AI 會像石油，還是像雲端？一桶智能比價法的盲點

前幾天群組裡有人傳來一張截圖，內容是 All-In Podcast 主持 Chamath Palihapitiya 把 AI 比喻成石油，說一百萬個 AI token 就是一桶「智能」，還列出各家的每桶售價：Anthropic 56 美元、OpenAI 26 美元、Meta 1.5 美元、xAI 與 Google 各 1 美元，中國開源模型只賣 50 美仙。他認為這種懸殊定價「終須回歸合理」，押注高價智能的人日後會有麻煩。

我看完的第一反應是：方向對，但比喻太乾淨。把「每百萬 token 的價格」直接等同於「智能的價格」，這個比較會讓人忽略很多關鍵細節。

Chamath 說了什麼

簡單整理，他列出的「每桶智能」價格大約如下：

模型／公司	每百萬 token 價格（Chamath 所列）
Anthropic	約 56 美元
OpenAI	約 26 美元
Meta	約 1.5 美元
xAI	約 1 美元
Google	約 1 美元
中國開源模型	約 0.50 美元

【待查證：各家 API 價格與計價單位經常調整，發布前請再核實官方價格表】

我同意的一半：通用智能正在變便宜

Chamath 的判斷背後有幾個合理的趨勢，我大致認同。

基礎推理正在變成日用品

摘要、分類、翻譯、客服、一般程式碼生成，現在很多便宜模型已經「夠好」。企業自然會開始做模型路由：簡單任務丟給便宜模型，只有複雜或關鍵任務才升級。這不是技術狂熱，而是成本紀律。

價格壓力是真實的

中國開源模型的定價確實低得驚人。以 DeepSeek 官方文件為例，每百萬輸入 token 約 0.14–0.435 美元，輸出約 0.28–0.87 美元（視模型與服務等級而定）。相比之下，xAI 不同模型的輸入／輸出價格約在 1–6 美元之間，Google 也會依模型、服務等級與輸入輸出比例而異。這些價格會隨時調整，但差距之大是事實。

沒有黏性的包裝商最危險

如果一家公司沒有專有數據、客戶 workflow、獨特產品或轉換成本，只是在大模型上包一層介面，那它的毛利很容易被價格戰壓縮。這一點，我認為 Chamath 說得對。

我反對的一半：一百萬 token 不等於一桶智能

問題在於，把「每百萬 token 價格」當成唯一指標，會讓人以為智能是均質商品。但現實不是這樣。

各家 tokenizer 不同、推理 token 的計算方式不同、輸入輸出比例不同，就連官方價格表也會把輸入、輸出、快取、批次處理分開計價。更重要的是，模型之間的可靠性、程式能力、工具使用、延遲、上下文長度、企業合規、支援地區與語言都不一樣，這些都不會顯示在「每百萬 token 多少錢」那個數字裡。

把這些複雜差異濃縮成單一價格，再說這就是「一桶售價」，聽起來俐落，但會誤導判斷。

真正該比的，是完成任務的總成本

與其問「這桶智能多少錢」，不如問：「我要做的事，由哪個模型完成，總成本最低？」

便宜模型若需要重試三次、產出更長的回答，最後還要人工檢查，那它可能一點都不便宜。
若 0.50 美元的模型一次就能完成普通任務，花 50 美元去調用頂級模型當然不合理。
「開源」也不等於免費：自行部署要 GPU、電力、工程維護、監控、資安；API 價格也可能含補貼，不代表長期可持續成本。

重點不是價格本身，而是單位任務成本——包含失敗率、重試率、輸出長度、後續人工檢查的時間，全部加起來才算數。