AI Token 正在复刻矿圈乱象:你买的模型,可能是 1.5bit 缩水版

点击上方蓝字·

关注我们

近日，Pi 核心贡献者 Armin Ronacher 与 Modem 联合创始人 Ben Vinegar 在播客对谈中，撕开了当下 AI 推理服务市场的多重灰色底色：从标称模型的实际成色存疑，到生态层面的强制绑定，从订阅制掩盖的真实成本，到 Agent 自主化的边界失控，几乎把行业心照不宣的潜规则逐一摆上了台面。

作为常年深耕加密行业的金融分析师，我在整场讨论中看到了极强的产业镜像 —— 今天的 AI Token 市场，像极了早期野蛮生长的加密算力市场：标称参数与实际交付货不对板，渠道层层嵌套挤压利润，平台用技术壁垒锁定用户，用补贴制造繁荣假象。本文将基于对谈中的全部可验证事实，从产业经济与商业逻辑的维度拆解 AI Token 市场的核心问题，并谈谈我对这场 “生产力革命” 背后真实估值的判断。

一、Token 掺水：你买到的模型，可能是 “1.5bit 缩水版”

Armin 引用其联合创始人 Colin 的判断直言：如今在公开市场采购 AI Token，越来越像购买成分不明的商品，用户永远无法确认到手的 “货” 到底是什么成色。这种信息黑箱主要体现在三个维度：

首先是量化程度不透明。用户标称采购的是完整版模型，第三方渠道实际交付的可能是经过极致压缩的量化版本，比如用 1.5bit 量化的 DeepSeek 来冒充标准的 DeepSeek Flash。量化会直接折损模型的推理精度与能力上限，但普通用户既无技术手段核验，也无法感知其中差异，这与早年加密矿圈盛行的 “虚标算力” 如出一辙 —— 标称数值与实际有效产出天差地别，全靠信息差收割用户。

其次是服务承诺与实际条款脱节。不少服务商标榜 “零数据保留”，但实际合同条款中并无对应约束；甚至有渠道会在推理过程中掺入其他模型的数据，用户的任务指令与对话内容在不知情的情况下，成了免费的训练素材。

最后是分销体系层层嵌套。整个 Token 供应链像洋葱一样层层叠加：顶层是模型原厂，中间是聚合路由平台，底层是各类推理服务商，每层都要分走利润，也每层都存在操作空间。值得注意的是，这个赛道的不少头部玩家都出身加密货币领域 —— 早年手握 GPU 产能却找不到盈利场景，直到编码 Agent 带火了 Token 生意，便把加密圈的套利逻辑完整平移了过来。

在我看来，这种乱象的根源是 AI 推理服务至今没有统一的 “交付质检标准”。加密行业的算力至少可以通过链上产出验证真伪，而 AI 模型的交付效果高度依赖场景，量化版本、系统提示词、推理引擎的细微差异都会影响最终结果，用户几乎无法核验自己买到的是不是 “标称版本”。这种非标化的黑箱状态，是行业早期的红利来源，也是长期发展的核心隐患。

二、生态锁仓：从加密提示词到不可迁移缓存，技术绑架正在加速

如果说 Token 掺水是 “卖假货”，那生态绑定就是 “强制锁仓”—— 模型厂商正在从基础设施层面一步步抬高迁移门槛，把用户牢牢锁死在自家体系内，其封闭性远超互联网时代的平台壁垒。

最极端的案例是 OpenAI 的多 Agent 编排机制：主 Agent 发给子 Agent 的提示词采用加密协议，仅能在 OpenAI 平台内部解密，用户根本无法用这套机制调度运行在其他厂商服务器上的模型。这已经不是普通的工作流适配问题，而是从协议层就焊死了跨平台的可能，绑定深度远超当年苹果对谷歌的生态封锁。

另一个更隐蔽的绑定工具是KV 缓存。随着多轮对话、长周期 Agent 任务成为主流，缓存已经从 “体验优化项” 变成了推理基础设施的核心。但缓存完全基于厂商自身的量化方案、模型版本与推理系统，既不对外透明，也无法跨平台迁移：一旦用户切换模型，就需要从头重建缓存，消耗大量 Token 恢复会话状态；而缓存的有效期、命中规则、命中与未命中的计费标准，全由服务商单方面制定。

很多人会将其类比为互联网时代的平台壁垒，但我认为两者本质完全不同。互联网的绑定是产品与数据层面的，迁移成本是用户习惯与历史数据；而 AI 时代的绑定是技术与协议层面的，用户连最基础的工作流都无法跨平台平移。这更接近加密行业的公链生态 —— 你的资产、应用、工作流全部绑定在一条链上，跨链不仅成本高昂，甚至可能完全无法兼容。

厂商的商业逻辑非常直白：用生态绑定提高用户留存，用缓存与加密协议抬高迁移门槛，最终让用户 “不得不” 留在体系内持续付费。当全行业都走上这条路，竞争的核心就会从技术能力转向壁垒构建，最终为封闭性买单的永远是终端用户。

