用量在涨，账单不涨：AI 客户开始比价之后

先说结论

硅谷这两周有个信号，比任何一次模型发布都值得看：企业客户还在增加 AI 用量，但花在 AI 上的钱开始走平。

这两件事放在一起，说明单价下降的速度已经追上了用量增长。过去两年，行业默认的公式是「用得越多，收入越多」；现在这个公式要改一改，变成「用得越多，单价越低，收入未必更多」。

对买方是好消息。对模型厂商，竞争从「谁更聪明」切到「谁能让客户用更少的钱完成同一件事」。

账单为什么先平了

不是大家不用了。恰恰相反，调用量还在涨，只是每一百万 token 的价格掉得更快。

背后有几股力同时在推。

模型分层变得务实。前沿模型不再承担所有任务，复杂推理、长链路 Agent 留给最贵的那一档，摘要、分类、抽取、常规代码交给中档模型。很多团队发现，日常任务里真正需要前沿能力的比例并不高。

切换成本降下来了。接口形态趋同，评测方法透明，路由层可以把请求分到不同模型。以前换模型像迁移一个项目，现在更像改一处配置。客户一旦能随时换，议价能力就回来了。

开放权重模型把价格锚住了。同等能力附近只要有可替代的选项，闭源厂商就很难单方面提价。价格不一定马上打到最低，但天花板被压住了。

计费方式也变复杂了。缓存命中、批量接口、预留吞吐，这些折扣让「标价」和「实际单价」越来越不是一回事。采购方开始盯实际账单，而不是价目表。

这也让「越便宜用得越多」的说法只对了一半：用量确实会涨，但涨出来的量未必能补上降价。

便宜不等于省钱

这是最容易算错的地方。

便宜模型的单价低，但如果第一次没做对，第二次、第三次的 token 也要付，等待时间也要付，人工复核还要付。任务越靠近生产环境，返工越贵。

还有迁移成本。换模型不只是改一个 URL，提示词要重调，工具调用要重测，评测集要重建，审计记录要重新留。省下来的单价，可能刚好抵掉这些活。

所以采购的算法应该换一换：不看每百万 token 多少钱，看完成一个任务总共花多少钱。分母是「成功完成的任务数」，不是「发出去的 token 数」。

采购侧正在变的四件事

这四件事没有哪一件是「上一套工具就完事」。它们都要求团队先有自己的评测集，知道自己任务的成功线在哪。没有这条线，压价没有依据，切换也没有刹车。

另一个变化在合同上。以前常见的是年框锁量，现在采购方更愿意谈按用量弹性、价格保护、迁移协助。客户知道自己可以走，条款才会松动。

厂商的压力落在哪

先是毛利。推理成本下降有滞后，价格先降，利润后被压。规模能摊薄一部分，但摊薄的速度未必跟得上降价的速度。

然后是份额。客户切换变容易，领先者也不能躺着收钱。模型能力的差距在缩小，可靠性、延迟、集成体验、价格，任何一项掉队都可能丢单。

行业叙事也在变。以前卖的是「我能做什么」，现在客户先问「做这件事要多少钱、失败率多少、出问题谁兜底」。这不是情怀问题，是采购流程走到了预算这一关。

哪里容易看错

• 把支出走平当成需求见顶。支出等于用量乘以单价，单价降得足够快，用量涨得再多，账单也可能不动。要看的是用量、单价、成功率三个数，不是一个总数。
• 把便宜当成省。低档模型在边界任务上的失败，往往要用人来补。补一次两次看不出来，进了生产就是长期成本。
• 没有评测就全面切换。省下来的钱，可能不够一次线上事故的赔付和修复。
• 忽略锁定。价格低但接口私有、数据难导出、工具链绑死，下一轮谈判时还是要被动。

接下来该盯什么

对买方，现在是个窗口期。价格战还没结束，供应商愿意谈；路由和评测建得越早，后面越主动。先挑两三个高频任务做对照，把一次通过率和总成本记下来，再决定要不要扩。

对厂商，接下来的增长不再是「行业变大，我跟着变大」。得靠份额、靠效率、靠把单位成本压到别人做不到的位置。

一句话：AI 的账单不会自动变大了。以后每一块钱，都要证明自己花得值。