#先說結論：現在的 Token 價格不是真正的穩態價格

這是我最想先放在前面的判斷：目前市場上許多 AI 服務定價，都帶有很強的補貼性質。

說得更直白一點，現在很多人感受到的「AI 很便宜」，並不代表 AI 本身真的便宜，而是代表有人正在替市場付一部分帳。

這種策略，商業上常被概括成「養套殺」。

養：用接近甚至低於成本的 Token 單價吸引用戶。開發者、企業和個人用戶會因此把工作流接到某個模型上。OpenAI、Anthropic 這類公司的估值邏輯，不只是「今天 API 費賺多少」，更重要的是「全球開發者是否正在把工作流綁到我身上」。

套：當你的產品邏輯、業務流程、prompt 工程、RAG 向量庫、整合測試套件都圍繞某個模型建立，遷移成本就會變高。這些東西看不見，但都是沉沒成本。

殺：等市場格局穩定、主要競爭者被淘汰、用戶依賴度夠深，Token 價格就有機會回到它本來應有的水位。

以我目前的算力運維成本估算，市面上的 AI Token 定價，大約只有真實基礎設施成本的五分之一到三分之一。這個差距，不會永遠憑空消失，最後一定會用某種方式回到用戶、企業或中間商身上。

有人會說，競爭會讓價格一直合理。我不完全同意。當訓練一個頂尖模型的代價是數十億美元，當推理服務需要長期消耗 GPU、機房、電力、網路和工程人力，「充分競爭」這四個字就沒有想像中那麼穩。

這不是陰謀論，這是商業週期

亞馬遜 Prime 做過類似的事，Uber 做過，現在 AI 也在做。先用低價建立市場依賴，再逐步回收利潤。不同的是，AI 的基礎設施壁壘更高，後來者追上的難度更大，所以這輪價格回歸的幅度可能更明顯。

#我為什麼判斷 Token 會回調

我一開始其實很樂觀。

我也曾經認為 AI 會改變世界的規則：知識不再被少數人壟斷，普通人只要會問問題，就能跨過教育、階層、資源差距，直接站到一個更高的位置。

但當我真的把錢壓進硬體、機房、API 採購和算力集群，親自站到一線之後，我的判斷開始變得悲觀。不是我不相信 AI 的能力，而是我發現：以成本結構來看，這個世界的規則可能沒有那麼容易被改掉。

AI 目前看起來很便宜，是因為市場還在甜蜜期。廠商要搶用戶，要搶工作流，要搶開發者心智，所以很多成本被投資人、雲廠、模型公司和平台補貼吃掉了。問題是，補貼不是自然法則，它只是一個階段。

我判斷 Token 價格會回調，主要有幾個原因。

第一，工具平台正在做更細的方案分層。

這幾個月，不管是 GitHub Copilot、Cursor，還是其他 AI 編程工具，都在把模型權限、premium requests、用量倍數、雲端代理、企業管理能力拆得越來越細。

GitHub Copilot 的官方方案頁已經把 Free、Student、Pro、Pro+、Business、Enterprise 拆成不同請求額度與模型權限，並且在 2026 年 4 月 20 日起暫停新的 Copilot Pro、Pro+ 和 student plans 註冊。Cursor 的定價頁也把 Pro、Pro+、Ultra 做成明確階梯，Pro+ 是 Pro 的更高用量版本，Ultra 則是更高倍率的重度用戶方案。

我不把某一條公告當成唯一證據，因為政策隨時會改。但這些工具共同指向一件事：平台正在測試市場服從性，也正在把高成本模型從低價方案裡逐步抽離。

以前你可能用低價方案就能摸到頂級模型，之後會越來越像傳統雲服務：入門方案給你試用，中階方案讓你工作，高階方案才給你真正的重火力。

第二，我自己買過硬體，知道這些成本不是紙面數字。

我自己這側投入超過五千萬台幣，搭建 RTX 5090 組成的自有 GPU 算力集群。這筆錢聽起來很大，但放在整個 AI 基礎設施裡，只是九牛一毛上的毛尖尖。

大廠要付出的不是幾台機器，而是資料中心、電力合約、散熱系統、光纖網路、GPU 採購、備援電源、機房人員、模型工程、推理調度和長期折舊。你站在用戶端，只看到一個回答；站在服務端，才知道每個字背後都有電費、熱量和硬體磨損。

第三，連一個「妳好」都不是零成本。

你在前台輸入「妳好」，看起來只是兩個字。但後台會經過 API Gateway、身份鑒權、配額檢查、路由分流、tokenization、模型 prefill、模型 decode、KV cache、GPU 記憶體讀寫、日誌記錄、監控上報、錯誤重試與帳務扣費。

