AI研究机构Epoch AI发布最新报告显示，人工智能的成本正以惊人的速度下降。数据显示，AI成本在短短五年内下降了数十万倍，每个季度降低近50%，每年便宜13倍。这一降价速度不仅超越了锂电池和DNA测序技术，甚至快于过去几十年受益于摩尔定律的计算能力（Compute）进步。
成本崩塌式下跌，速度超越历史技术变革
报告描绘了“人工思维”相对成本的严峻图景。相比之下，锂电池价格在1991年至2024年的近25年间仅下降了100倍；而计算能力从1940年开始的60年间虽下降了数千亿倍，但AI在短短五年内便实现了类似量级的成本压缩。Epoch AI指出，AI成本下降速度比DNA测序快4倍，比锂电池快18倍。
需要注意的是，该研究基于在研究生级谷歌证明问答（GPQA）钻石基准测试中取得81.25%或以上得分的模型，追踪其回答一道选择题的成本。虽然这衡量了AI在综合知识领域的能力，但并未涵盖AI的全部能力范围。此外，部分历史数据（如2023年前的AI成本）是基于现有趋势和外部研究推算得出。
实例验证：OpenAI模型解题成本骤降
具体案例显示，OpenAI于2025年1月发布的GPT o3模型，在GPQA Diamond测试中得分为75%，每道题价格为0.30美元。仅一年半后，OpenAI发布的GPT-5.6 Luna在同一测试中表现相当，但每道题成本已降至0.0004美元。
然而，这种成本降低并非线性或均匀分布。在不同基准测试中，成本效率改善率差异显著：GPQA Diamond显示出快速下降后的停滞期；国际数学奥林匹克模拟测试（AIME OTIS Mock）和国际象棋谜题则表现出更规律的进展。特别是在前沿数学领域，2025年至2026年间进展甚微，随后在年中出现成本断崖式下跌。
报告同时警告，成本降低的速度正在放缓。在五个基准测试中，每季度成本降幅已从最初的66%降至两年后的32%。这可能意味着AI进步正在减速，或者受限于能源和计算硬件价格的飙升，进一步降低服务成本变得愈发困难。
“基准优化”疑云与商业困境
Epoch AI指出，数据可能存在“Benchmaxxing”（基准优化）问题，即开发者专门训练模型以在特定测试中表现出色。尽管部分测试引入随机元素以防止作弊，但未采用此机制的测试显示出更高的成本下降率，暗示数据中可能存在一定程度的基准优化。这虽不使结果完全无效，但值得保持审慎态度。
对于投入数千亿美元开发前沿模型的实验室而言，这一趋势构成了艰难困境。当技术优势昙花一现，且竞争对手能提供更便宜、更强大的服务时，建立客户忠诚度和稳定收入来源变得极具挑战。如果其他模型能以极低实现相同智能水平的90%，且未来成本继续下降，用户为最新功能支付溢价的动力将大幅减弱。
尽管切换AI工具涉及对用户界面、工作流程及信任关系的考量，但价格的剧烈波动使得订阅模式的合理性受到质疑。随着旗舰开发商在高效成本与高智能的交汇点激烈竞争，令牌成本持续下降，AI服务的商业化逻辑正面临深刻重构。