GitHub Copilot 调价引发更广泛的 AI 成本压力
TechCrunch AI··作者 Anthony Ha
关键信息
讨论的重点是按 token 计费：成本不再只是固定月费，而是随着模型使用量增长；同时公司也会通过限制用量来控制开支。文章还把这种定价压力与即将到来的 AI 上市联系起来，包括 Anthropic，以及像 Uber 这样的公司内部采用模式快速变化。
资讯摘要
TechCrunch 报道称，微软对 GitHub Copilot 的定价调整幅度很大，以至于一些用户把这次变化戏称为“Tokenpocalypse”。文章借此引出 TechCrunch《Equity》播客上的一场讨论，主题是 AI 行业整体的经济压力。Anthony Ha、Sean O’Kane 和 Kirsten Korosec 认为，这可能只是一个开端，预示着 AI 公司在追求盈利时会面临更大的定价与用量管理压力。Sean O’Kane 提到，随着 AI 公司准备进入公开市场，围绕 token 的风险因素可能会成为招股书中的重要内容。对话中还举了公司内部实际使用 AI 时预算迅速超支的例子，说明很多企业不得不更快地设置封顶和访问限制。
主持人们指出，许多 AI 产品在定价时，商业模式其实还没有真正成熟，因此用户对价格的预期与模型真实推理成本之间一直存在差距。文章也提到，曾经流行的“tokenmaxxxing”在短短几个月内就因为成本问题而迅速失宠。Kirsten Korosec 认为，这种变化速度非常惊人，因为政府监管也在努力追赶强大 AI 系统的更新节奏。整体来看，文章传达的信息是：token 计费、用量限制和 AI 盈利要求正在同时收紧，行业可能正进入一个更昂贵、也更不开放的阶段。
资讯正文
微软最近宣布了对 GitHub Copilot 的重大定价调整——这些变化幅度之大，以至于一位 Reddit 用户说，他们公司已经开始把这件事称为“Tokenpocalypse”。
在 TechCrunch 的《Equity》播客最新一期中，Kirsten Korosec、Sean O’Kane 和我讨论了这些变化对更广泛的 AI 生态系统可能意味着什么。毕竟，随着 Anthropic 和其他大型 AI 公司计划上市，并因此面临有关盈利能力的尴尬问题，我们很可能会看到其他 AI 产品也出现类似的涨价，以及更多的使用限制，因为企业正试图控制成本。
“这些 AI 实验室能否把那部分成本压下去，[并且]把这项技术推进到足以最终在中间地带与客户的支出意愿相匹配？” Sean 质疑道。
与此同时，Kirsten 则提出，这也反映了“事情推进得有多快”。仅仅几个月之内，公司就开始痴迷于“tokenmaxxxing”，随后又因为高成本而转而反对它。因此，在 AI 公司撰写 IPO 申报文件时，她问道：“你到底要怎么把这些风险写进去，因为它们正在我们眼前不断演变？”
下面是我们对话的节选，内容经过了篇幅和清晰度上的编辑。
Anthony Ha：我们在为这期节目做准备时，Sean，你把这叫作 Tokenpocalypse。我想听听你更多的看法，但这里有个例子：微软决定对 GitHub Copilot 采用按 token 收费的方式 [而不是统一费率]，而且收费会更高。
整个生态系统在很大程度上、非常严重地依赖投资者资金补贴。所以那些看起来似乎没有成本的东西，事实上其实贵得惊人。现在我们会逐渐走到这样一个阶段：其中更多成本将被转嫁给最终消费者，也就是客户。这会如何改变行为？我认为我们还不知道，但肯定会带来很多痛苦。
Sean O’Kane：我的意思是，我们觉得 Anthropic 的 S-1 里会有多少与 token 相关的风险因素？这可是个大问题。这也是我在这档节目里经常提到的事情，而且我们似乎总是不断碰到它。比如 Uber 在一个半月的时间里就经历了完整的转变：先是说，“天哪，我们今年在这类东西上的预算花得比想象中快得多。” 然后又说，“哦，也许这会贵得有点离谱，我们需要给它设上限，而且我们需要限制公司内部员工的使用。”
这让人有点担心。想象一下，如果你这么快就在像 Uber 这样大量使用这类技术的公司里看到这种情况发生，那么问题就变成了：这些 AI 实验室能否把那部分成本压下去，[并且]把这项技术推进到足以最终在中间地带与客户的支出意愿相匹配？
回头看一件有意思的事是，我不认为 ChatGPT 刚推出时，按每月 20 美元收费 [ChatGPT Plus] 真有什么策略可言。那更像是“随口报个价”。而我们从那以后一直都在消化这个定价。很明显，人们会为更先进的模型支付更多费用，但即便如此，仍然不足以弥合与真实成本之间的差距。所以这显然是这里最大的疑问。
克尔斯滕：对我来说，这一切都说明事态变化得有多快。我的意思是，如果你认真想一想，整个 tokenmaxxxing 的事情在短短六个月内就从一种现象变成了流行、达到顶峰，然后如今又被视为不受欢迎。正如你所说，这套定价机制的规模，本来是在围绕 AI 实验室的商业模式真正成形并稳定下来之前就已经搭建好的。
与此同时，政府也在努力追赶。本周，特朗普总统还签署了一项行政命令——虽然这是一个比较狭义的版本，但其目的在于让政府有机会审查强大的 AI 模型。所以你会看到这一切都在以前所未有的速度发生。
这也是为什么我非常期待一些 S-1 IPO 注册声明，因为其中的[风险因素]。你到底要怎么把这些风险写进去，因为它们就在我们眼前、一天一天地变化？
安东尼：Uber 是一个很有意思的例子，肖恩，因为你提到了它在 AI 方面的支出，但它之所以会出现在 AI 讨论中，也是因为有些人认为这是一场泡沫，他们会举出这些工具、这些公司有多么严重地无利可图，然后人们就会拿 Uber 来回应。大家曾经都在谈 Uber 有多么不赚钱，但最终你会做到规模化，然后弥合那道差距。
我认为这没错。但同时，Uber 之所以能做到这一点，作为一家公司，它在很多方面都必须真正地自我转型。Uber 最初是什么样子、现在是什么样子，它不得不扩展到的各种业务领域，为了走到能盈利这一步，客户和司机在不同层面上被压榨的各种方式，这些都是它必须发生的变化。
我认为，如果很多 AI 公司想要活下来，你也会看到它们经历类似的转型。
肖恩：这些实验室有没有可能像 Uber 多年来压榨司机那样，一点点抠出利润？那里有没有足够“可塑”的空间让他们这么做？我不知道。从很多方面看，这些成本似乎更硬、更直接，所以这会很有意思。
来源与参考
收录于 2026-06-08