当“每百万 token 价格自 3 月以来下跌 41%”和“头部公司人均 AI 支出下降近 10%”同时出现，说明企业用 AI 的方式正在发生结构性变化。
发生了什么
据 The Decoder 报道，Ramp AI Index 2026 年 9 月版数据显示，美国 AI 支出排名前 1% 的公司，8 月的人均 AI 支出环比下降近 10%。同一份数据还显示，每百万 token 的价格自 2026 年 3 月以来已下跌 41%。报道指出，企业正在主动把使用量从昂贵的前沿模型迁移到更便宜的替代方案。
值得注意的是，这并非“企业减少使用 AI”，而是“用同样的钱买到更多 token”。支出下降与用量增长可以同时成立。
为什么重要
过去两年，AI 支出曲线几乎等同于模型能力曲线：谁用最强的模型，谁就付出最高的单价。前沿模型厂商的定价逻辑也建立在这一前提上——能力溢价可以转化为收入溢价。
但企业侧的采购逻辑正在回归正常：当任务本身不需要最强推理能力时，为前沿模型付费就是浪费。分类、抽取、摘要、路由、客服草稿这类高频任务，用便宜模型往往足够；只有少数复杂推理环节才值得调用最贵的模型。这种“按任务分层”的用法，正在被更多公司制度化。
对 OpenAI、Anthropic 这类供应商来说，问题变成了：token 价格下跌 41% 之后，用量增长能否补上单价损失？如果企业把大部分流量迁到低价档位，收入结构会被重塑——高价值但低频的前沿调用，和低价值但高频的廉价调用，将形成两条完全不同的商业曲线。
影响与看点
对开发者而言，这意味着模型路由、成本可观测性和降级策略会从“优化项”变成“基础设施”。能自动判断任务难度、在多个价位模型间切换的中间层，价值会上升。
对企业采购而言，人均支出下降不一定是坏消息，它可能意味着 AI 从试点预算变成了可规模化的常规支出——只有当单位成本足够低，AI 才可能真正嵌入日常流程。
值得关注的三个信号：一是头部公司的支出下降是短期优化还是长期趋势；二是低价模型的用量增长是否真的能抵消单价下滑；三是前沿模型厂商会不会通过能力代差重新拉开价格分层。
一个独立判断：这轮降价不是价格战的结果，而是企业用脚投票的结果。真正被重新定价的不是 token，而是“智能”本身——市场正在为不同等级的智能分别标价。
