中美AI大模型竞争加剧：OpenAI等海外巨头大幅降价对标Kimi、DeepSeek

人工智能行业迈入了一个全新的竞争阶段。面对中国新一代模型带来的压力，全球主要AI企业正在大幅调整定价策略，同时提升入门级模型的能力。

OpenAI率先行动，将基础前沿模型ChatGPT 5.6 Luna的价格大幅下调了80%，同时中端模型5.6 Terra也降价20%。而就在一周多前，谷歌刚刚推出了价格更低的Gemini 3.6 Flash和3.5 Flash-Lite模型。Anthropic走的是另一条路——虽然没有直接降价，但用能力更强的Claude 5.0替换了价格最低的Opus 4.8，且保持价格不变。这本质上也是一种变相降价。

全球竞争加剧正在推动AI能力变得更加廉价，但这也可能以牺牲这些大型公司的利润率为代价。此前数月，多家大型AI企业已经宣布削减成本，并限制AI技术的使用范围，甚至包括埃隆·马斯克旗下的xAI等曾大力推动AI发展的公司。尽管越来越多员工开始使用AI，但目前报告显示，实际生产力提升并没有达到预期。

竞争进一步升级

中美AI路径的差异，其实折射出两国长期以来的产业底色。美国企业倾向投入巨额资金推动最前沿技术发展，而中国开发者则依靠强大的制造业和工程能力，打造出成本更低、规模更精简、但在高端能力上几乎不逊色的AI模型。

2025年，DeepSeek曾让西方AI开发商措手不及；2026年，Kimi K3再次上演了类似的一幕。单独来看，这些事件已经足以让OpenAI、谷歌和Anthropic等公司感受到压力。但更关键的是，在此之前，不少重度使用AI的企业一直在抱怨Token成本飞涨。因此，当市场上出现性能接近但价格大幅降低的新模型时，整个行业都受到了强烈震动。

如今，大型AI公司已经无法简单依靠增加模型参数数量和训练数据规模来竞争。它们必须真正开始进行价格竞争，而OpenAI已经大幅降低了部分模型的价格。值得注意的是，OpenAI并没有降低最强大的旗舰模型价格。事实上，该模型更快版本的价格反而上涨。但其前沿级模型如今已经达到历史最低价，而AI能力提升与价格下降的速度令人震惊。

降价幅度有多大？来看一组数据。今年3月，OpenAI发布ChatGPT 5.4，该模型拥有更强大的智能体能力，当时价格为每百万输入Token 2.5美元、每百万输出Token 15美元。如今，GPT 5.6 Luna的价格已经降至每百万输入Token 0.20美元、每百万输出Token 1.20美元。这意味着，一款前沿模型从发布到价格大幅下调，仅仅经历了不到4个月时间。此次降价后，Luna的价格已经进入DeepSeek V4的竞争范围。DeepSeek V4专业版的价格为每百万输入Token 0.435美元、每百万输出Token 0.87美元。GPT 5.6 Terra是能力更强的模型，但在降价20%后，其价格也降至每百万输入Token 2美元、每百万输出Token 12美元，低于备受关注的Kimi K3（输出Token 15美元）。与此同时，GPT 5.6 Sol仍保持每百万输入和输出Token分别5美元和30美元的价格。而OpenAI甚至提高了其顶级模型价格：5.6 Sol的Fast模式收费为每百万输入Token 10美元、输出Token 60美元，以更低延迟提供同等智能水平，直接竞争Claude Fable 5、Mythos 5等旗舰前沿模型。

但问题是：这些降价策略真的能为OpenAI带来利润吗？

成本压力正在逼近

今年早些时候，OpenAI宣布实际上放弃自行拥有第一方数据中心的计划后，与“新云计算厂商”签订的租赁合同变得更加重要。例如，与甲骨文达成的高达3000亿美元计算资源采购协议，已经成为OpenAI服务能够持续运营的重要基础。如果此前外界还曾怀疑OpenAI如何承担这样的成本，那么现在这种疑问变得更加明显。

OpenAI目前已经在订阅业务上持续亏损，并且今年早些时候未达到关键收入目标。而在2025年，即使营收持续增长，公司仍然亏损了数百亿美元。OpenAI已承诺到2030年前投入约6000亿美元用于计算资源。即便收入继续增长，也可能远远无法覆盖如此庞大的成本。而如今最受欢迎、价格最低的模型进一步降价，意味着公司的利润空间可能会大幅缩水，甚至完全消失。这或许也是外界讨论英伟达可能向OpenAI提供2500亿美元投资支持的原因之一。

当然，OpenAI并非唯一面临这一问题的企业。过去一年，谷歌在AI基础设施上的投入约为其云业务收入的9倍；Anthropic最近能够实现年度化营收盈利，也主要得益于与xAI达成的一项低价租用Colossus数据中心的有限合作。AI的运行和建设成本并没有突然下降，但企业却正在不断降低价格，并以更低成本提供更快、更强大的模型。从表面来看，这些数字似乎并不合理。

押注“杰文斯悖论”

AI行业经常引用“杰文斯悖论”来解释AI普及速度加快的原因。这个逻辑听起来有点熟悉？没错，它正是杰文斯悖论在AI行业的翻版。在杰文斯生活的时代，更高效的煤炭发动机并没有减少煤炭消耗，反而因为使用范围扩大导致煤炭总需求增加。如今，AI企业认为，随着AI使用成本下降，人们会发现更多应用场景，从而推动整体AI使用量大幅增加。这可能正是当前Token降价策略背后的逻辑。

如果Token足够便宜，用户会大量增加使用量，从而通过规模增长带来更高收入。再考虑到今年年底以后，新一代AI加速芯片将在数据中心中更加普及，单位功耗下的Token处理能力可能提升10倍，使得更低利润率的业务也可以依靠规模实现盈利。此外，英伟达未来的Vera Rubin平台也值得关注。英伟达宣称，该平台将进一步带来10倍的Token性能效率提升。理论上，Blackwell和Vera Rubin平台的优势可能让AI推理服务器成为更具盈利潜力的产业。

但即便如此，很难想象大型AI公司能够仅依靠AI业务收入覆盖目前投入的巨额成本，尤其是在竞争不断加剧、Token价格持续下降的情况下。