今年以來，在龍蝦熱的帶動下，中國AI大模型的調(diào)用量大幅增長，但是就在最近中國AI大模型的周調(diào)用量突然出現(xiàn)大幅下降，這是怎么回事？為啥大家突然不用了？

一、中國AI大模型周調(diào)用量大降？

《每日經(jīng)濟(jì)新聞》根據(jù)OpenRouter最新數(shù)據(jù)測算，上周（4月13日至19日）全球AI大模型總調(diào)用量為20.6萬億Token，連續(xù)兩周下滑。

其中，上榜的AI大模型中，中國AI大模型的周調(diào)用量下滑至4.441萬億Token，連續(xù)兩周下滑，較此前一周下滑23.77%；美國AI大模型周調(diào)用量為4.908萬億Token，環(huán)比增長20.62%。美國AI大模型周調(diào)用量在近兩個月以來首次超越中國。

《每日經(jīng)濟(jì)新聞》注意到，上周全球調(diào)用量排名前九中，有四款中國AI大模型。其中，DeepSeek V3.2排名第二，周調(diào)用量達(dá)1.28萬億Token；MiMo-V2-Pro排名第四，周調(diào)用量達(dá)1.15萬億Token，環(huán)比增長90%；MiniMax旗下兩款模型上榜，MiniMax M2.5排名第六，周調(diào)用量達(dá)1.05萬億Token；MiniMax M2.7排名第七，周調(diào)用量達(dá)0.961萬億Token，環(huán)比下滑19%。

據(jù)鳳凰財經(jīng)的報道，詞元（token）消耗規(guī)模激增，是AI應(yīng)用擴(kuò)張最直觀的證據(jù)。中國國家統(tǒng)計局?jǐn)?shù)據(jù)顯示，3月國內(nèi)日均詞元調(diào)用量超過140萬億，比上年末增長超40%。在智能體等高詞元消耗場景下，成本優(yōu)勢讓國產(chǎn)模型對價格敏感型開發(fā)者更具吸引力。

二、為啥大家突然不用中國AI大模型了？

最近，中國AI大模型周調(diào)用量大幅下滑的消息引發(fā)行業(yè)關(guān)注，不少人疑惑，曾經(jīng)被視為科技新風(fēng)口的大模型，為何突然“失寵”？這其中的原因到底是什么？

首先，調(diào)用下降本質(zhì)是價格杠桿機(jī)制的回歸。前些年，AI大模型市場尚處于培育階段，各家企業(yè)為了迅速擴(kuò)大市場份額、吸引開發(fā)者入駐，普遍采用了低價甚至免費(fèi)的策略。這種策略在市場初期確實起到了立竿見影的效果，大量的開發(fā)者被吸引過來，調(diào)用量呈現(xiàn)出爆發(fā)式增長。然而，市場環(huán)境是不斷變化的，隨著技術(shù)的逐步成熟和市場格局的初步穩(wěn)定，各家國產(chǎn)大模型企業(yè)紛紛調(diào)整策略，開始漲價。畢竟互聯(lián)網(wǎng)時代，先免費(fèi)后收費(fèi)的套路早已經(jīng)屢見不鮮，從之前的共享經(jīng)濟(jì)產(chǎn)品，到現(xiàn)在的大模型產(chǎn)品其實無一例外。

雖然漲價是順理成章的事情，但成本的上漲對于開發(fā)者來說，無疑是一個沉重的負(fù)擔(dān)。對于許多中小型企業(yè)和個人開發(fā)者而言，他們本身資金實力有限，在面對高昂的調(diào)用成本時，不得不重新審視自己的開發(fā)計劃和預(yù)算安排。原本可以隨意調(diào)用大模型進(jìn)行各種實驗和開發(fā)的場景，如今變得謹(jǐn)慎起來。前不久，筆者一個朋友的公司就碰到過類似的情況，之前年初公司要求每個人都要部署自己的龍蝦使用，但是之后公司發(fā)現(xiàn)token實在是用不起了，趕快下通知要求每個人使用龍蝦都要提前報備并且根據(jù)實際產(chǎn)出提供token。

畢竟，在商業(yè)世界中，投入產(chǎn)出比是每個決策者都必須考慮的重要因素。當(dāng)調(diào)用大模型的成本超過了其帶來的收益預(yù)期時，付費(fèi)意愿自然會下降，進(jìn)而導(dǎo)致調(diào)用量的減少。這種變化是市場規(guī)律作用下的必然結(jié)果，也反映出企業(yè)在市場不同發(fā)展階段策略調(diào)整對產(chǎn)業(yè)鏈下游產(chǎn)生的深遠(yuǎn)影響。

其次，應(yīng)用模式的轉(zhuǎn)變引發(fā)詞元消耗量劇增。AI應(yīng)用場景的深層變革，讓大模型的調(diào)用成本與技術(shù)門檻同步攀升，倒逼開發(fā)者進(jìn)入審慎調(diào)用階段，這是技術(shù)迭代帶來的必然陣痛。過去，AI應(yīng)用多集中在傳統(tǒng)的問答式交互，場景簡單、邏輯清晰，對大模型的調(diào)用效率和資源消耗相對可控，基本上一個對話只要消耗少量的token，不會有大的問題。

