每1美元，中国AI给你115万个token，美国只给3万个

作者：快思慢想研究院 田丰，Global Times 张蔚蓝

引言

今年6月，美国AI创业公司Lindy的CEO做了一个决定：把公司所有流量从Anthropic的Claude切换到DeepSeek。他对外界的解释简洁到近乎粗暴——"接下来几个月，这个决定将为我们节省数百万美元。"

这不是一次情绪化的叛逃，而是一道纯粹的算术题。

用1美元，调用DeepSeek V4-Pro可以生成115万个输出token；同样的钱，在Anthropic Claude Opus 4.8上只能买到4万个token，在OpenAI GPT-5.5上只能买到3.3万个。价差，是28到34倍。

Lindy不是孤例。OpenRouter是全球最大的AI模型聚合路由平台，开发者在这里可以同时接入400余款模型、自由切换。它的流量数据，是目前观察全球开发者真实选择的最直接窗口。数据显示，自今年2月8日起，美国企业通过OpenRouter调用中国AI模型的token占比，每周均超过30%，峰值达到46%。而过去12个月的均值不过11%，2025年上半年更低至4.5%。

18个月，从4.5%到46%。硅谷的开发者正在用每一次API调用投票。

一、架构重塑成本：V4将推理算力需求打到V3.2的27%

经济学中，价格是成本的镜像。要理解中国AI模型为何能定出10倍乃至34倍于对手的价格差距，必须从成本结构的源头读起。

成本结构来自算法架构，这是第一性原理。

2026年4月24日，DeepSeek发布V4系列，分为V4-Pro和V4-Flash两个变体。V4-Pro总参数量1.6万亿，但每次推理仅激活490亿参数；V4-Flash总参数量2840亿，激活130亿。两款模型均以MIT协议开源，原生支持100万token上下文窗口。这个"激活参数"的概念，是理解中国AI成本优势的关键钥匙。

传统稠密模型（Dense Model）的计算方式，好比一家工厂接到每一份订单都要开动全部生产线——无论任务大小，全体员工到岗。MoE（混合专家）架构的革新在于：针对不同任务动态路由、仅激活最相关的"专家子网络"。V4-Pro的1.6万亿参数是全厂总产能，但每次生产只调用490亿参数的精锐小组，计算效率与一款单独训练的490亿参数稠密模型相当，却同时保有万亿级参数带来的深度知识储备。

但V4真正的架构突破，在注意力机制层面的再一次革命。

V3系列使用的MLA（多头潜在注意力）已是业界领先的KV缓存压缩技术。V4在此基础上引入混合注意力架构，融合CSA（压缩稀疏注意力）与HCA（重度压缩注意力）：CSA通过可学习稀疏模式处理长程token之间的关联选择，HCA对本地窗口缓存做极端秩压缩。效果直接写进了技术报告：在100万token的上下文场景下，V4-Pro所需的单token推理FLOPs仅为V3.2的27%，KV缓存降至10%；V4-Flash更极端，FLOPs压至10%，KV缓存降至7%。

这是什么概念？同等的推理算力投入，V4-Pro服务的token吞吐量相当于V3.2的近四倍。不是升级了服务器，是把同一台机器的产出效率扩大了四倍。

DeepSeek在V4技术报告中同时披露，V4训练语料超过32万亿token，引入了Manifold-Constrained Hyper-Connections（mHC）替代传统残差连接，强化超大规模训练中的信号传播稳定性；Muon优化器用于加速收敛；MoE专家权重采用FP4量化感知训练，进一步压缩内存与计算开销。

有一点值得坦诚说明：与V3技术报告完整披露训练成本（2.788M H800 GPU小时、约556万美元，对比GPT-4估计超1亿美元）不同，V4技术报告未公开训练总算力消耗与成本数字。DeepSeek仅披露了架构设计与推理效率数据。但逻辑闭环仍然成立：推理侧的算力需求已从技术报告中得到量化验证——百万token上下文的推理成本降至V3.2的约四分之一，这是新一代注意力架构带来的确定性成本坍塌。

这里还有一个不可忽略的背景：美国对华芯片出口管制，限制了中国AI实验室获取最先进GPU的渠道，客观上倒逼中国团队在算法效率上加倍投入。MoE架构、多头潜在注意力、FP8混合精度训练——这些技术路线的持续深耕，从某种意义上是在算力约束下磨砺出来的刀法。限制造就了专注，专注产生了降本的边际效率，而这种效率最终反哺为全球开发者可感知的价格优势。