推理請求裡幾個容易被忽略的詞

• API Gateway：API 入口，負責收請求、驗身份、轉發到後端服務。
• tokenization：把文字切成模型能處理的 token。人看到的是字，模型看到的是 token 序列。
• prefill：模型先讀完整段輸入，建立上下文狀態。
• decode：模型一個 token 一個 token 生成回答，輸出越長，佔用越久。
• KV cache：模型推理時保存上下文中間狀態的快取，可以加速後續生成，但會吃顯存。

所以 AI 不是傳統軟體那種「多一個用戶幾乎零成本」的產品。每一次推理都要消耗真實算力，差別只在於誰替你付了。

第四，物理限制還沒有消失。

只要硬體散熱、功耗效率、晶片供應、機房密度沒有出現根本性突破，算力成本就不可能無限下降。GPU 會熱，電力有上限，機房有場地限制，散熱有水電成本，網路有頻寬天花板。

軟體可以快速複製，算力不能。算力是重資產，是能源、場地、硬體和工程能力的混合體。

這就是我為什麼說，現在的便宜 Token 是甜蜜期，而不是永恆狀態。

#中轉站為什麼看起來誰都能做

很多人第一次接觸 AI Token 中轉站，會有一種錯覺：這東西門檻好像很低。

這個錯覺不是完全錯。開源中轉站，真的很容易搭起來。

目前中轉站生態最主流的幾個開源選擇，大概可以這樣理解：

One API 是這個生態的起點之一。它是 Go 單一二進位，Docker 一行就能拉起來，支援 OpenAI、Anthropic、Azure、PaLM 等主流模型的聚合路由，也內建 Token 計費、用戶管理、用量統計儀表板。很多中轉站項目，最早都是從這裡出發。

New API 是 One API 功能更豐富的社群分支，多了 Midjourney 圖像生成支援、更精細的分渠道計費設定、更完整的統計視圖。現在很多人做中轉站，直接 fork 這個倉庫，換 Logo、換域名、接上支付，就能開始賣 Token。它有獨立前端介面，後台也有完整的渠道管理和用戶管理 UI，是目前低門檻商業化的常見起點。

MartialBE 分支在生產環境維護上更積極，針對高並發場景做了穩定性優化，支援更多上游模型類型，也有更完整的監控和告警整合。它更適合那些開始認真看待 SLA 的中小型商業中轉站。

最基礎的部署甚至可以簡化到這種程度：

1
# 最基礎的 One API 部署，五分鐘起服
2
docker run -d --name one-api \
3
  -p 3000:3000 \
4
  -e TZ=Asia/Taipei \
5
  -v /home/user/data:/data \
6
  justsong/one-api

表面上的硬體成本也不高：一台 $5-10 美元/月的海外 VPS，一個域名，幾組官方 API Key。理論上，一個週末就能搭起一個基礎中轉站。

問題是：能搭起來，不等於能活下去。

#三個入場等級：看起來都是中轉站，本質完全不同

我把這個市場粗略分成三個等級，讀者比較容易抓到差異：

Tier 1 的核心問題不是技術，而是商業模型本身很脆。

第一，個人帳號 API Key 做商業流量，本身就容易踩到 OpenAI、Anthropic 等平台的 ToS，也就是服務條款。帳號一旦被封，所有上游路由直接斷掉，你沒有任何 SLA 可以主張。

第二，個人帳號的 RPM 遠低於企業帳號。幾個重度用戶同時在線，請求排隊、超時報錯，體驗立刻崩掉。

第三，沒有算力自持，就只能純轉手 API。這種模式利潤空間很薄，一旦上游漲價，你要嘛自己吞虧損，要嘛立刻轉嫁給用戶。兩條路都不好走。

第四，運維知識不是開源框架會替你解決的。什麼時候需要 Redis 緩存請求結果？峰值流量怎麼排隊？CDN 節點怎麼選？怎麼避免某個上游炸掉之後把整個服務拖死？這些都不是「Docker 起來了」就算完成。

大多數「臥室中轉站」的存活週期不超過六個月。不是因為站長不努力，而是因為它從一開始就沒有足夠厚的抗風險結構。

這也是我想反覆講的重點：入場看起來很容易，真正的壁壘藏在看不見的地方。

#中轉站的三層供應鏈

把結構拆開看，這個生態其實分成上游、中游、下游三層。

#四種賺錢方式：差價只是打底

很多人以為中轉站就是「低買高賣 Token」。這只說對了一部分。

真正能長期跑的中轉站，賺錢方式通常是組合拳。

第一種：Token 差價。

從上游批量採購，走企業折扣，成本比自己單買低 20%–30%，再向下游加價 10%–50% 賣出去。配合 Sub2API 這類工具做 Token 級精準計費，用多少扣多少。

