从”随便用”到”按token收费”，开发者炸了
微软最近动了GitHub Copilot的定价，把原来的一口价改成了按token用量收费。调整幅度之大，Reddit上有网友直接把这件事叫做”Tokenpocalypse”——Token末日。
这件事之所以值得认真说，是因为它不只是Copilot涨价的孤立事件。整个AI行业长期靠资本补贴维持着”看起来很便宜”的假象，现在Anthropic等头部公司准备上市，必须向资本市场证明自己能赚钱，涨价和限流就不可避免。Copilot只是第一个，不会是最后一个。
Uber用了一个半月就把年度AI预算烧光了
TechCrunch的播客里提到一个很说明问题的例子：Uber在短短一个半月里就把今年的AI预算花得差不多了，然后不得不紧急设置上限，限制员工的使用量。
这种故事在大型科技公司里正在变成常态。几家AI实验室都在拼命思考同一个问题：能不能把成本降得足够快，快到跟用户的付费意愿接上头？
“这些AI实验室能不能降低成本，同时让技术进步到足以匹配用户的支付意愿？这是个很大的问题。我在节目里提过很多次，而且好像一直都在遇到这个问题。”——Sean O’Kane，TechCrunch
“Tokenmaxxing”从狂热到弃用，只用了六个月
这件事最让人感慨的地方在于变化的速度。”Tokenmaxxing”——能塞多少token就塞多少——从兴起、到达顶峰、到被认为是不计成本的做法，整个过程只用了六个月。
回想起来，ChatGPT Plus刚推出时把订阅价定在每月20美元，其实没有什么策略可言，就是随便抛了一个数字。从那以后，整个行业都在为这个定价买单。用户愿意为更高级的模型付更多钱，但即便如此，也还填不上实际成本和收入之间的缺口。
AI公司能走出盈利困境吗？
播客里把这个问题和Uber的早期经历做了对比。当年看衰Uber的人会拿它长期不赚钱说事，支持者就会说Uber最终会达到规模效应、填上亏损的坑。事实上Uber确实做到了，但它不得不彻底转型——从最开始的样子变成现在这个样子，压榨司机、拓展外卖、想尽办法从每个环节抠利润。
AI公司可能也得经历类似的痛苦转型。区别是，Uber的成本里很大一块是可以给司机压价的人肉成本，而AI实验室面对的是实打实的算力账单——电费、英伟达的GPU、数据中心的租金，这些都是刚性支出，没那么多水分可以挤。
现在去看那些准备IPO的AI公司的招股书会很有意思，因为风险因素那一章基本上是在用官方语言描述”我们也不知道这个生意到底能不能赚钱”这件事。而行业变化太快，连风险因素都来不及写准。