本文作者约书亚·甘斯是多伦多大学罗特曼管理学院教授，研究方向是新冠疫情时代的经济学。创新破坏实验室首席经济学家。本文刊发在他的通讯上。
经济学中最可靠的预测之一是，只要两家或更多企业销售相似产品，价格就会不断下降。因为每家企业都会降价抢夺对手的客户，否则就可能一件也卖不出去。
不过，很多人总觉得这条规律不会生效。许多人相信，以利润最大化为目标的企业会设法阻止价格战，企业自己也往往这样认为。
我们之所以需要反垄断法，就是要禁止企业采用最简单的方式阻止竞争，也就是在烟雾缭绕的房间里开会密谋，或者采用类似做法。
但这并不能阻止企业相互释放信号，表达缓和竞争的意愿。
为海外华人提供可靠的信息和分析。如果想看更多内容与即时更新，可以在 Bluesky、Telegram、X 搜索「causmoney」；深度分析和评论也可以直接搜索「caus.com」。
经济学家几年前就已经知道，不同基础模型之间的差距其实很小。某些时期，确实会有一个模型明显处于前沿，领先其他模型。但除了网络安全等少数领域，大多数用途并不需要最前沿的模型。
因此，竞争力量，也就是所谓的“伯特兰超级陷阱”，显然会让这些企业很难盈利，更不用说收回训练新模型的固定成本。
能力更强的模型可能推动Token需求激增，目前也确实如此，但基础模型提供商的利润未必会同步改善。情况甚至可能更糟，利润反而会恶化。
原因在于，Token并不是免费的。事实证明，推理成本相当高。更麻烦的是，目前最有效的节省成本方式，很可能是让用户学会更节制地使用Token。但事实又表明，用户并不愿意这样做。
于是，行业面临一个非常棘手的困境。
人工智能服务商普遍采用订阅模式，允许用户在套餐范围内使用一定数量的Token。为了争夺消费者，服务商设定的额度相对于成本而言十分慷慨。
我看到过一些估算。即使是每月200美元的套餐，也可能允许用户消耗价值数千美元的Token。
还记得当初人们觉得每月200美元贵得荒唐吗？这里的价值，是按照超出套餐后按量计费的Token价格计算的。
因此，很容易怀疑，人工智能服务商正在订阅业务上亏损。这意味着，即使面对竞争压力，这些套餐也无法长期维持。
情况还会进一步恶化。经济学还有一条可靠原则：只要给人们一笔丰厚补贴，他们就会设法把补贴拿到手。
套餐额度用完了怎么办？没有必要按照公开的Token边际价格继续付费，另开几个账户就行了。事实上，几乎没有什么能够阻止用户这样做。
考虑到这一切，Anthropic过去几周试图将Token消耗量最高的产品Fable 5逐步移出订阅套餐，也就不足为奇了。Anthropic为此设定了几次截止日期，最近一次就是今天。
这种做法原本可能奏效，但OpenAI随后推出了同样消耗大量Token的GPT 5.6 Sol系列模型，却没有采取类似措施。
面对用户可能大批转向竞争对手的风险，Anthropic只好再次将Fable 5在订阅套餐中的使用期限延长一周。
可以肯定的是，每当竞争对手发布新模型，这些企业都能轻易观察到使用量的变化。就像露西一次次把橄榄球摆在查理·布朗（来自美国漫画家查尔斯·舒尔茨的连环漫画《花生漫画》）面前，让他准备起脚。
为海外华人提供可靠的信息和分析。如果想看更多内容与即时更新，可以在 Bluesky、Telegram、X 搜索「causmoney」；深度分析和评论也可以直接搜索「caus.com」。
用户迟早会明白，这些截止日期只不过是没有约束力的空话。
正常竞争会把价格压低至边际成本。因此，人工智能服务商最终应当把Token价格设定在与推理成本相当的水平，市场也会在这里达到均衡。
即使训练模型需要投入巨额固定成本，只要推理算力有限，服务商仍可能获得利润。随着使用量接近算力上限，新增Token的推理成本会上升。市场价格即使被竞争压到这一较高的边际成本水平，服务商仍能从此前成本较低的Token中赚取差价。
但这并不是正常竞争。
这些服务商正在等待模型具备某种递归式自我改进能力，也就是RSI。这种能力很可能提高用户更换模型的成本。一旦转换成本足够高，用户在投入足够多时间和资源后，就不会再把不同模型视为可以相互替代的产品。
微软首席执行官萨蒂亚·纳德拉已经预见到这一趋势。他担心，一旦用户依赖的模型被撤走，用户将无法继续保持工作效率。
如今，他更加担心人工智能服务商也会意识到这一点，并利用用户与模型之间的互动，进一步把用户锁定在自己的平台上。
除了“提高公众意识”，目前还不清楚纳德拉或其他人还能采取什么办法。
在这一切发生之前，人工智能服务商将围绕每一个可能长期留存的用户展开消耗战。
对用户而言，这意味着服务商现在提供的补贴，最终希望从用户未来的支出中收回来。天下没有免费的午餐，但眼前已经摆着蛋糕，也没有理由不吃。
问题仍然是本文开头提到的那一点。这个行业需要用户节省Token，并学会如何节省。
目前的定价结构之所以特别有利于吸引用户，恰恰是因为用户不必节省Token。更重要的是，要让用户学会节省Token，市场上就不能同时存在允许他们随意浪费Token的其他选择。
因此，即使Anthropic希望用户学会更节制地使用Token，也很难真正推动这种变化。因为一旦Anthropic收紧限制，用户可能不会减少Token使用量，而是彻底停止使用Anthropic的Token，转向其他服务商。
面对这一困局，大致有两条出路。
第一条是期待推理成本大幅下降，让未来不再需要用户节省Token。不过，这条道路并不能保证盈利。除非服务商能够建立足够高的转换成本，而这仍然是一个巨大的未知数。
第二条是由服务商代替用户完成节省Token的工作。
还记得OpenAI曾在GPT-5中尝试自动切换模型吗？事实证明，Token使用量最大的用户非常不喜欢这种安排。他们更愿意按照自己的判断过度使用Token。毕竟，这是他们购买的套餐。
我不得不承认，我可能永远都会思考一个问题：如果几年前人工智能服务商听取了经济学家的意见，这个行业的发展轨迹是否会有所不同？
毕竟，经济学家当时基本已经预见到今天的一切。
从一开始，订阅套餐就可以由服务商在后台管理Token额度，让用户逐渐习惯这种模式。随着推理模型和智能体出现，服务商也可以在产品中加入某些Token价格信号。
这种设计甚至可以做到，让用户实际获得的优惠与今天完全相同，只是用户能够看到明确的成本信号。
不过，我们自己的经济模型同样预测，这类定价结构也很容易在竞争中瓦解。
竞争是一头永不停歇的猛兽。我猜，这些服务商正在期待人工智能通过递归式自我改进，替他们找到逃出陷阱的办法。