芯片侧还有一个信号，战略意义甚至超过算法本身。V4是第一款深度适配华为昇腾AI芯片（Ascend 910B与950系列）、使用CANN开源软件栈（算子库、通信库）的前沿级开源模型，训练与推理均可在非NVIDIA硬件上完成。在华为昇腾950DT平台实测数据中，V4-Pro高并发推理吞吐量为每秒388 token，延迟约20毫秒；V4-Flash则达每秒4722 token。英伟达CEO黄仁勋在V4发布前8天接受播客采访时曾表示，"DeepSeek先于英伟达在华为芯片上跑起来"是他不愿看到的结局。8天后，V4发布，他所担心的事情成真了。

斯坦福2026年AI Index报告提供了最直接的宏观坐标：美中两国最强模型之间的能力差距，已从2023年5月的17.5至31.6个百分点收窄至2026年3月的2.7%，而美国的私募AI投资是中国的23倍（2859亿美元对124亿美元）。报告的结论一针见血：美国走的是"以资本换能力"路线，中国走的是"以效率换能力"路线。

快思慢想研究院的判断是，MoE稀疏激活体系每一代迭代（V2→V3→V4）的效率增益呈非线性累积。这是架构红利的复利效应，不是一次性技术突破——每部署一个token，边际成本差距就被复现一次。

二、开源是国家战略，不是慈善：定价目标的根本切换

价格背后是定价目标，定价目标背后是商业逻辑。

Anthropic在2026年5月完成H轮融资，估值攀至9650亿美元；OpenAI最新估值为8520亿美元，均已备案IPO。这两家公司的高API定价，承担着多重不可回避的结构性成本：推理成本占生产AI系统总预算的80%至90%，闭源模型还需叠加安全对齐研发的持续投入、企业服务基础设施的搭建，以及对规模空前的外部投资人的回报承诺。接近万亿美元的估值是一把双刃剑——它代表市场信心，也锁定了高定价的必要性。

中国模型的开源策略，彻底解构了这一套定价方程。

以DeepSeek V4-Flash为例，其API输入定价仅为每百万token $0.14、输出$0.28。V4-Pro更设计了一项专门针对Agent工作流的定价机制：缓存命中时的输入价格降至每百万token $0.003625，相对标准输入价格折扣达120倍。开放权重意味着开发者可自行下载并在本地硬件上运行，发布方无需为每一次调用收取边际利润，收入目标从"单次API的定价权"切换为"通过生态扩散建立分发护城河，再从云服务或企业定制中间接变现"。

这一策略的市场渗透效果已可量化。2026年2月，Alibaba的Qwen单月下载量达1.536亿次，超过Meta、DeepSeek、OpenAI、Mistral等后八名的总和。Qwen在Hugging Face上拥有超过18万个衍生模型，数量超过Google和Meta的总和。斯坦福、UC Berkeley的研究人员以低至30至50美元的成本基于Qwen训练出了表现领先的专用模型。新加坡政府选择了Qwen而非Meta的Llama，作为构建本国主权AI模型的基础底座。

斯坦福2026年AI Index的另一项数据提供了更深层的佐证：全球100篇最高引用AI论文中，中国机构的贡献已从2021年的33篇增长至2024年的41篇。这说明这场成本革命的底层，有一个充沛的技术研究储备在持续供给。

推动美国企业转向的，除了成本，还有另一股力量：美国国内对头部AI模型的监管审查正在收紧。合规压力、数据主权争议与模型使用条款的不确定性，催促部分海外企业主动寻找替代方案。中国开源模型恰好在这一节点提供了在本地部署、自主可控、成本更低的完整选项——这三个属性的组合，在企业级采购决策中具有较强说服力。

Andreessen Horowitz合伙人Martin Casado给出的数据，让硅谷内部感到不安：使用开源技术栈的AI创业公司中，约80%正在运行中国模型。

快思慢想研究院的判断是，中国主流AI实验室没有AppStore式封闭生态需要保护，反而得以用开源换市场份额而无历史包袱。开源是将成本优势转化为分发优势的战略乘数——这一策略已将竞争压力反向传导至OpenAI，促使其发布了自己的开源模型gpt-oss。市场的逻辑一旦成立，就有自我强化的能力。

三、Agent时代改变了一切：价差从"折扣"变成"生死线"