具體數字大概是：差價利潤率 33%–50%。一個小站每天消耗 1 億 Token，光差價一天就是 1,500–2,500 台幣；月流水 50 萬的話，純差價利潤約 7.5–12.5 萬台幣。換算下來，淨利潤率穩定在 15%–25%，零庫存、零售後、全自動。

這是基本盤，不是終點。

第二種：預充值與資金沉澱。

用戶先充值才能使用。100 個人充了錢，可能只有 30 個人會立刻花完，剩下 70 個人的餘額會留在帳上，變成一種零成本現金流。充值規模越大，沉澱越大。搭配全自動支付插件，資金流轉可以不需要人工介入。

第三種：訂閱套餐。

不按 Token 計費，直接賣月卡、季卡、年卡。例如 499 元個人套餐、999 元團隊套餐。背後邏輯是超售：90% 的用戶根本用不完額度，一份企業訂閱可以賣給 10–20 個人同時使用。成本鎖死，超賣多少就是多少純利，這是淨利潤率最高的玩法之一。

第四種：增值服務。

面向企業客戶收技術服務費：多模型聚合、負載均衡、私有部署、數據監控、合規審計。這類服務一單幾千到幾萬台幣的純利潤並不罕見。做 Token 差價的下游滿街都是，但能做企業級定制服務的人很少，這才是真正的護城河。

四種玩法合起來看，邏輯很清楚：差價打底，預充值提供現金流，訂閱放大利潤，增值服務拔高天花板。

15%–25% 的綜合淨利潤率，不算暴利，但可以長期幹。

#中間商的骯髒秘密：灌水

說到中轉站，行業內有一個很少被明說的潛規則：灌水。

你花錢買的是 Claude Sonnet、Claude Opus 或 GPT 高階模型的 Token，實際打到你端的，可能是 Haiku 這類低成本模型，甚至是某個 7B 開源模型，但依然照高端模型的單價計費。

技術實現不難：把高成本模型和低成本模型做動態路由，再在 response 裡把 model 字段替換成用戶訂購的名字，輸出就「看起來像是」你買的那個模型。

市面上常見比例大概是 6:4。60% 的請求走真正高端模型，40% 靜悄悄路由到便宜模型。平均成本接近砍半，但用戶端未必能立刻感覺到差異。

1
// 用戶以為收到的 response
2
{
3
  "model": "claude-sonnet-high-tier",
4
  "choices": [{ "message": { "content": "..." } }]
5
}
6

7
// 實際上跑的可能是低成本路由
8
{
9
  "model": "claude-haiku-low-cost-route",
10
  "choices": [{ "message": { "content": "..." } }]
11
}

絕大多數下游用戶沒有能力做模型指紋識別，也不會拿標準基準測試跑一輪輸出品質。所以他們不知道，也不知道自己不知道。

我們不這樣做。因為有自己的算力，有官方直連，根本不需要靠稀釋模型品質賺那點差價。但市場上這樣做的比你想像中多，尤其是那些沒有算力自持、純靠二次轉售 Token 賺差價的中間商。

等 Token 成本上漲，灌水比例只會更高，不會更低。沒有算力自持的中間商面對成本壓力只有兩條路：漲價，或者稀釋。大多數人會選稀釋，因為用戶不知道。

如何自我保護

如果你長期依賴某家中轉站，可以做簡單的模型一致性測試：把同一個需要推理能力的問題，同時送往官方 API 和你的中轉站，比較輸出的深度、邏輯密度和穩定性。多做幾次，趨勢就會出來。會用 Python 的話，也可以對比 token usage；灌水時往往 completion token 偏短，reasoning 深度偏低。

#六種暗招，你要知道

我直接說：市場上有些玩法見不得光，但相當普遍。你不一定要做，但最好知道。

1. 渠道套利。

用低成本訂閱帳號或非標準渠道包裝成 API，再分給大量用戶使用。那些比官方便宜 80% 的超低價 API，核心邏輯很多都是這個。帳號被封是遲早的事，但有些人會把封號損耗當成固定成本。

2. 計費倍率虛標。

後台自定義計價單位，5 塊錢等於一個「虛擬點數」，再把倍率偷偷調到 1.2–1.5 倍。用戶看著標價便宜，實際折算下來比官方還貴。沒有基準可比較的人，幾乎感知不到。

3. 模型偷換與灌水。

用戶花錢訂的是 Claude Opus 或 GPT-4o 這類高端模型，後台卻悄悄路由到更便宜的模型，model 字段照樣顯示頂配名字。成本砍掉一大截，用戶很難立刻發現。

4. 混合調度。

正規企業 API 帳號和便宜帳號池混著用。高峰期用合規帳號撐場面，低峰期用便宜帳號池壓成本。外觀看不出來，SLA 也寫得漂亮，但一旦帳號池大量封號，服務就會連鎖崩潰。

