Token 價格砍半、帳單反而更大：UBS 解析 AI 用量的傑文斯悖論

便宜不代表省錢，這是 AI 用量經濟學目前最反直覺的地方。

UBS 的 LLM Token Expenditure Index 顯示，今年 5 月至 8 月間，每百萬 token 的平均成本從約 2 美元跌至 1 美元，價格腰斬。但這段期間，需求不是放緩，而是加速。OpenRouter 這個整合數百個大型語言模型的平台，今年以來 token 用量成長了十倍；平台上頂端 1% 用戶的月均消費，從 2,500 美元漲到 7,500 美元。帳單是原來的三倍，不是一半。

這個現象有個 150 年前的名字：傑文斯悖論（Jevons Paradox）。19 世紀英國經濟學家 William Stanley Jevons 觀察到，蒸汽機效率提升後，煤炭消耗量反而暴增——因為更有效率讓使用門檻降低，用量就跟著擴大。AI token 正在走同一條路。效率進步的數字更直接：《經濟學人》的研究（UBS 引用）顯示，在特定效能基準上，token 成本一年內下降了約 97%。模型愈來愈便宜，但便宜的結果是企業用得更兇。

推動用量的力量不只是「多問幾個問題」這麼簡單。UBS 點出幾條需求放大的路徑：更長的提示與回應、多模態應用、搜尋與檢索、以及運算密度更高的推理任務。AI 代理（agents）是另一個關鍵變數——能自主使用工具、規劃流程、在無人監督下執行任務的代理，天生就是 token 的大量消費者，因為每一個決策步驟都在燒算力。隨著代理應用加速普及，用量曲線還沒到頂。

UBS 把這個動態稱為「AI 飛輪」：token 更便宜 → 使用量增加 → 對算力的需求更強 → 基礎設施投資加碼 → 再推動更多採用。報告裡有一個關鍵的背離值得企業經營者注意：今年夏天 token 價格持續下滑，但記憶體（DRAM）價格同期上漲，兩條曲線方向相反。換句話說，AI 的使用成本在降，但支撐 AI 運作的基礎設施成本卻在升。對雲端供應商和資料中心來說，這個剪刀差意味著毛利壓力；對企業用戶來說，短期內 API 費用看起來很親切，但一旦代理工作流程大規模上線，帳單很可能比預期更早、更快膨脹。

UBS 的結論是：token 定價與用量，現在已是觀察整個 AI 經濟活躍程度的前置指標。Token 價格下跌，不應被讀成 AI 需求降溫的信號，而是採用範圍正在快速擴張的佐證。對企業來說，真正的問題不是「AI 夠不夠便宜」，而是「我們的用量治理跟不跟得上這條飛輪」。