大型科技企業販售技術付費版，定價難題重重
Tokenomics: Why making AI pay is tricky
作者: https://www.facebook.com/bbcnews | 時間: Tue, 11 Aug 2026 23:03:52 GMT | 來源: BBC
f t
如果您曾使用過 ChatGPT 免費版或其競爭對手提供的服務，相信您已獲得極好的優惠。
微軟、Google 和 Anthropic 等企業在開發支撐上述服務的「大型語言模型」（LLM）上投入了數百億美元。因此，利用 ChatGPT、Claude 或 Gemini 助理安排行程計畫非常划算。
然而這些企業自然希望收回投資成本，因而推出具有進階功能的付費 AI 版本。另一方面，第三方廠商也開發並販售基於「AI Agent（代理型人工智慧）」的服務，這類服務通常由訓練用於執行特定任務的大型語言模型驅動。但為這些服務定價卻出奇地困難。
Saviynt（一家整合代理型 AI 進入服務的身份管理公司）的西蒙·古許表示：「嘗試將某人綁定在未來十二個月、兩年甚至三年的成本模型上，這實際上沒什麼意義，因為我們無法預測。」他指出設定價格為其服務之難點。這是因為支撐大型語言模型和代理型人工智慧的 Token（詞元）相關經濟學正快速變遷所致。
當使用者向大型語言模型提出問題時，該提示詞會被拆解稱為 Token 的數學區塊，而模型的回應也以相同形式返回並轉換回文字或程式碼。然而這過程並非完全可預測，提示語的微小變化會產生不同答案。此外在代理型系統中企業讓多個 AI Agent 共同決策行動進一步增加了用量與不可預測性。
儘管根據高盛分析顯示個別 Token 的費用近年來大幅下跌但企業及消費者所消耗的數量卻急劇飆升。銀行預測隨著公司轉向使用 AI Agent，2026 年至 2030 年間的外部消耗量將增長至每月一千二百京個 Token。然而使用系統者往往直到帳單寄到時才會發現耗損了多少。
甚至微軟也被報導重新管控了其工程師對某些第三方編碼工具的用量；Uber 顯然在幾個月內就耗盡了其 AI 編程代幣預算於年初早些時候。企業正苦於管理其 AI 成本，威爾·范特斯指出，員工消耗 Token 時容易陷入困境。
倫敦經濟學院數位創新與資訊系統副教授威爾·范特斯表示：「人們發現很難管理這筆成本……這是非確定性輸出所以是非固定數值。」公司正在尋找應對方法。工程軟體公司 smartR AI 創辦人奧利弗·金史密斯表示，小型組織可以避免監管並使用個人帳戶的一口價方案雖然大型供應商不喜歡這種做法。
他在某個時間點終止這種情況因為大公司在那類帳戶上損失慘重。一旦大平台面臨股東獲利壓力他預測：「它們將會開始加強管控。」他也建議公司應更仔細思考選擇哪種模型，並且需要與提示詞精準配合，英國會計軟體企業 iplicit 的財務長羅伯·史提爾指出。
你不會叫家人去買周記菜卻不給任何關於購物籃內該放些什麼的詳細指示對吧？當公司將 AI 整合進產品並滾動至數千用戶時情況難以控制，范特斯指點。例如經理人可能意識到 Token 不僅用於核心開發還需測試安全或實施防護欄。
代理型過程特別困難。部署更多 Agent 只需點擊按鈕而擴展人力則涉及頭銜討論和招聘。儘管 Token 成本不可預測但公司最終或許能從使用中獲得更高價值。范特斯說這不像計算器那樣單純投入越多越昂貴結果可能越好。
但企業仍需將這些成本轉嫁給自己的顧客。Sumo Logic 資深產品行銷總監畢爾·彼得森表示：「沒有人真正想出解決方案。」該軟體公司正在預覽基於代理型 AI 的新安全服務並與企業客戶討論如何收費。「我們內部仍對此進行有趣對話」他無奈地說道。
方案包括全面漲價按成果付費或收取事件包費用。但無論採納何種價格結構一旦大型語言模型供應商改變自身定價策略都會受到影響。彼得森表示這意味著變動式定價每幾個月就會變更一次客戶不喜歡這樣沒有人能根據那樣建立預算