現在看，模型公司找到「產品與市場契合點」這話，聽著像個冷笑話。畢竟，誰不知道 AI 好用？問題從來不在好不好用，而是「用得起」跟「怎麼用」。企業級用戶被綁上戰車，每個月兩百塊美金的訂閱費，聽起來好像不多，但當你的整個開發流程都開始依賴它，token 的消耗就像個無底洞，誰來算這筆帳？
很多公司現在都在開會，討論怎麼限制員工使用哪些模型，甚至要大家「對公司的 token 負責」。這不是一家小公司會遇到的問題，這說明連大企業都開始精打細算，擔心 AI 的成本會不會讓財報很難看。想想看，過去幾年，OpenAI 靠著 GPT-4 奠定霸主地位，Anthropic 則靠著 Claude 在長文本處理上殺出一條血路。他們把門檻拉高，收費自然也不手軟。GPT-4o 雖然免費版開放，但真要跑大流量、高頻次的企業級任務，API 的費用還是會讓人頭皮發麻。Claude 3 Opus 更是標榜頂級性能，價格當然也是頂級。當這些巨頭享受著高估值，卻又在成本控制上讓用戶買單，這中間的矛盾，誰又能視而不見？
當模型公司把重心放在「每 token 獲利」上，會不會反而扼殺了他們優化 token 效率、降低運算成本的動力？畢竟，如果我能從每個 token 上賺錢，那我為什麼要讓你的 token 消耗變少？這邏輯不難理解。現在市場上，像 DeepSeek、Qwen 這些，都把價格殺到見骨，甚至號稱 99% 的降幅。這讓 OpenAI 和 Anthropic 的萬億估值，看來有點危險，畢竟整個東西方市場加起來，可能才值這麼多。然而，即便有低價選擇，企業用戶真的能說走就走嗎？畢竟，模型的穩定性、安全性、API 的成熟度，還有長期累積的企業數據微調，這些都是沉沒成本。
所以，問題就來了：當 AI 成為企業不可或缺的基礎設施，而現有巨頭的商業模式又建立在「按量計費」的基礎上，這場成本拉鋸戰會怎麼收場？是企業只能默默接受高昂的 API 費用，還是會有新的技術突破能徹底改變 token 的定價邏輯？