5. 免費到付費轉化。

基礎模型免費送 Token 拉新，用戶用習慣後想上頂配，就開始收費。這是典型的養套殺 2.0，轉化率高，因為你已經進入他的工作流，遷移成本已經形成。

6. 轉賣用戶對話數據。

最沉默，也最危險。把用戶和中轉站之間的對話記錄批量打包，賣給模型廠商或資料需求方做訓練資料。你花錢用 API，你的對話記錄又被賣了一次，一份數據賺兩份錢。大多數用戶永遠不知道。

三條入行就要知道的坑

第一：封號損耗是成本，不是意外。 正常占比總成本 3%–5%，必須算進定價。帳號池能降低風險，不能消除風險。

第二：兩條紅線最好少碰。 黑卡盜刷和侵權逆向，輕則封號，重則訴訟。我自己踩過，也知道裡面的路，但我不推薦任何人碰。長久做生意比短期撈一票重要。

第三：靠價格競爭是死路。 用戶付錢不是因為你最便宜，而是因為你最穩。Sub2API 的帳號池自動輪轉、失敗重試、負載均衡，可用性做到 99% 以上，大概能幫你留住 90% 的客戶。穩定性做好了，再貴點用戶也願意付；做差了，再便宜也留不住人。

#我的算力能穩定跑多少人

說具體數字。

以我們目前的混合推理架構來看：自有 GPU 集群跑開源模型做算力補量，官方直連做高品質路由。保守估算，可以穩定承載 3 到 5 萬名活躍用戶，峰值並發在每分鐘 8,000 至 12,000 次 API 調用左右。

如果你好奇這個流量長什麼樣子，我們有一個對外公開的可視化面板，實時顯示各機房節點的負載狀態、API 調用量、模型路由分佈與服務延遲：

👉 天眼 · 服務狀態監控面板

數字不是說說而已，面板隨時開著，真實流量就在那裡。

一台搭載多張 RTX 5090 的推理節點，單卡市場行情約 $2,000 USD。它看起來比 H100 SXM 親民，但你要組成一個能支撐幾萬人同時在線的推理集群，需要的不是一兩台，而是幾十台、上百張卡，再加上機架、電源、散熱、機房託管、長期水電。

我自己這側投入的超過五千萬台幣，幾乎全部壓在硬體上；合作夥伴那側則承擔了場地、宣發和 API 採購成本。兩側加起來，才是整個基礎設施的真實代價。

五千萬台幣在這個行業裡只是一張入場票，不是做大的資本。

這個規模在大廠面前當然不算什麼，但它揭示了一個重要事實：這個量級的基礎設施，一個剛出社會的年輕人根本碰不了。

算力是這個時代最重要的生產資料之一，而它的入場門檻，比絕大多數人想像的高出幾個數量級。你現在能用到「便宜的 Token」，是因為有人在替你補貼這個缺口。

這筆帳，遲早要算。

#最後仍然回歸權力

很多人談 AI，只談模型能力，不談模型背後的權力結構。

但算力不是純軟體。它依賴電力、機房、土地、網路、GPU 供應鏈、金融結算、跨境合規、雲平台政策。任何一個環節被卡住，你的布局都會被影響。

如果國家不讓你拿到高階 GPU，你的算力上限會被鎖住。
如果電網不給你穩定供電，你的集群再貴也只是鐵架上的熱源。
如果機房場地、散熱、水電成本撐不住，你的擴張就會被物理世界按住。
如果上游模型公司修改政策，你的下游服務就要跟著變形。

所以 AI 最後不是只回到「誰 prompt 寫得好」，而是回到更古老的問題：誰掌握能源，誰掌握硬體，誰掌握通道，誰掌握規則。

這也是為什麼我不把自己的判斷當成隨口猜測。只有真的站到一線，才會知道算力不是雲上的抽象名詞，而是一排排機器、一張張卡、一度度電、一份份合約，以及每個月真實流出去的錢。

#這篇真正想說的不是「中轉站很好賺」

如果只看到這裡，很容易把文章讀成一句話：中轉站能賺錢。

但這不是我真正想說的。

我真正想說的是：你看得見的是 API、價格、後台面板；你看不見的是算力、封號損耗、速率限制、故障轉移、資金沉澱、模型灌水、用戶信任和長期運維。

這些看不見的東西，才決定一門生意能不能活下去。

同樣的邏輯，放回程序員身上也成立。

一個系統上線後，外行只看到「能不能跑」。但真正值錢的地方，是熔斷降級、自動故障轉移、零停機部署、壓力峰值下的穩定性，以及三年後還能不能維護。

這就是下篇要談的東西：為什麼越重要的能力，越容易藏在看不見的地方。

下一篇：隱形的佈局（下）：知識與權力