事件
2026 年 7 月，Palantir 執行長 Alex Karp 在美國財經電視節目《Squawk Box》上公開指控 OpenAI、Anthropic 等主流生成式 AI 公司採用的 Token（詞元）計費模式「根本搞錯了」。他描述美國企業當前的現象就像「在辦公室裡揮霍預算、盲目消耗 Token、毫無收穫」，企業還在不知不覺中面臨智慧財產權被竊取的風險。
Karp 進一步透露，企業高層私下向他吐露對 AI 帳單的極度不滿——他們正在為「無法創造價值的 Token」支付高昂費用。許多企業領袖抱怨 AI 公司「完全且不負責任地過度銷售」自家模型，導致企業被誘導無限追求 Token 吞吐量、卻看不到實際效益。
計費機制如何變成陷阱
### Token 計費的內在邏輯
OpenAI、Anthropic 等公司採用 Token 計費的初衷看似合理： - 成本結構透明：公司的推論成本確實是按 Token 發生（每個詞元需要一次前向傳播） - 計費公平性：長文本應該比短文本貴、這符合直覺 - 規模化簡單：只需計量一個單位、不用評估「用戶實際得到多少價值」
但 Token 計費有一個致命缺陷：它計量的是投入量、不是產出質量。
### 誤激勵的滾雪球
當計費與成果無關時、三方都被扭曲的激勵驅動：
1. 供應方（AI 公司） - 被激勵去「增加 Token 消耗」而非「提升用戶成果」 - 在 marketing 上過度承諾「萬能 AI」，誘導企業嘗試更多低價值應用 - 對內部架構的改進沒有誘因（例如減少冗餘推理、壓縮模型權重），因為推理成本越高、帳單越高
2. 採購方（企業） - 被激勵去「最大化 Token 輸出」，形成「Token 極大化」熱潮（如新聞所述） - 為了「用滿服務」，企業會用 AI 做一些低價值任務，只因為「已經付費了」 - 管理層無法衡量「AI 投資的 ROI」，因為沒有成果指標對標
3. 終端用戶（企業的客戶） - 企業為了節省 AI 成本，開始降低服務品質（用更便宜、更差的模型、或減少審核) - 無形中把 AI 帳單的壓力轉嫁到終端用戶體驗
### 歷史對標：印刷機與字數計費
想像 18 世紀如果報社按「印刷的字數」收費（而非按「閱讀份數」或「廣告位」）： - 報紙會被激勵去「用最廢話的方式填滿版面」 - 內容質量會急劇下降 - 讀者會逃離、最後報社反而虧損
Token 計費的荒謬性，正是同樣的邏輯陷阱。
Goodhart 定律的完美演繹
經濟學家 Charles Goodhart 在 1975 年提出了一個著名的觀察：
> 當某個指標成為政策目標時，它就不再是個好指標。
應用到 AI 計費： - 「Token 數量」本來是用來*衡量*服務成本的代理指標 - 一旦變成「定價基準」，它就變成了優化目標 - 企業與 AI 公司都被激勵去「遊戲化」Token 數量、而非追求真實價值
結果：Token 數量確實增加了、但企業的實際收益反而縮水。
「過度銷售」的經濟學
Karp 提到 AI 公司對模型進行了「完全且不負責任的過度銷售」。這裡的邏輯是：
1. AI 公司說：「我們的模型能做任何事」（行銷宣傳過度承諾） 2. 企業信以為真、開始把 AI 用在各種邊際應用上（寫郵件、整理資料、草稿文案等） 3. 這些應用本身價值不高、但每次調用都產生 Token 費用 4. 企業帳單飆升、但實際產出價值沒有等比增長 5. 6 個月後、企業高層一看成本，開始質疑「AI 到底有沒有效」
這就是「過度銷售陷阱」的完整循環。
市場正在糾正
Karp 提到這股怒火「在企業界內部早已沸騰」，「Token 極大化」熱潮正在退燒。這反映了市場的自我調節機制：