最近 DeepSeek 那些降價消息，確實讓不少人開始重新計算大模型的經濟模型。有人覺得這是一場價格戰，要把 OpenAI 和 Anthropic 的萬億估值打回原形。但我覺得，這話說得太早，也太簡化。因為，企業級市場的邏輯，從來不是只看誰的單位 token 便宜。
問題的核心，從來都不在於「能不能用 AI 寫程式」，而在於「能不能用 AI 安全地寫程式，並且確保成本可控」。像某些公司已經開始限制內部員工對模型的取用，甚至要求對「公司 token」負責，這背後反映的，是企業對成本和安全的雙重焦慮。當 AI 成為日常生產工具，企業面臨的挑戰就遠超個人用戶的體驗。你當然可以把幾十萬行的程式碼丟給 ChatGPT-4o 或 Claude 3 Opus 去處理，但你會不會擔心這些數據的流向？你願不願意為此支付高昂的費用？這筆帳，企業算得比誰都清楚。
以 Anthropic 的 Claude 3 Opus 為例，在長文本處理和複雜邏輯推理上的穩定性，確實讓它在某些高價值場景下，成為了不可替代的選項。例如在金融法務領域，處理動輒數十萬字的合約或報告，對模型的記憶力、一致性和幻覺抑制能力都有極高要求。這時候，如果模型在 8 萬 token 之後注意力就開始衰減，或者在多輪對話中前後矛盾，那麼即使單位 token 價格再低，也只會增加人工校驗的成本，甚至引入更大的風險。這不是簡單的「能用 AI 寫軟體」就能解決的，而是「能用 AI 寫出正確、安全、可信賴的軟體」。相較於 Qwen 那種動輒標榜極致性價比的策略，Anthropic 更傾向於在模型能力和安全性上構築護城河，讓企業客戶難以輕易抽身。
再看 OpenAI。它的生態系統，從 API 到客製化微調，再到 Plugin 和 GPTs，形成了一個龐大的護城河。企業客戶一旦深度整合了 ChatGPT 的 API，或者開發了基於 GPTs 的內部工具，其遷移成本之高，幾乎等同於重新建構一套系統。即使 MiniMax 或智譜的價格再誘人，企業也不會輕易拋棄現有的穩定架構，冒著業務中斷的風險去擁抱一個新的未知。這就像你已經買了一整套蘋果生態，你會因為一個 Android 手機的晶片跑分高一點，就全盤放棄嗎？企業級市場的決策，往往是基於長期穩定性、安全性、生態成熟度和總體擁有成本（TCO）的綜合考量，而非單純的價格。這也是為什麼，即使某些區域市場的價格戰打得再兇，四大平台的企業級訂閱用戶依然穩如泰山。
那麼，當市場逐步成熟，當企業開始精打細算每一個 token 的成本時，這些頂級模型供應商，會不會有動力去提升 token 效率，或者透過最佳化算力來降低成本？還是說，只要它們能繼續在企業級市場維持高價，這種創新的誘因就會減弱？畢竟，如果客戶已經習慣了每月 200 美元的服務，你還會主動去降價嗎？