帮助教育市场了解先进AI的真实价值。大规模采用需要价格感觉可触及，即使其背后的真正价值远远超过成本。
人工智能能力、用户期望和经济现实之间的紧张关系将定义我们行业的下一章。随着人工智能工具继续其非凡的发展，我们可能也需要调整对其成本的预期。目前，用户应该根据人工智能工具所实现的结果来评估它们，而不仅仅是看价格标签。而供应商应继续寻求那个难以捉摸的平衡：合理补偿所提供的巨大价值，同时让这些变革性技术得以广泛应用。
人工智能能力、用户期望和经济现实之间的紧张关系将定义我们行业的下一章。随着人工智能工具继续其非凡的发展，我们可能也需要调整对其成本的预期。
安德鲁·菲列夫是Zencoder的创始人兼首席执行官，该公司借助人工智能代理帮助开发者实现代码测试和创建自动化。他之前创立的公司Wrike被以22.5亿美元的价格收购。
(以上内容均由Ai生成)