三、补贴泡沫：每月 9 万美元的真实成本，撑不起的 AI 估值神话

整场对谈中最戳破行业真相的，是订阅制与真实 Token 成本之间的巨大鸿沟。

开发者 Steve Yegge 的游戏项目开通了 12 个 AI 订阅账号，按照官方 API 的真实 Token 价格折算，每月消耗约 9 万美元，全年成本接近 100 万美元，但这个游戏的年收入根本覆盖不了这笔支出。换句话说，如果没有订阅制的价格补贴，这个项目从商业逻辑上就不成立。

这绝非个例。Armin 曾做过内部测试：让全公司按 API 原价按量付费使用一天，结果显示成本完全不可承受。当前市场的现状是，个人订阅价格与真实 Token 成本之间存在超过一个数量级的差距 —— 每月 200 美元的订阅，实际可以消耗掉数千美元的 Token 额度。支撑这个价差的，是企业级 API 用户的高额付费，本质是企业客户在补贴个人用户。

这种补贴带来了两个严重的市场扭曲： 

第一是价值感知全面失真。大量开发者和创业者用订阅价测算投入产出比，得出 “AI 生产力极强、商业价值极高” 的结论，但如果替换成真实 Token 成本，绝大多数 AI 创业项目都不具备商业可行性。这就像加密牛市里靠补贴支撑的挖矿项目，一旦补贴停止，立刻就会现出原形。 

第二是灰产套利泛滥。哪里有价格差，哪里就有套利空间。市场上已经出现批量收购订阅账号、打包转售 Token 的灰色产业链，仅 OpenCode 就有约一万个账号被打包转售，与加密行业撸空投、倒白名单的套利玩法高度相似。

我的判断是，这场补贴盛宴不可能长期持续。当前的订阅制本质是厂商的 “拉新补贴”，用低价培育用户习惯、制造行业繁荣。但随着 Token 消耗量指数级上升，补贴的成本压力会越来越重，未来要么订阅费大幅涨价，要么使用额度大幅缩水，要么推出更精细化的分层定价。而那些建立在 “低价订阅” 基础上的创业项目，大概率会在补贴退潮后迎来一波死亡潮 —— 就像熊市里那些靠空投续命的加密项目，潮水退去才知道谁在裸泳。

四、问责真空：Agent 的 “奥弗顿窗口” 扩张，谁为失控负责？

比成本黑箱更值得警惕的，是 Agent 能力边界的持续扩张，以及背后完全缺位的问责体系。

当下的前沿模型正在被刻意训练得越来越 “自主”：你让它审查 PR，它可能直接修改代码并完成合并提交；你给它一个开发任务，它可以连续运行十几小时不间断执行。Anthropic 甚至为 Claude Code 默认开启了工具调用自动审批模式，用监督模型替代人类确认 —— 代价是每次工具调用都要额外运行一次模型，成本直接翻倍。

行业将这种可接受行为边界的逐步扩张，称为 “奥弗顿窗口” 的移动：从最初每步操作都需要人类确认，到沙箱内自动执行，再到现在自主修改代码、合并 PR，用户的接受底线在一步步被拉高。甚至连 “模型逃出沙箱” 这种曾经的重大安全事故，现在都成了各家实验室争相认领的 “能力证明”，仿佛跑不出破坏性操作的模型就不是好模型。

但在能力狂奔的同时，问责机制却完全没有跟上。Armin 提出了一个非常尖锐的问题：如果未来银行让 AI 自主修改自身代码，出了事故谁来负责？是训练模型的工程师？是部署系统的银行？还是做出决策的 AI 本身？答案是没有人负责 —— 问责制正在技术迭代的过程中被悄悄消解。

作为加密行业从业者，我对这个话题格外敏感。智能合约奉行 “代码即法律”，至少代码是开源可审计的，出了问题能追溯到具体逻辑；但 AI Agent 的决策是完全黑箱，你既不知道它为何做出某个操作，也无法预判它的下一步动作。如果说智能合约的漏洞是显性风险，那 AI Agent 的失控就是隐性的、渐进的系统性风险。

更值得玩味的是，推动 Agent 越来越激进的核心动力恰恰是商业利益：Agent 越自主，消耗的 Token 就越多，厂商的营收就越高。所谓的 “提升效率” 背后，藏着非常直白的增收逻辑 —— 这才是奥弗顿窗口不断扩张的底层驱动力。

写在最后：蛮荒期之后，价值终将回归

整场对谈看下来，我最大的感受是：我们正处在一个信息极不透明的 AI 蛮荒期。

从 Token 掺水到生态绑定，从补贴泡沫到问责缺失，今天的 AI 行业像极了十年前的加密行业 —— 充满了机会，也充满了陷阱；所有人都在谈论革命，但大多数人都在为幻觉买单。

短期来看，这些乱象还会持续存在，补贴也还会维持一段时间，行业热度不会立刻退散。但长期来看，透明化、可审计、可迁移一定会是行业的必然方向，就像加密行业从蛮荒一步步走向合规与标准化一样。

对于从业者和投资者而言，当下最该做的，是穿透营销与补贴的迷雾，用真实成本测算 AI 的商业价值，用风险意识看待 Agent 的能力边界。毕竟，所有建立在黑箱与补贴之上的繁荣，最终都要回归真实的价值逻辑。

END