Token末日來了：GitHub Copilot 代幣漲價潮掀負評，AI 產業全面轉以量計價第一槍？

當 GitHub Copilot 從月費制改為按 token 計費，Reddit 社群稱之為「Tokenpocalypse」。TechCrunch 三位主持人指出，這不是單一產品調價，而是整個 AI 產業從「補貼蜜月期」走向「成本轉嫁期」的關鍵轉折，Anthropic 的 IPO 風險書、Uber 的 AI 預算失控、以及短短半年內從 tokenmaxxing 熱潮到人人喊打的風向轉變，都在訴說同一件事：AI 的帳，終究要有人買單。
（前情提要：GitHub Copilot改收費，揭開了AI產業「最大的謊言」｜Claude Code 讓 Uber 兩個月燒完年度預算）
（背景補充：Anthropic 奪得 IPO 先機｜橋水基金創辦人 Ray Dalio 警告 AI 泡沫）

本文目錄

Toggle

從「月費 20 美元」到「按 token 付費」：AI 定價的結構性翻轉
Uber 兩個月燒完年度 AI 預算：tokenmaxxing 狂歡後的清醒時刻
Anthropic IPO 與 S-1 風險因子：token 成本正在改寫 AI 上市檔案
AI 公司的 Uber 化：從補貼到盈利的必經之路

微軟 GitHub Copilot 近期宣布重大定價變革，將原本的 flat rate 月費制改為按 token 用量計費。Reddit 使用者直接在社群的討論中將此現象稱為「Tokenpocalypse」（代幣末日），這個充滿末日感的詞彙迅速在開發圈蔓延開來。TechCrunch 知名播客《Equity》最新一集中，主持人 Anthony Ha、科技記者 Sean O’Kane 與 Kirsten Korosec 以此為引，展開了關於 AI 產業定價結構的深度對話。

他們的結論聽來並不輕鬆：整個 AI 生態系長期依賴投資人的巨額補貼，如今帳單正以前所未有的速度遞到終端使用者和企業客戶手上。從 GitHub Copilot 到 Anthropic 的 S-1 上市檔案，從 Uber 內部 AI 預算失控到短短半年內「tokenmaxxing」從狂熱變為眾矢之的，這股漲價潮正在重塑 AI 產業的每一層面貌。

從「月費 20 美元」到「按 token 付費」：AI 定價的結構性翻轉

Sean O’Kane 在節目中回顧了一個耐人尋味的細節：ChatGPT 在 2022 年底剛推出時，OpenAI 隨口喊出了月費 20 美元的數字，「根本沒有什麼策略在裡面」，但這個「隨手一寫」的價格卻成了整個產業後續長達數年的定價錨點。如今，隨著訓練與推理成本持續攀升，AI 公司終於開始認真面對「真實成本」與「市場定價」之間的巨大鴻溝。

GitHub Copilot 的 token 計費制正是最新、也最直接的訊號。微軟不再採用過去「吃到飽」的月費方案，而是根據開發者實際消耗的 token 數量收費。這個轉變在 Reddit 上被稱為 Tokenpocalypse，因為它意味著，過去那種「AI 很便宜、隨你用」的幻覺即將終結。

Anthony Ha 點出核心本質：「整個生態系被投資人的錢深度補貼。那些看起來零成本的東西，實際上貴得驚人。如今這些成本開始轉嫁給終端消費者，我們不知道行為會如何改變，但肯定會很痛苦。」

Uber 兩個月燒完年度 AI 預算：tokenmaxxing 狂歡後的清醒時刻

這場漲價風暴最戲劇性的案例來自 Uber。Kirsten Korosec 在節目中指出，Uber 在短短一個半月內走完了「AI 匯入，大量使用，預算超支，緊急設限」的完整迴圈。該公司原本為今年編列的 AI 支出預算在不到四個月內就被員工的 token 用量燒光，迫使管理層緊急設定每人使用上限。

與此同時，半年之前還被開發圈瘋狂追捧的「tokenmaxxing」，即想辦法最大化 token 消耗量以榨取 AI 模型潛力的行為，如今已風向反轉，被視為一種浪費且無效率的作法。Kirsten 感嘆：「tokenmaxxing 從崛起、高峰到被唾棄，竟然只用了六個月。」這種速度在傳統科技產業中幾乎聞所未聞，卻正是 AI 時代的常態。

Uber 的共同創辦人暨營運長也在公司內部直言：Token 消耗量和有用的產出之間不存在正比關係。當企業開始緊盯每一塊錢的 AI 支出回報率時，過去那種「有多少 token 用多少」的豪氣將不復存在。

Anthropic IPO 與 S-1 風險因子：token 成本正在改寫 AI 上市檔案

這場討論的另一個關鍵時空背景，是 Anthropic 即將啟動的首次公開募股。該公司已秘密提交 S-1 上市檔案，估值逼近一兆美元。但 Sean O’Kane 提出了一個尖銳的問題：「Anthropic 的 S-1 裡會出現多少個 token 相關的風險因子？」

Kirsten 呼應道：「這些風險正面對我們的眼睛在逐日演變，你怎麼寫進上市檔案？」AI 公司的商業模式、定價策略和成本結構仍在劇烈變動中，這對傳統的 SEC 風險揭露框架構成了前所未有的挑戰。

值得注意的是，川普政府本週也簽署了一項人工智慧行政命令，雖然版本較為窄化，要求政府有機會審查強大 AI 模型。監管、上市、成本轉嫁三條線同時交織，讓 AI 產業進入了一個 Kirsten 形容為「從未有過的速度與複雜度」的時期。

AI 公司的 Uber 化：從補貼到盈利的必經之路

Anthony Ha 提出了一個有趣的類比：多年前 Uber 也曾被華爾街視為「永遠不會賺錢」的公司，但 Uber 最終透過業務轉型、擴張新市場、以及對乘客與司機兩端的價格調整，實現了獲利。AI 公司若要存活，恐怕也必須經歷類似的蛻變。

但 Sean O’Kane 追問了一個關鍵問題：「這些 AI 實驗室能不能像 Uber 壓榨司機那樣去壓榨成本結構？」他的答案並不樂觀，AI 的運算成本是鐵板一塊的硬成本，不像 Uber 的平台可以透過補貼調整和供需匹配來最佳化。這意味著，AI 產業的成本轉嫁，最終可能比 Uber 模式更為直接與痛苦。

當 Tokenpocalypse 的討論從 Reddit 討論串升級為 TechCrunch 頭條、再擴散為整個矽谷的話題，它已經不僅僅是一個有趣的網路迷因，而是指向一個更深層的產業現實：AI 盛宴的帳單，正在被送到每個人手中。