大模型技术推动了人工智能的广泛应用，但服务成本问题也成为关注焦点。不少用户希望能像使用传统互联网一样，以低价获得高便利的AI体验，最直接的诉求就是推出“Token无限量套餐”。但这种设想与人工智能的技术基础存冲突。 传统互联网经过多年建设，形成了规模效应。物理基础设施如光纤网络扩容后，边际成本几乎为零，让包月套餐等普惠模式成为可能。用户使用时长和数据量只影响总费用，不会增加单位成本。 人工智能系统则完全不同。每处理一次复杂任务，都需要调用算力、消耗电力，还要承担所谓“智力成本”。任务越复杂，资源消耗越多，这是由物理规律决定的。高强度计算必须依赖更多算力投入，无法用低成本支撑高难度需求。 在AI服务中，Token作为消耗单位，其单价由算力、模型复杂度、能耗等多重因素决定，价格相对稳定。当用户需求增加，总成本也会上升。这与手机流量“多用多付、少用少付”的弹性计费方式有本质区别，因此在AI领域很难实现无限量套餐，这不是商业策略问题，而是技术现实决定的结果。 该现象反映出人工智能商业化过程中的核心矛盾：一上需要降低用户门槛，提升服务可及性；另一方面，高昂的运行成本要求企业建立可持续模式，以支撑持续研发和基础设施建设。行业如何平衡这两点，是未来发展的关键。 展望未来，随着大模型应用场景不断拓展，计算资源分配将影响AI普及程度。一方面，企业需通过技术创新提升算力效率、降低单位成本；另一方面，也要探索更灵活多样的定价方式，为不同用户提供适合的解决方案。同时，在政策层面，通过基础设施投入和产业扶持，有助于推动AI健康发展和广泛应用。
技术革命遇到物理定律的边界时，商业创新才真正面临挑战。周鸿祎的发言揭示了人工智能产业化中的现实瓶颈，也启发业界思考技术普惠的路径。可持续发展，需要尊重客观规律，通过技术创新、模式优化和基础设施共建逐步降低应用门槛。这场关于Token成本的讨论，将成为AI深入融入经济社会的重要注脚。