【新智元导读】过去一年，AI模型的价格暴跌百倍！同样一句话，去年要10块，现在只要几分钱。可与此同时，家政、育儿、心理咨询、维修.....这些“手工活”越来越贵。科技正在疯狂通缩，生活却越来越通胀。这不是经济学笑话，而是Jevons与Baumol共同制造的现实：当机器更聪明，人工就更昂贵。

“LLM的token成本每年暴跌百倍，最高端的模型甚至以900倍的速度在坠落。”

上周，这句话出现在X的一条帖子里。



没有配图，也没有长文论证，只是一串冰冷的数字。

但它像一粒钉子，狠狠钉进了整个AI行业的神经——评论区刷屏的是一句话：“摩尔定律，回来了。”

发帖人是Rohan Paul，一位长期追踪AI成本曲线的分析师。他总结得更直接：

AI的价格，正以人类历史上任何技术都未见过的速度坍塌。

几天后，a16z的研究员Alex Danco在回应：

每当一种技术变得更便宜，人类劳动就会更贵。

两条看似独立的帖子，意外地组成了一个循环。

AI的价格在下坠，人类的身价却在上升。技术的通缩，正制造新的通胀。



一暴跌的AI，通胀的人类

过去一年，AI模型的价格几乎是“自由落体式”下跌。

研究者统计，自2022年底以来，用GPT-3.5等级模型的费用，从每百万token约20美元，跌到如今的0.07美元——整整便宜了280倍！



不同层级模型的价格坍塌速度存在显著差异。最弱模型每年约降价9倍，中等约40倍，最强约900倍。

另一份来自a16z的分析也指出，LLM推理成本正以每年10倍的速度下降，堪比摩尔定律的再生。



AI模型价格的时间坍塌曲线。以达到MMLU≥42分的最低价模型为例，成本从2022年初每百万token 60美元跌至2024年不到0.1美元。

以前一篇生成小说可能要花上几十美元，如今几毛钱就能搞定。

AI正在从奢侈品变成“自来水”。用多少都不心疼，甚至会忍不住想多用一点。

可事情并没有想象中那么简单。正如Rohan Paul所说：

价格下跌不代表节省，而是新的消费爆发点。

当模型调用变得廉价，我们开始到处植入AI：写文案、做翻译、编代码、剪视频……

算力需求不减反增，反而推高了能源和硬件价格。

与此同时，那些无法用AI完成的劳动，如家政、护理、心理咨询、维修......反而越来越贵。

修个空调、请个保姆，花的钱远超训练一次中型模型。

AI世界在通缩，而人类世界在通胀。



于是，一个看似荒诞的现实正在发生：AI越来越便宜，生活却越来越贵。

算法成本坍塌的背后，是劳动价值在重组：能被机器替代的部分快速贬值，不能被替代的部分，变成了新的“奢侈品”。



越便宜，越上瘾：AI版杰文斯悖论

1865年，英国经济学家William Jevons写下那句著名的警告：

别以为更高效就能节省燃料——那只会让我们烧得更多。



AI成本暴跌曲线。满足MMLU≥42的最便宜模型，从GPT-3的60 美元/百万token，到GPT-3.5-turbo的0.5美元，再到Llama 3.2 3b的不到0.1美元。

当时，他指的是蒸汽机。但160年后，这句话正在AI身上重演。

当模型价格不断暴跌，我们以为这是“省钱的时代”。

但事实是，成本下降，只会让人更舍得用。

以前一家公司买算力要开会审批，现在连中小企业都能一键调用GPT-4 Turbo；以前一个人谨慎地在ChatGPT里问十个问题，现在开着十个标签页狂跑脚本。

AI不再是工具，而是一种“无限续杯”的资源。

微软CEO Satya Nadella也在采访中提到：

杰文斯悖论又回来了：AI越高效、越便宜，人们就越离不开它。

AI正从“高端智能服务”变成“新公共设施”——像电、水、Wi-Fi一样，人人都在用。

这就是所谓的“AI版杰文斯悖论”：当使用变得太便宜，人类就不再节制。

用得越多，依赖越深。

于是我们看到，企业大规模调用模型跑A/B测试；创作者用AI做批量生成；研究机构反复微调模型；开发者开着十几路并行推理。



每一次降价，都会带来新一轮“滥用”。每一次效率提升，都会导致新的浪费。

而算力、能源、芯片也在这种“上瘾式增长”的过程中，被重新吞噬。



机器越来越聪明，人反而成了“奢侈品”

