Token 经济学真相

I. 叙事层：长思考的认知幻觉

1.1 从双系统理论到LLM推理——一次语义偷换

Kahneman的双系统理论是认知心理学的经典框架：System 1是快速直觉式认知，System 2是缓慢审慎的深度推理。2024-2025年，AI产业界将此理论移植到LLM领域，称推理模型实现了从System 1到System 2的跃迁。Li et al. (2025) 综述指出基础LLM擅长快速决策但缺乏复杂推理深度，OpenAI的o1/o3和DeepSeek的R1被描述为展现了接近人类System 2的审慎推理。

但这一类比掩盖了根本差异：人类System 2涉及概念层级跳跃、框架重构、类比推理等异质性认知操作；LLM的”长思考”本质上是同一种运算——前向传播、矩阵乘法、softmax采样——的重复执行。

1.2 “长思考”的边界：何时有效，何时浪费

长推理链在特定任务上带来了真实的准确率提升。Intern-S1-MO (2025) 通过多轮层级推理在AIME2025达到96.6%的pass@1。在IMO级数学、多步代码生成、复杂STEM推理中，延长推理链目前不可替代。

然而问题在于长思考被无差别应用于所有任务。Hassid et al. (2025) 发现较短推理链比最长推理链准确率高出多达34.5%。Su et al. (2025) 发现LLM对简单问题过度思考、对困难问题思考不足。Liu & Wang (2025) 将推理过程划分为三阶段——绝大多数”长思考”token落在推理收敛阶段，对最终结果毫无贡献。

II. 评价层：对齐的是什么？

2.1 奖励系统的实际设计

DeepSeek-R1放弃了神经网络奖励模型，因其在大规模RL中容易被reward hacking。RLVR绕过训练奖励模型的需要，模型直接从确定性工具获得二元反馈。奖励信号完全基于最终预测正确性，不对推理过程施加约束。

2.2 对齐结果的结构性错位

模型学到的策略是：生成更长的响应以扩大搜索空间，提高碰对概率。DeepSeek-R1-Zero的pass@1从15.6%跃升至77.9%，但响应长度同步失控增长。TALE-EP研究显示减少67%输出token可维持相当准确率——三分之二的计算对结果毫无贡献。

III. 经济层：Token计费的利益结构

3.1 商业逻辑与市场失灵

市场已成熟为三种计费类别：输入token、输出token、推理token。推理token代表内部”思考”token——用户看不见的过程，却要付费。极端案例中，某些推理模型消耗超过600个token来输出两个词。推理已占LLM全生命周期能耗的90%以上，远超训练的一次性支出。

OckBench (2026) 发现解决相同问题且准确率相当的模型间token长度差异可达5倍。按Token计费的商业模式存在三重市场失灵：信息不对称（用户无法审计推理token的有效性）、评价指标缺失（benchmark只测准确率不测效率）、激励扭曲（效率提升损害营收）。

IV. 物理层：此Token ≠ 彼Token

4.1 均摊后的真实能耗差距

TokenPowerBench (2025) 和ML.ENERGY Benchmark提供了首批系统性实测数据：

高并发满载场景下大型GPU集群的均摊能效可以非常高——H100集群的0.39 J/token比早期估算高效120倍以上。但这建立在持续高并发利用率的前提上。当利用率不足时，系统空载功耗仍被所有token分摊，效率急剧下降。Token的物理成本是其运行环境的函数——取决于硬件规格、并发负载、利用率、冷却架构和基础设施总开销分摊方式。当前计价体系将所有变量压缩为单一数字，抹掉了物理现实的全部维度。

4.2 硬件折旧的会计操纵

超大规模云厂商将GPU服务器使用寿命从3-4年延长至6年，集体每年节省约180亿美元折旧费用。2025年亚马逊将部分服务器寿命从6年缩短为5年，承受7亿美元冲击；同季度Meta延长至5.5年，计入29亿美元折旧减少。相同技术条件下的相反决策，证实使用寿命是主观管理估计。

V. 制度层：集中式与分布式的成本归属错位

5.1 硬件支付方与Token消耗方的分离

集中式架构中用户按Token付费但无法观测token的物理生产成本。供应商利润与消耗量正相关，没有动力让模型更高效。分布式架构中这一切反转——用户为每一焦耳买单，天然有动力选择高效模型。Alamouti (2025) 研究显示采用混合边缘云可实现高达75%的能源节省和80%以上的成本削减。全球AI数据中心电力需求预计到2030年增长255%，推理将成为主导工作负载，但今天大部分基础设施为训练而建，推理所需的分布式、低延迟架构严重不足。

