就在同一个月，当时这条视频尚未爆火之前，在大洋对岸的地方上映或者说了是进行了一场全球性服务中断这件事。Anthropic的Claude出现了全球宕机的状况：Claude Code完全瘫痪了，而且就在几小时内，Downdetector收到了超过5000条故障报告。外媒所取的文章标题是“开发者面对不得不亲自去写代码的那种恐怖”。

一位Meta高级工程师 Gauresh Pandit说出这样的话，Claude挂掉之后，他直接去做别的事情了，原因在于手动去写代码，“或许会更慢一些”。他讲大模型已然变成了一种“单按钮操作”，哪怕是最为简单的事情，也会习惯性地把它交给这个。社交媒体上面有人做了这样的说：“Claude发生宕机，这才使我意识到，我已经把半个大脑进行外包了。”。

视频当中的老头所寻求的并非随意的任何一种Token，他所要的乃是当下最为昂贵的模型。伙伴递过来的平替之物，他连看都不屑去看。这些细微的情节才是整个事件里最值得深入思考的地方，程序员不仅仅是对AI上瘾，而是对高端的Token上瘾。痛苦并非源于“没有可以使用的AI”，而是源于“没有那个特定的AI能够使用”。

该图片疑似AI生成

01 30%的人拿钱都不愿意戒断AI

METR是个非营利性质的机构，它专门致力于AI能力评估。在2026年2月的时候，他们公布了一则声明，这声明令人感到意外，声明的内容是实验没办法继续开展下去了。

并非是由于缺少资金，也不是因为方法论存在着问题。而是有越来越多的开发者拒绝参与，缘由仅仅只为实验要求一半的任务不能够运用AI。根据METR所披露出的情况，30%到50%受到邀请的开发者由于这个条件直接选择退出，即使报酬是以每小时50美元来计算。这些开发者当中的许多人，拥有丰富的经验且项目资历深厚，恰恰是最能够说明问题的样本。

他们再也不愿意手写代码了。

这组数据，对于说明问题，比任何生产力统计都更有效果。McKinsey在2026年2月发布的调查表明，AI编程工具使常规编码任务速度提升了46%。也表明，Stack Overflow的年度调查说，有84%的开发者在使用AI。在这些数字所描述的广度之外，METR的发现，描述了另外一个维度，便是AI已经嵌入了人的认知习惯，若将其拔出来，人会感觉痛。

02 一杯咖啡和一辆保时捷

到这个境地，有着将近10年之提出时长，在三年多往昔流行开来的，“大模型是类似于电力一样的基础设施”此一说法，是需要予以认真质疑处理的，在这儿了。

2017年Andrew Ng提出这个说法之际，所强调的是AI如同电力一般会渗透至每个行业，在这一点上他是正确的。然而，比喻的另一半，即“电是无差别的标准化商品”，却全然不适用于大模型。220伏交流电就是220伏交流电，无论它源自风力发电还是火力发电。你不会因使用了“更好的电”而烤出更好的面包。

不是这样的Token。以下是各主流厂商大模型API每百万Token的官方定价状态，关于截至2026年3月的情况：

这张表可以清晰看出不同模型价格的差距。

截至3月，OpenAI的最新旗舰是GPT - 5.4，其输入价为2.50美元；Opus 4.6在多项评测里表现比GPT - 5.4更优，可输入价为5.00美元，贵了一倍；DeepSeek V3.2输入价仅0.28美元，不到Opus 4.6的十八分之一，然而在许多通用任务中表现尚可；同一个月在售的模型之间，定价能相差两个数量级。

缓存机制于实际成本这块儿，又扯出另一层差别。DeepSeek V3.2的缓存命中价是$0.028 ，处理一百万Token花费还不到三分钱。Opus 4.6的缓存命中价也经历了变化，从$5.00降到了$0.50，相当于打了一折。GPT - 5.4 nano的缓存价是$0.02，甚至比DeepSeek还要低。在高重复率的生产场景当中，实际成本能够比标价低一个数量级。Token的“挂牌价”以及“成交价”二者之间，还暗藏着一层极大的差异。

这并非是电力市场所具备的价格结构。电的价格体现出发输配的物理成本，它和电自身的“质量”不存在关联。Token的价格反映出的是智能的种类以及等级，还有推理深度、上下文理解、代理执行能力以及可靠性，然而这些维度相互之间没办法进行简单的排序。

03 大模型的微笑曲线

企业已然以其行为作出了选择。按照AI基础设施研究机构Iternal的剖析，成熟的企业级AI部署正采纳“智能路由”架构，70%的简单查询被投向性价比模型，20%的简单查询被给予中端模型，仅10%的最棘手且最高风险的任务，会调用顶级模型。

