2023 年以来，AI 行业迅速收敛到一种统一的定价模式：按 Token 收费。OpenAI、Anthropic、各家国产大模型，无一例外地选择了这个计量单位。
这个选择合情合理——Token 是模型消耗计算资源的直接体现，按用量收费对供需双方都算公平。但如果我们把时间拉长到三到五年，按 Token 收费几乎注定会成为一个过渡方案。
卖水模式的天然天花板
按 Token 收费本质上是在卖计算资源，类似于自来水公司按吨收费。这个模式的困境在于：水本身没有差异化，价格只有一个方向——向下。
过去两年已经印证了这一点。GPT-4 级别的推理价格下降了超过 90%，DeepSeek 等国产模型更是把价格打到了白菜价。当所有玩家的模型能力趋同，Token 单价就变成了纯粹的竞价游戏。
更致命的是，开源模型的推理成本可能趋近于零。如果任何公司都能在自己的服务器上跑一个能力足够强的 Llama 或 Mistral，为什么还要按 Token 付钱给第三方？
三条可能的终局路径
1. 按结果收费（Outcome-based）
法律 AI 不应该按"分析了几页合同"收费，而应该按"规避了多少风险"收费。医疗 AI 不应该按"读了多少张片子"收费，而应该按"提高了多少诊断准确率"收费。
这是最理想的定价模式，但也是最难实现的——结果归因本身就是难题。你怎么证明客户的收入增长是 AI 带来的？
2. 按席位收费（Seat-based）
Salesforce 的模式：不问用量，只问多少人用。企业客户喜欢这个模式，因为成本可预测。AI 公司如果能接受按人头收费的低 ARPU，就必须同时把客单价做上去——这意味着产品必须够深，不能只是薄薄一层 API 封装。
3. 按任务收费（Task-based）
这是介于 Token 和结果之间的折中方案。比如"生成一份尽调报告 500 元"、"审核一份合同 50 元"。客户为可交付的工作成果付费，而不是为计算过程付费。
这个模式要求 AI 公司对特定行业的工作流有深刻理解，而不仅仅是提供一个通用模型。换句话说，卖工具的人变成卖服务的人。
谁会赢？
Token 定价的时代属于基础设施层——谁有最强的模型、最低的成本，谁就是赢家。
但 AI 的定价终局不会停留在基础设施层。真正的价值会在应用层兑现——那些能把自己的能力和行业知识打包成客户愿意按结果付费的产品的公司，才是最后拿走大头的人。
按 Token 收费是算力时代的生意，按结果收费是价值时代的生意。两者的差距，就像卖面粉和开面包店的差距。
问题不是"Token 定价还能持续多久"，而是"你的产品离结果定价还有多远"。