北京
如果按照科技产品的一般规律，东西越好用，价格就应该越便宜。但在AI这个赛道上，这个规律似乎正在失效。一边是各家大模型的能力突飞猛进，另一边却是使用成本悄悄爬升，甚至动辄失控。
个中原因，还得从一个新近被频繁提起的词说起——Token放大。这个词的走红，背后藏着当下AI经济最核心的悖论。
过去大家聊AI的经济账，目光往往集中在数据中心投了多少钱、电力消耗有多恐怖，或者市场份额怎么划分这类宏观话题。但很少有人注意到，在每一次看似简单的提问背后，真正的吞噬正在悄然发生。
现在想要一个AI老老实实回答问题，已经不算什么新鲜事了。过去两年模型能力的跃迁，让简单到中等难度的问答变得稀松平常。真正的潜力，在于让AI去执行那些多步骤、可重复的复杂任务，也就是所谓的Agent任务。以前可能得派个人花几天甚至几周才能跑完的流程，现在交给AI几分钟就能搞定。
但问题也恰恰出在这里。一个在你看来轻飘飘的请求，背后进行的处理量可能远超想象。
AI的计算时间用Token来计量。一个简单的问答，也许消耗200到2000个Token。如果需要模型上网查点资料，大概会用到1000到4000个Token。但一个Agent任务，哪怕听起来毫不起眼，轻轻松松就能烧掉数百万个Token。
怎么会差出这么多？核心就在于AI没有记忆。每次你在对话里追问一个新问题，模型不会只处理这一句话。为了理解上下文，它会把从对话开始那一刻起你写过的每一个字、它回复过的每一行内容、你上传过的每一个文件，全部重新加载并处理一遍。
这意味着一场长对话越往后拖，每一次提问的实际成本就越高。假设单独一个问题只需要500个Token，但因为要回头把前面所有历史信息再算一遍，第二个问题可能就要耗掉600个Token，第三个更多，如此累加。一场对话下来，总开销是每一次交互的累积总和，而且还有一个额外惩罚：随着聊天记录越拉越长，响应速度也会肉眼可见地变慢。
回到前面那个生成报告的请求。这类任务必须分阶段执行，比如查Excel表格要走三步，查CRM系统要四步，针对产品信息做几次网页搜索，再加上十几步中间处理和计算环节。每一步都在往Token消耗的总账上添砖加瓦，等报告跑出来，所有步骤累积下来，消耗的Token量可能已经是百万级别。
这便是成本失控的源头。哪怕在最理想的情况下，每一环节都运转顺滑，这种消耗结构本身已经决定了，越复杂的任务，开销越是指数级往上蹿。AI模型确实在变好，但这并不意味着它会变便宜，反而因为能力变强，我们开始托付给它更复杂的事情，而复杂是昂贵本身。这就是AI经济不得不面对的那个持久悖论。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