当从宏观的角度去看，Token市场此刻正在形成一条呈现出特定形态的微笑曲线，这条曲线的左端所代表的是那种达到了极致程度的效率，而其右端所代表的则是达到了极致状态的智能。

在左端，存在着一种全新的工业逻辑，当Token足够廉价时，其能够如同水电一般，大规模地注入自动化流水线的原料里，用于批量数据清洗，用于日志分类，用于工单路由，用于内容审核，用于表单提取，而这些任务并不需要模型具备极致的聪慧，所需要的是具备快速、便宜以及稳定的特征。

能够将每百万Token的成本压低至最低限度，于此同时维持住足够的准确率的人，便能够拿下这个市场。这一端的竞争壁垒所在则是推理基础设施的效率呀，具体涵盖算子优化、芯片利用率、缓存命中率以及调度策略呢。

右端，其游戏规则全然不一样，Opus 4.6定价为$5/$25，它会出售一种无法被替代的认知能力，右端的壁垒乃是绝对的智能质量，存有推理深度，具备指令遵循的精确度，还有在复杂约束之下保持逻辑一致性的能力。

这是旗舰模型在争夺的领地。但是，一切都不是一成不变的。

作为站在大模型领域的从事相关工作的人，透露了这样的情况：在进行定价这个行为的时候，占据核心地位的首要原则，是自身所涉及到的成本，绝不能够出现亏损的状况。

问“要是再有价格战该如何做？”，便有这样的回应：“当下大模型领域未曾有过恶性的价格战。那所谓的价格屠夫，也是依据自身成本定价。故而得凭借技术创新将成本降低。”。

“成本打下去之后，价格不一定变，但是竞争就有优势了。”

会不会担忧Deepseek V4一旦公布出来，又会摇身变为“价格屠夫”呢？心存忧虑，然而直至如今它都尚未发布，极有可能是其具备的模型能力未达预期状况的。

这是一个行业，它变化极其快速，有着“人间才一日，AI已千年”的情形，担忧如影随形跟随着。

位于微笑曲线另一端的Claude，难道就能毫无顾虑地走上高端智能的类似爱马仕那样的路线吗？ “竞争对手会尽力将其价格压低的。” 一位行业从业者讲道。

有关微笑曲线两端的商业定律是不会发生改变的，然而，大模型公司所处的站位是会随着时间随时发生变化的。

这也造成了，大模型公司之间的商业价值也会拉开较大差距。

有一位身处二级市场的分析师讲道：“当下我们去看待大模型公司时，首要关注的是人才密度以及技术能力。原因在于，你难以明晰最终的结局，并且对于其后续对人类社会所产生的影响，你同样无法看清。然而从产业层面进行观察，它确实是在持续不断地向前发展推进的，所以我认为人才与技术乃是最为关键核心的一个要素。在此之后，才会考虑到商业化数据。”。

大规模的工业级那种生产需求，处在微笑曲线的左端，靠模型的智能能力所获取到的溢价能力，位于微笑曲线的右端，更要引起关注的是，用户的粘性以及依赖性存在于能够产生溢价的背后。

04 外脑一旦插上，就拔不掉了

回到3月那个出现宕机情况的时候。有一家部署流程的英国基础设施服务商去做了一笔较为简单的账目。其工程团队总共是25个人，所经历的人工智能中断时长为4小时，产生的直接财物损失超过了9000英镑的那个时刻，并且这还没有包括下游项目延期所造成之后产生的损失呢。

不是经济损失，这并非能带来最强烈不安感受的部分。令人极为不安的情形出现了，在宕机告终之后，开发者所呈现出的反应可不是愤怒，而是那种如释重负的态势，这是一种人类内心并不愿承认已然存在的依赖感，这才真真让人揪心不已，令人不安至极。

这种依赖正从程序员处扩散开来，扩散至所有知识工作者。Claude在宕机前几日方才超越了GPT，成为美国App Store下载量最大的免费应用。

一般而言，大模型的订阅套餐存在Token使用限额，有一位大模型的深度使用者表示，常出现对话进行到一半时限额就到了的情况，并且无法迁移，只能继续充钱。

它的用户并非仅仅是编写代码之人，另有撰写报告之人，从事研究之人，修改合同之人，带领团队之人。人工智能已不再是如电那般驱动机器的基础设施，而是直接投身于思考的“智能”。

在这个时代，我们害怕断电、断网，也害怕“断token”。

智能所导致的成瘾情形已然蔓延开来。更为严重的噩梦之处在于，我的关于“小龙虾”的记忆刹那间被清零了，又或者龙虾团队领袖的大脑，突然间陷入了宕机状态。

用户持续付出成本，此成本是针对他所依赖的外脑，而这，会成为大模型公司最深的商业护城河。