随着 AI 技术的普及，长期以来由科技大厂大额补贴的「固定订阅制」正迎来终结，取而代之的是根据实际使用量计费的商业模式。

微软旗下 GitHub Copilot 最近将计费模式转向按 Token 用量收费，导致部分重度用户的月度帐单从数十美元骤增至数百美元。

这场定价转型引发了科技界对 AI 商业模式永续性的激烈争论，更预示着企业与开发者正被迫直面 AI 推理算力的真实成本。面对这波成本压力，科技巨头们纷纷寻求更具成本效益的替代方案。

Coinbase 执行长 Brian Armstrong 对此趋势给出了明确的预判。他指出，市场对智慧的需求近乎无限，但高昂的成本势必迫使市场快速分化。

他预估在未来的 12 至 18 个月内，高达 80% 的 AI 工作负载将会迁移至成本大幅降低 99% 的廉价模型；而仅剩约 20% 对智慧上限有极致要求的高难度任务，例如科学突破或高难度智能体编排，才会继续运行在最新一代的前沿模型上。

他将此现象类比为消费性电子市场，正如购买顶级规格电脑的永远是少数人，AI 领域的成本降幅甚至比摩尔定律还要迅猛，这意味着未来的真正限制将是能源与算力，而非模型能力本身。

这一观点也得到了其他科技领袖的实证支持。Hugging Face 执行长 Clement Delangue 引用史丹佛大学的研究数据指出，本地化、开源且小型的模型在对话与推理的准确度上，已从过去的 23.2% 跃升至 71.3%，其成本与能耗却仅为大型前沿 API 的极小部分。

这意味着「多模型并存」的未来已成定局，多数企业只有在别无选择时才会调用昂贵的尖端 API。

与此同时，如 DeepSeek 等实验室持续推出高性能却极其便宜的开源模型，在程式设计等基准测试中展现出媲美一线大厂模型实力的同时，价格却仅有其三十分之一甚至百分之一，这正在从根本上压制闭源 AI 大厂的定价能力。

在这场算力成本转型的浪潮中，领先企业已经开始付诸行动。Coinbase 内部目前已积极推动「提示词路由策略」，动态将请求分配至成本更低的合适模型，成功在 Token 使用量呈指数级增长的状态下，维持整体总成本的基本持平。

这场由定价风波引发的连锁反应，不仅标志着 AI 补贴时代的结束，更宣告了廉价、高效的多元模型网络正加速重塑整个 AI 产业的成本格局。