但從今年開始，伴隨著以O(shè)penClaw為代表的智能體的興起，AI應(yīng)用從被動回應(yīng)轉(zhuǎn)向主動完成任務(wù)，這種跨越式的場景升級，讓大模型的調(diào)用模式發(fā)生了根本性改變。智能體需要處理復(fù)雜的任務(wù)鏈條，涉及多輪推理、動態(tài)決策和跨場景協(xié)同，每一次任務(wù)執(zhí)行背后，都是指數(shù)級增長的詞元消耗，這意味著調(diào)用成本不再是線性提升，而是呈現(xiàn)出爆發(fā)式增長。筆者自己就嘗試過多次，只是幾個很簡單的任務(wù)，幾百萬的token就在短時間內(nèi)被快速消耗掉了，所耗費(fèi)的費(fèi)用動輒幾十上百。

對于開發(fā)者而言，這種成本壓力已遠(yuǎn)超預(yù)期，即便有技術(shù)實力，也必須權(quán)衡投入產(chǎn)出比，不敢再像過去那樣隨意調(diào)用大模型進(jìn)行試錯和探索?？梢哉f，智能體帶來的技術(shù)變革，讓大模型從“好用”變成了“用不起”，這種成本與效率的失衡，直接抑制了開發(fā)者的調(diào)用熱情，也讓調(diào)用量的下滑成為必然。

第三，市場新鮮感消退，流量回歸理性。智能體等新應(yīng)用的熱度回落，本質(zhì)是市場對“偽需求”的自發(fā)篩選，是新奇效應(yīng)褪去后的價值回歸，這印證了產(chǎn)業(yè)發(fā)展的客觀規(guī)律。在OpenClaw智能體剛出現(xiàn)時，其自主完成任務(wù)的新鮮感迅速點(diǎn)燃市場，無論是個人用戶還是企業(yè)開發(fā)者，都將其視為AI落地的終極形態(tài)，紛紛涌入體驗，這種爆發(fā)式的關(guān)注帶來了短期的流量高峰，也讓大模型調(diào)用量隨之水漲船高。

但隨著使用深度的提升，大部分人逐漸發(fā)現(xiàn)，智能體并非人人可用的萬能工具，其使用需要具備一定的技術(shù)儲備和場景適配能力，對于普通用戶而言，操作門檻過高，目前OpenClaw能解決的問題還是相對比較基礎(chǔ)的，即使是最近大火的“養(yǎng)馬Hermes”也不是那么適用于每個人。對于多數(shù)企業(yè)而言，落地成本與實際收益不匹配，無論是OpenClaw還是Hermes僅能滿足少數(shù)特定場景的需求，難以形成規(guī)?；瘧?yīng)用。這種理想與現(xiàn)實的差距，讓智能體的新奇效應(yīng)迅速消退，流量和調(diào)用量自然回歸到理性區(qū)間。

第四，AI大模型產(chǎn)業(yè)的邏輯正在全面重塑。伴隨著市場進(jìn)入新的發(fā)展階段，全面回歸理性已成為不可逆轉(zhuǎn)的趨勢。對于國產(chǎn)大模型企業(yè)來說，如何在價格與流量之間找到一個平衡點(diǎn)，成為了決定其長期發(fā)展的關(guān)鍵問題。

如果企業(yè)一味地追求高價格，雖然可能在短期內(nèi)獲得較高的利潤，但會導(dǎo)致開發(fā)者和用戶的流失，調(diào)用量下降，最終影響企業(yè)的市場份額和品牌影響力。相反，如果企業(yè)為了吸引流量而過度降低價格，甚至繼續(xù)采用低價或免費(fèi)的策略，雖然可以在一定程度上提高調(diào)用量，但可能會面臨成本壓力過大、盈利能力不足等問題，不利于企業(yè)的可持續(xù)發(fā)展。

不過好在我們也看到了很多新的希望，剛剛發(fā)布的DeepSeek V4大模型不僅沒有出現(xiàn)大規(guī)模的漲價的現(xiàn)象，反而選擇了逆市降價，核心邏輯就是DeepSeek通過自身技術(shù)的優(yōu)化，利用稀疏注意力架構(gòu)和混合專家模型成功地大規(guī)模降低了自身的成本，讓推理一次的token消耗量快速降低，這才是AI大模型發(fā)展的必然趨勢。從物理上，利用中西部地區(qū)便宜的綠色能源以及低溫的優(yōu)勢，可以大幅降低算力的成本，從而從物理層面上降低自身的價格。在技術(shù)上，利用技術(shù)創(chuàng)新實現(xiàn)全流程的優(yōu)化，從而降低單次推理的成本。這種雙管齊下的邏輯才是未來的關(guān)鍵。

因此，國產(chǎn)大模型企業(yè)需要根據(jù)自身的技術(shù)實力、市場定位和成本結(jié)構(gòu)等因素，制定出合適的定價策略。這個定價策略既要能夠覆蓋企業(yè)的成本，保證一定的利潤空間，又要具有市場競爭力，能夠吸引開發(fā)者和用戶的使用。同時，企業(yè)還需要不斷優(yōu)化產(chǎn)品和服務(wù)，提高大模型的性能和穩(wěn)定性，降低詞元消耗量，為開發(fā)者和用戶提供更好的體驗。只有這樣，才能在價格與流量之間找到一個最佳的平衡點(diǎn)，確保自身的長期優(yōu)勢。