价格战三年：大模型从奢侈品变成日用品

2023年底，OpenAI的GPT-4 Turbo定价为每百万token输入10美元、输出30美元。仅仅一年半后的2025年初，同等能力的模型API价格已降至原来的十分之一甚至更低。

中国市场的情况更为激烈。2024年5月，百度宣布ERNIE Speed和Lite两款模型免费开放，阿里巴巴将通义千问主力模型价格下调最高97%，字节跳动、智谱AI等厂商纷纷跟进。到2025年，国内主流大模型的API调用成本已降至每百万token不到1元人民币。

据国际数据公司IDC统计，2024年中国大模型相关支出中，基础设施和模型调用费用占比从年初的65%降至年末的42%，而应用层投入相应上升。这一结构性变化表明，企业AI投资的重心正在转移。

成本不再是壁垒，效果才是

当大模型调用成本趋近于零，一个根本性的问题浮出水面：企业真正需要的不是便宜的AI，而是有效的AI。

麦肯锡2025年初发布的全球AI调研报告显示，尽管78%的大型企业已在至少一个业务环节部署了生成式AI，但仅有23%的企业表示其AI项目产生了可量化的业务回报。这意味着大量企业陷入了AI投入与产出之间的落差。

问题不在于模型不够强或价格不够低，而在于：

• 缺乏清晰的AI效果评估框架
• 业务场景与AI能力的匹配度不足
• 组织内部缺乏将AI产出转化为业务流程的能力

从试点到规模化：企业需要跨越的三道门槛

第一道门槛：从技术指标到业务指标的翻译

许多企业的AI项目仍以准确率、响应速度等技术指标衡量效果。但管理层关心的是：AI帮我省了多少人力？客户满意度提升了多少？决策速度加快了多少？

建立从技术指标到业务指标的映射关系，是AI从实验室走向业务一线的关键。

第二道门槛：从单点突破到流程嵌入

大多数企业的AI应用仍停留在单点工具阶段——用AI写文案、做翻译、生成报告。但真正的价值在于将AI能力嵌入核心业务流程，实现端到端的智能化。

这要求企业重新设计工作流程，而非简单地在现有流程上叠加AI工具。

第三道门槛：从一次性部署到持续迭代

AI系统的效果不是一次部署就能固定的。业务环境在变，用户需求在变，模型本身也在快速迭代。企业需要建立持续评估和优化的机制，确保AI系统始终与业务需求保持同步。

接下来的竞争：谁能把AI变成业务成果

据Gartner预测，到2026年底，超过80%的企业将使用生成式AI API或部署相关应用，但仅有不到30%的企业能实现规模化产出。

这意味着AI竞争的下一阶段，不再是比谁的模型更便宜或参数更大，而是比谁能更有效地将AI能力转化为可衡量的业务成果。

对于企业决策者而言，现在需要思考的不再是是否引入AI，而是：

• 我们是否建立了科学的AI效果评估体系？
• 我们的组织是否具备将AI产出融入业务流程的能力？
• 我们是否有持续学习和适应AI快速迭代的学习机制？

当AI从稀缺资源变成基础设施，真正的竞争力在于使用AI的人和组织——他们的认知水平、学习能力和适应能力，将决定AI投入的最终回报。