VI. 消耗层：Token的两极化分布与交叉补贴

6.1 两极化分布的实证数据

OpenRouter对100万亿token的实证研究揭示了一个被行业忽视的事实：AI用户的Token消耗呈极端两极化分布。

头部案例触目惊心：一位开发者8个月消耗100亿token，按API定价超过15,000美元；另一位开发者20天内产生12亿token、20,000次对话，经Anthropic验证为前1%用户；一位Cursor用户单月消耗8.65亿token，按原始API费率相当于2,595美元计算成本。但该用户通过优化使用方式将消耗从8.65亿降至2亿——减少77%，功能产出不变。这意味着其中至少四分之三是浪费。

与此同时，52%的美国成年人使用过LLM，但其中三分之二仅将其”像搜索引擎一样”用于信息检索。只有15-20%的用户每天使用AI。绝大多数用户的年消耗不超过数千万token——连1亿都到不了。

6.2 “推理鲸鱼”与交叉补贴

TechCrunch将这类超重度用户称为”推理鲸鱼”（inference whales）——部分用户在200美元/月的订阅计划上产生了超过35,000美元的计算成本，供应商为其承受175倍的补贴。Anthropic表示90%的Claude Code用户每天花费低于12美元，但不到5%的重度用户驱动了速率限制政策的出台。

这揭示了一个清晰的交叉补贴结构：

6.3 算力霸权的定义

基于以上分析，本文将”算力霸权”定义为：AI公司通过Token消耗叙事构建的定价权力结构——用低频用户的盈余和风险资本的补贴维持高消耗者的低成本使用，同时驱动基础设施持续扩张。这不是一个地缘政治概念，而是一个经济结构概念。其运作机制是：叙事创造需求，需求驱动硬件采购，硬件消耗创造能源依赖，集中式定价确保浪费不可见，交叉补贴确保重度用户的成本被社会化。每一层都有获利者，但最终的成本由低频用户、投资者和社会承担。

VII. 六层结构与完整链条

VIII. 对可预见反论的回应

8.1 “长思考在困难任务上确实有效”

完全承认。本文批判指向无差别滥用，而非长思考本身。当前推理模型和计费体系没有区分”必要的长思考”和”冗余的长思考”，用户为两者支付同样价格。

8.2 “云端高并发下每token能耗并不高”

满载高并发场景下确实如此——H100集群已实测到0.39 J/token。但非高峰时段的空载功耗、液冷持续运行、基础设施固定开销仍被所有token分摊。定价中这些隐性成本用户既无法看到也无法审计。

8.3 “Token定价包含了研发和训练成本摊销”

合理的商业实践。然而当前定价体系将研发摊销、训练成本、推理能耗、基础设施开销、利润率及折旧会计策略全部压缩为不透明的”每百万token X美元”。用户无法判断其中有多少是合理成本回收，有多少是低效推理和会计操纵制造的溢价。

8.4 “重度用户创造了产品价值和生态”

重度开发者确实是AI生态的核心建设者——他们构建应用、发现bug、推动产品改进。但这不改变一个经济事实：其计算成本被其他用户和风投补贴。问题不在于重度用户是否有价值，而在于补贴的不透明性——轻度用户并不知道自己在为谁的175倍算力买单。

IX. 重构：基于物理现实的效率评价框架

如果我们承认”此Token ≠ 彼Token”，就需要将物理维度还原的评价体系。TokenPowerBench (2025) 已提供焦耳/Token的系统性测量工具。本文在此基础上提出四个核心评价指标：

“每焦耳智能产出”（Intelligence per Joule）要求报告每次推理的能耗，而非仅仅token数量和准确率。在此框架下，不同硬件平台、不同并发负载、不同模型规格的”智能产出”才具有真正可比性。同时，Token消耗的两极化分布要求定价体系引入透明的使用量分层，使轻度用户不再为重度用户的基础设施规模隐性买单。

X. 结论

当前AI推理产业的Token经济学建立在六层结构之上：叙事层将矩阵运算的重复执行包装为认知深度；评价层仅对齐最终正确性而忽视效率；经济层的按Token计费从低效中获利；物理层的Token成本因环境而异却被计价体系抹平；制度层的集中式部署使支付方与消耗方分离；消耗层的极端两极化分布使不到10%的重度用户的算力成本被60%以上的轻度用户和风险资本隐性补贴。

这不意味着长思考无价值——在复杂推理任务中它是必要的工具。但当67%的推理token可被削减而不影响准确率，当一位程序员77%的token消耗被证明是浪费，当”推理鲸鱼”的35,000美元计算成本被200美元订阅吸收——行业需要的不是更多关于”深度推理”的叙事包装，而是Token消耗的经济性和效率性的根本审计。

真正的智能效率不是”每百万token多少美元”，而是”每焦耳能量产出多少有效智能”。这个评价框架的建立，结合TokenPowerBench等实测工具、使用量分层定价、以及分布式部署带来的成本归属对齐，是打破Token消耗叙事、还原物理真相的第一步。