当前，AI Token成本持续攀升，已然成为众多企业财务决策者的核心困扰，不少企业因此收缩AI投入、重新核算项目投资回报率。对此，OpenAI董事长布雷特·泰勒（Bret Taylor）作出大胆预判：这一困扰行业的Token计费难题，将在一年内彻底消解，AI行业将全面从传统Token按量付费模式，转向按业务结果付费的全新商业模式。
当地时间7月20日，泰勒在接受CNBC专访时公开表示，随着AI市场逐步走向成熟、工业化应用落地提速，企业无需再耗费精力自行核算、管理Token消耗成本，未来行业主流将是直接依据AI产出的实际业务效果付费。这一判断精准契合当下全球企业愈发重视AI投资回报率的行业趋势，为AI商业模式迭代指明了核心方向。
与此同时，针对国内初创公司月之暗面（Moonshot）最新发布的Kimi K3模型，泰勒保持审慎观望态度。据悉，Kimi K3模型宣称以更低算力成本，实现了对标OpenAI、Anthropic旗舰模型的性能水准，一经发布便在硅谷引发广泛热议。但泰勒明确指出，该模型“实际落地使用是否真的更便宜”这一核心问题，目前尚无定论，成本优势仍需市场充分验证。
Token困境：成本飙升倒逼行业模式变革
Token是AI模型处理文本、图像等各类数据的基础计量单位，也是现阶段全球企业核算AI使用成本、管控AI预算的核心依据。今年以来，全球AI应用快速普及，Token消耗规模持续扩张，叠加算力、能源等配套成本上涨，Token成本呈现螺旋式上升态势。
成本压力下，大量企业被迫削减AI项目预算、收缩AI业务布局，行业内关于AI投入产出比的争议持续升温，粗放式的按量计费模式弊端全面凸显。在泰勒看来，当下围绕Token成本管控、预算波动、收益不对等的各类行业痛点，本质上都是AI市场尚未成熟、商业模式处于过渡期的典型表现。
他将当前AI行业的Token计费现状，类比于互联网发展早期：上世纪90年代互联网初兴阶段，搭建网站的成本极高、流程繁琐，而随着产业成熟，相关成本与门槛大幅降低。“我们仍处在AI技术发展的早期阶段，这既是行业挑战，也是创业者的机遇，倒逼行业开发全新解决方案，让企业彻底摆脱底层Token管理的繁琐负担。”泰勒说道。
模式迭代：从管控Token到按结果付费
基于行业发展规律，泰勒预判，未来12个月内，AI商业模式将完成关键转型：专业技术服务商将承接所有Token核算、调度、管控等底层工作，企业无需关注Token消耗、算力损耗等底层技术成本，只需根据AI落地产生的实际业务成果支付费用。
这一趋势并非空谈，目前行业已显现明确落地迹象。泰勒举例佐证，财务管理平台Ramp已推出专属的Token支出追踪工具，助力企业精细化管控AI成本；垂直领域AI初创公司Harvey等企业，已率先为客户提供Token消耗代管服务，替企业承接底层成本管理工作，成为“按结果付费”模式的先行探索者。
在他看来，伴随AI工业化应用持续深化，企业AI部署将走向精细化、场景化。未来市场、研发、运维等不同业务场景，都会匹配专属的AI解决方案，企业只需聚焦业务成效，彻底无需关注“Token”这一底层计费概念。届时AI采购逻辑将全面重构，从“买算力、买Token用量”转变为“买效果、买业务价值”。
理性审慎：不盲目认可低成本模型红利
业界普遍认为，大模型技术迭代、效率提升将长期拉动Token成本下行，低成本模型将成为行业主流趋势。但泰勒对此保持理性审慎，并未全盘认可低成本模型的落地价值。
针对近期热度极高的Kimi K3低成本高性能模型，泰勒始终保留判断。他强调，模型纸面成本低廉、性能对标旗舰模型，不代表实际落地具备成本优势。“对于企业用户而言，落地使用是否真的更便宜、更高效，是评判模型价值的唯一核心标准，而这一点目前尚未得到充分验证。”
其表态也为行业敲响警钟：在AI模型快速迭代的当下，企业选型无需盲目追捧低成本、新模型，需以实际落地成本、业务适配效果、长期稳定性为核心依据，理性评估各类新兴模型的实用价值，规避技术噱头带来的投入风险。
行业趋势总结
整体来看，AI行业正告别“按量计费、重成本管控”的初级阶段，向着“效果付费、重价值产出”的成熟商业模式演进。泰勒的一年期预判，不仅揭示了AI商业化的核心迭代方向，也契合全球企业降本增效、追求AI落地实质价值的核心需求。未来，AI服务商的核心竞争力，将从模型参数、算力规模，转向场景适配能力、业务赋能效果与成本可控性。