OpenAI考慮降價削減代幣費用，AI代幣成本飆漲十倍

AI產業從定額補貼轉向代幣計費的趨勢已走到盡頭，OpenAI準備大幅降價，重新定義這片價值兩千億美元生成式AI市場的經濟模式。

OpenAI正考慮大幅削減代幣價格，以爭取來自Anthropic的企業客戶。此舉將進一步壓縮兩家AI實驗室本就因每年虧損數十億美元而吃緊的利潤空間。

「AI的使用成本已經成為一個巨大的問題，」OpenAI執行長山姆·奧特曼（Sam Altman）在近期一場活動中表示，並補充說公司將「幫助人們用更少的支出獲得更大的價值。」

這場價格戰的背景，是企業AI預算經歷了殘酷的六個月。從二月到六月，OpenAI、Anthropic和GitHub相繼從定額月費制轉向按用量計收代幣費，過去被隱藏的實際成本就此曝光。Coinbase對每位員工設置了每週500至5000美元的支出上限。Uber在四月份就用完了整個2026年的AI預算。Salesforce預計今年將向Anthropic支付約3億美元。

降價可能侵蝕OpenAI和Anthropic的利潤——它們在運算成本上已虧損數十億美元。但更深層的風險在於，降價等於承認AI模型已商品化——變成可互換的產品，客戶只會流向最便宜的選擇。這種動態將威脅兩家公司的IPO估值，並可能波及Nvidia、Oracle和CoreWeave等基礎設施供應商。

從補貼到帳單震撼

計費模式的轉變醞釀了三年之久。2023年初，OpenAI推出ChatGPT Plus，月費19.99美元，奠定了定額收費的標準，微軟的GitHub Copilot和Google的Gemini Advanced隨後跟進。為了提高採用率，這些公司補貼了大量使用的用戶：微軟每個月從每位GitHub Copilot訂閱者身上平均虧損20美元，部分重度使用者甚至耗費80美元。

到了2026年6月，這一模式已難以為繼。GitHub將所有方案轉為代幣計費，原本19美元的月費變成一筆代幣額度，一次自主編程對話就可能用盡。Deloitte一名資深軟體工程師估算，在新的計費系統下，一次高度詳細的提示（prompt）可能花費超過100美元。Anthropic的開發文件顯示，一個使用Claude Code的十人團隊，每年僅在代幣上的花費就可能超過7萬5600美元。

這項支出的回報依然偏低。企業數據平台Entelligence.AI分析了2444家公司，發現每花1美元在AI代幣上，只有18美分能產生面向用戶的價值，其餘都用於修復AI引入的錯誤、重做與審查摩擦。

價格戰的算盤

OpenAI降價的舉動部分帶有先發制人的意味。據知情人士透露，該公司預期Anthropic也會調降費率，因此希望率先出擊。Anthropic的營收在Claude Code於軟體工程師之間爆紅後大幅攀升，這家成立五年的新創公司估值也首次超越OpenAI。

問題在於，兩家公司的產品具有高度可替代性。客戶可以在OpenAI與Anthropic的模型之間輕鬆切換，這意味著降價或許能暫時留住客戶，卻無法建立持久的競爭優勢。這條財務鏈還會延伸至雲端服務商：據《The Information》報導，OpenAI和Anthropic合計占微軟、Oracle、Google和亞馬遜未來雲端服務承諾金額（約2兆美元）的一半以上。AI實驗室的營收預期下降，可能波及這些合約。

神經科學暨AI研究員加里·馬庫斯（Gary Marcus）警告，OpenAI若走下坡，「很可能會拖累Nvidia、Oracle、CoreWeave等公司。」

贏家可能是更便宜的替代方案

價格戰的最大受益者可能既不是OpenAI也不是Anthropic。中國AI模型正在注重成本的美國企業中獲得關注。根據第三方估算，DeepSeek的API定價約為GPT-5.5的十分之一，以及Claude Opus 4.7的十一分之一。企業支出平台Ramp在六月報告指出，DeepSeek已成為美國企業中增長最快的軟體訂閱服務。

「企業現在開始質疑，是否每個任務都需要用到前沿模型，」IT顧問公司FPT Americas的AI解決方案主管Niranjan Krishnan表示。「新鮮感已經消退，務實的實用主義取而代之。」

Coinbase已開始將基礎任務導向DeepSeek和MiniMax等較便宜的模型。軟體新創公司Harness則訓練工程師更有效率地使用Claude Code，以控制從十月到三月期間呈指數增長的開支。

對投資人而言，影響十分明顯。Nvidia的本益比約為35倍遠期盈餘，其中很大一部分溢價來自AI模型訓練需求。如果企業客戶轉向更便宜的推理模型和較小的實驗室，GPU的採購週期可能放緩。CoreWeave第一季營收達20.8億美元，但淨虧損高達7.4億美元，該公司尤其容易受到其所服務之AI實驗室定價動態的影響。

Citadel Securities提出了一個分層定價與稀缺性計費的架構：前沿模型對複雜任務繼續收取高費率，而較簡單的模型則處理日常工作。這種結構能維持AI實驗室的營收，但也限制了高端推理的總體可達市場。

本文僅供資訊參考，不構成投資建議。