成本差距并非2026年才出现，却在这一年初突然成为市场的决定性变量。触发点是计算范式的切换。

英伟达CEO黄仁勋在多个场合强调，token是AI时代的货币，生产和消费token将驱动AI经济的未来。这句话在2026年初被Agent浪潮赋予了新的分量。

AI的工作方式正在发生根本改变。一次普通对话，模型响应一次；一个Agent任务——让AI自动规划、编写、测试、修正一段代码，或者自主完成一项研究——模型需要被反复调用数十乃至数百次。OpenRouter的实测数据显示，Agentic工作负载每次请求消耗的token量约是普通人机对话的15倍。编程类任务在OpenRouter平台的占比从2025年初的11%跃升至2026年中的50%以上，Agent驱动的输出token已占平台总量的多数——而这一爆发式增长集中在2026年2月之后。

这一转变，让原本可以被品牌溢价覆盖的价格差距，变成了直接穿透月度研发预算的硬约束。

以一项标准化编程工作负载为基准：同等任务在DeepSeek上耗费1071美元，在Claude上耗费4811美元，差距约4.5倍。单次调用的成本差距可能只是财务报表上的一个小数点，但在每日自动化调用数千次的Agent工作流下，这个差距直接决定了一家创业公司的技术路线是否在经济上可持续。这是Lindy做出决定的真实逻辑——他们切换的不是品牌偏好，是生存必选项。

值得关注的是，这种成本压力在不同行业的传导方式并不相同。资深电信产业观察者向锂光指出，AI落地的最后一公里是推理，而推理环节的token消耗才是真正的成本核心。对于很多实际场景——自动驾驶的实时感知决策、医疗问诊的高频辅助、家用机器人的指令响应——业务需要的不是最贵的旗舰模型，而是在足够的精度下以最低成本持续运行的推理能力。DeepSeek、智谱AI、阿里Qwen等中国厂商恰恰在架构优化、token效率与更智能的推理策略上持续投入，在单位算力产出上具备系统性优势，这使其在高频、长尾、对成本极度敏感的企业应用场景中，成为优先入选项而非将就之选。

更值得关注的是机构客户的行为迁移。OpenRouter数据显示，包括AI原生公司和大型组织在内的企业级用户，在2026年6月初向DeepSeek路由的token流量远超年初水平。这说明主动转向中国模型的，不只是预算有限的初创团队，具有真实议价能力的机构客户也在做出同样选择。

智谱AI的GLM 5.2提供了另一个维度的例证：在一项主流Agent基准测试中，GLM 5.2的得分与Anthropic Opus 4.8相差不足1%，但使用成本仅为后者的五分之一。这已经不是"便宜但将就"的逻辑，而是"同等能力、更低成本"的竞争格局——“智价比”正在成为企业级采购的首要筛选条件。

V4-Pro的缓存命中定价印证了这一取向：每百万输入token $0.003625，是标准输入价格的1/120。这一机制专门面向Agent工作流的结构性特征而设计——稳定的系统提示和RAG上下文在多轮调用中被反复使用，缓存折扣在高频Agent场景下的实际节省幅度，远超表面价差所展示的数字。

快思慢想研究院将这一现象归结为两种"token经济"模式的并存：一种以约束下的效率最大化为核心，另一种以稀缺性溢价为定价基础。Agentic范式下，两种路径的市场反馈周期极短：每日数千次的自动化调用让成本差距从"百分比折扣"变成了"技术路线可行性门槛"，而非一个可以被品牌溢价从容覆盖的次要因素。

四、三条线索，一个结论

从架构到生态，从代码到商业，这三条线索汇集成一个结论：

中国AI大模型在MoE稀疏激活架构持续迭代、开源扩散战略重构定价逻辑、Agentic工作负载放大成本差距三重叠加下，系统性压低了推理侧边际成本，并在Agent计算范式转移的节点，将价格差距转化为了市场份额的决定性优势。

"AI市场正在从模型最强的可选项，转向更具成本效益、更易部署的必选项。"这是开发者用脚投票、用流量数据写下的事实。

46%——这个在OpenRouter上峰值出现过的数字，可能只是个开始。

参考文章：《US firms’ growing adoption highlights rising competitiveness of Chines AI models: experts》，Global Times，Zhang Weilan.

畅销书：《AI商业进化论：“人工智能+”赋能新质生产力发展》

出版社：人民邮电出版社

作者：田丰

帮助你定位AI当下发展坐标的指南针

帮助你洞察AI未来演进趋势的航海图

通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。