这是代币末日（Tokenpocalypse）的曙光吗？

# 这是Token末日的黎明吗？ | TechCrunch 来源：https://techcrunch.com/2026/06/07/is-this-the-dawn-of-the-tokenpocalypse/ 微软最近宣布了对 GitHub Copilot 的重大定价调整（https://techcrunch.com/2026/05/30/what-a-joke-github-copilots-new-token-based-billing-spurs-consternation-among-devs/）——变化之剧烈，以至于一位 Reddit 用户表示，他们公司已经开始称其为“Token末日”（https://www.reddit.com/r/BetterOffline/comments/1tq0otf/your_experience_with_tokenpocalypse_2026/）。 在最新一期的 TechCrunch 播客《Equity》（https://techcrunch.com/podcasts/equity/）中，Kirsten Korosec、Sean O’Kane 和我讨论了这些变化可能对更广泛的 AI 生态系统意味着什么。毕竟，随着 Anthropic 和其他大型 AI 公司计划上市，并面临关于盈利能力的尴尬提问（https://techcrunch.com/2026/06/04/ahead-of-its-ipo-anthropics-daniela-amodei-shrugs-off-doubts-about-ais-returns/），我们很可能会看到其他 AI 产品出现类似的价格上涨，以及更多使用限制，因为企业试图控制成本（https://techcrunch.com/2026/06/05/the-token-bill-comes-due-inside-the-industry-scramble-to-manage-ais-runaway-costs/）。 Sean 沉思道：“这些 AI 实验室能否压缩成本，并让技术取得足够进展，最终与客户对花费的承受力达成平衡？” 与此同时，Kirsten 认为这也反映了“事情发展有多快”。短短几个月内，企业先是痴迷于“代币最大化”，（https://techcrunch.com/2026/04/17/tokenmaxxing-is-making-developers-less-productive-than-they-think/）随后又因高昂成本而反对它。因此，当 AI 公司撰写 IPO 文件时，她问道：“你该如何写入这些风险？因为它们就在我们眼前演变。” 继续阅读，预览我们的对话（为简洁和清晰已进行编辑）。 **Anthony Ha：** 在我们策划这期节目时，Sean，你把这件事称为“Token末日”。我想听听你更多的看法。但有一个例子是，微软决定对 GitHub Copilot 开始按 token 收费（https://techcrunch.com/2026/05/30/what-a-joke-github-copilots-new-token-based-billing-spurs-consternation-among-devs/），而不是统一费率。 整个生态系统严重依赖投资者资金补贴。所以那些看起来没有成本的东西，实际上极其昂贵。现在我们到了一个节点，更多成本将转嫁给最终消费者、客户。这会如何改变行为？我不确定我们是否知道答案，但必然会有很多痛苦。 **Sean O’Kane：** 我的意思是，你觉得 Anthropic 的 S-1 文件中会出现多少与代币相关的风险因素？这是一个大问题。这是我在这期节目中多次提到的点，而且我们似乎不断遇到这种情况——Uber 已经完成了一个完整的弧线（https://techcrunch.com/2026/06/02/uber-caps-employee-ai-spending-after-blowing-through-budget-in-four-months/），在短短一个半月内，它们先说：“天哪，我们今年在这方面的预算比预想中消耗得快得多。”然后又说：“哦，可能有点太贵了，我们需要设置上限，限制公司内部的使用。” 这有点令人担忧。想象一下，在 Uber 这样的公司，这种变化来得如此之快。问题在于：这些 AI 实验室能否压缩成本，并让技术取得足够进展，最终与客户对花费的承受力达成平衡？ 回想起来，一个有趣的事情是，我认为 ChatGPT 最初推出时，每月 20 美元的定价并没有太多策略考虑。只是类似于“随便定个数字”。从那以后，我们一直在为此付出代价。显然，人们为更先进的模型支付更多，但这仍然不足以弥合与实际成本之间的差距。所以这显然是这里最大的问题。 **Kirsten：** 这一切，对我来说，说明了事情发展有多快。我的意思是，当你真正思考时，“代币最大化”这个东西出现、达到顶峰、然后变得不受欢迎，整个过程不到六个月。这种规模、整个定价机制，都是在 AI 实验室的商业模型真正形成和固化之前就建立起来的。 与此同时，你还有政府在试图追赶。同样在本周，特朗普总统签署了一项行政命令（https://techcrunch.com/2026/06/02/trump-signs-narrower-executive-order-on-ai-oversight-after-industry-objections/）——这是一个缩小版，但旨在让政府有机会审查强大的 AI 模型。所以所有这些都在以我从未经历过的速度发生。 这就是为什么我非常期待一些 S-1 IPO 注册声明中的风险因素。你该如何写入这些风险？因为它们就在我们眼前一天天演变。 **Anthony：** Uber 是一个有趣的例子，Sean，因为你提到了他们的 AI 支出，但他们也在 AI 讨论中出现过——有时那些认为存在泡沫的人会指出这些工具和公司有多么严重地不盈利，然后其他人会拿 Uber 作为回应。人们曾谈论 Uber 有多不盈利，但最终你达到规模，然后弥合这一差距。 我认为这没错。但同时也，Uber 要做到这一点，它必须在很多方面真正转型。Uber 最初的样子和现在的样子，它必须扩展进入的不同业务领域，客户和司机被压缩的不同方式——这些都是为了达到能够盈利的点而必须发生的事情。 我认为，对于许多 AI 公司来说，如果它们要生存下去，也将不得不经历类似的转型。 **Sean：** 这些实验室有没有办法像 Uber 多年来压缩司机那样压缩每一分钱？有没有足够软性的东西让它们做到这一点？我不知道。在很多方面，这看起来是更硬性、更直接的成本，所以会很有趣。 *当您通过我们文章中的链接购买商品时，我们可能会赚取少量佣金（https://techcrunch.com/techcrunch-affiliate-monetization-standards/）。这不会影响我们的编辑独立性。*