AI价格一路下坠的同时，一种奇怪的反差正在发生：算法越来越便宜，但人工越来越贵。

在美国，一小时的家政服务费，涨到了45美元；英国的管道维修师傅，时薪甚至超过了律师。



AI通缩时代的人类通胀：维修工的工资曲线。2020–2025年美国各类技术工种年薪变化，空调维修（HVAC）工资增速明显高于全国中位数。

一个搞机器学习的工程师，也许只需要几分钱跑完推理；但一个修机器的工人，却要几百块才能上门。

这不是偶然，而是一种被经济学家预言过的必然。

上世纪60年代，杰文斯提出了鲍莫尔成本病理论。



他发现，生产率越高的行业（比如制造业、科技业），价格越容易下降；而那些无法提升效率的行业，如演奏、教学、护理、修理反而因为要留住人，被整体经济的工资水平“拖”着涨价。

简言之：效率的红利，会让低效率的工作更贵。

把这个模型搬到今天，不难发现：AI是典型的高生产率行业，效率提升一千倍，成本暴跌百倍；

但那些无法被AI替代的领域：教育、心理咨询、手工维修、养老护理反而被卷入涨价潮。

就像a16z在分析中写的：

技术的通缩，往往制造人类的通胀。

当算力变成自来水，真正稀缺的，就只剩人类的时间、情绪和在场。

所以我们看到：算法在贬值，人格在升值。

能被自动化的工作，价格一路下滑；需要“人类气息”的工作，反而成了新时代的“奢侈品”。

这或许就是AI时代最讽刺的悖论——当机器越来越聪明，做一个“人”，反而变得最贵。



技术在降价，权力在集中

模型的价格一再下跌，听上去像是一场“全民普惠”。

人人都能用，人人都能接入，AI似乎终于变成了公共资源。

可现实恰好相反——AI越便宜，权力越集中。

这些年，降价的主角从来不是开源社区，而是几家巨头：OpenAI、Anthropic、Google、Amazon。

他们在“慷慨”地降低API价格的同时，也在重新定义入口。

模型越便宜，开发者越离不开他们的生态；服务越普及，算力、数据、算法标准也越被他们垄断。

这就是AI时代的新格局：价格在降，控制在涨。



麻省理工科技评论的一篇文章写道：

当一种技术被“免费化”，垄断往往也完成了隐身。

AI的降价，看似民主化，其实是平台化的加速。

我们每次调用模型，都在无形中为大公司训练下一代模型。

价格的坍塌，并没有让世界更平等，只是让我们以更低的代价，把更多的权力交出去。

与此同时，出现了一批“夹层人类”。

他们不写模型，也暂时不会被模型取代，而是夹在巨头系统与算法之间：提示词工程师、数据标注员、AI审核员、微调操作员……

他们的工作短暂、重复，却维持着整个AI体系的运行；他们是被AI放大的劳动，也是被算法消化的人。

AI确实变便宜了，但真正昂贵的，是能支配AI的人类时间与注意力。

于是我们看到一种新的悖论：技术在通缩，权力在通胀。

模型越平价，生态越封闭；AI越普及，中心越单一。

也许，这才是“AI通缩时代”最深的隐线——我们以为是走向普惠，其实正进入一个成本趋零、权力归一的世界。

我们经历的，不只是一场技术降价，而是一场价值重组。

模型越来越便宜，算法越来越快，效率像潮水一样泛滥。可真正被稀释的，其实是“人的定义”。

AI在吞噬重复、压低成本的同时，也在反向抬高稀缺性：创造力、情绪、判断、陪伴，这些无法被算法计算的部分，成了新一代的“高价资产”。

未来或许不是AI取代人类，而是“AI给人类定价”。

有些人会被替换；有些人，会被加价。

降价的是模型，升值的是人心。