Token 是 AI 模型处理文本、图像等数据的基本计量单位，也是平台核算企业 AI 使用量、收取服务费用的核心依据，直接决定企业 AI 投入成本。
今年早些时候，飙升的 token 成本曾导致不少公司不得不削减 AI 支出预算，并重新评估 AI 相关投入是否带来了应有的投资回报。
Taylor 在周一接受媒体采访时表示，许多与 "token 经济学（tokenomics）" 相关的问题，本质上都源于 AI 市场尚未成熟。而随着 AI 市场的不断发展，未来的趋势将是按结果付费。这与许多优先考虑投资回报率的企业高管的看法不谋而合。
尚未成熟的早期阶段
Taylor 将如今的 AI 市场比作互联网发展的早期阶段。当时，建立一个网站的成本比现在要高得多。Taylor 表示：
" 我们目前仍处于这项技术的早期阶段，市场正在呼唤创业者们去开发新的解决方案，从而让企业无需再去处理 token 核算、成本管控等繁琐的事情。"
Taylor 指出，随着时间的推移，将会有其他公司来 " 承担管理 token 的负担 "。
他特别提到，企业财务管理平台 Ramp 新推出了 token 支出管理工具；像法律 AI 初创公司 Harvey 这种专注某个垂直领域的企业，也已经开始在后台为客户统一代管 token。
Taylor 表示：
" 我认为，12 个月后，企业 IT 部门就能拥有各类‘开箱即用’的 AI 应用方案。市场部、研发部等不同的部门会分别用上适配自身业务的专属 AI 方案，到那时，企业管理者将完全不用操心 token 用量与成本的问题。"
低成本模型是否真便宜
随着 AI 模型技术迭代、运行效率不断提升，以及市场竞争加剧，人们普遍预计 token 的成本会随时间逐渐降低。
例如，中国初创公司月之暗面上周发布的 Kimi K3 模型便引发了硅谷的广泛关注，该模型以更低的计费成本，实现了媲美 OpenAI、Anthropic 等头部企业旗舰模型的性能。
不过 Taylor 对此表示：
" 对于任何考虑使用它的人来说，‘成本更低’是最大的卖点，但它究竟是否真的更便宜，我认为目前尚无定论。"
