一句话定义：AI 的「字元流量计」
大模型不是按「字」或「词」处理文本的，而是把文本切成一个个Token（字元）再计算。可以把它理解成 AI 世界的「流量包」：你发给它多少内容（输入）、它写回多少内容（输出），都按 Token 计量并收费。
换算直觉：1 Token ≈ 0.5—1 个汉字，或约 0.75 个英文单词。一篇 1000 字的中文文章，大约消耗 1000—2000 个输出 Token。
计费方式：输入输出分开算
企业用硅基员工走的是 API 按量计费：用多少算多少，没有坐席费、没有保底。这也是为什么硅基员工可以做到「一次部署费 + 极低使用费」的成本结构。
| 计费项 | 含义 | 典型价格感知 |
|---|---|---|
| 输入 Token | 你发给模型的内容：提问 + 背景资料 | 便宜，知识库问答每次约几分钱 |
| 输出 Token | 模型写回的内容：答案、文章 | 约为输入的 2—5 倍单价，仍是几分到几毛钱 |
| 包月订阅 | 个人聊天产品（如 ChatGPT Plus） | 固定月费，与企业 API 计费是两码事 |
企业真实成本测算
对照一个真人综合岗位月薪 5000—10000 元，模型调用费几乎可以忽略——AI 落地的成本大头从来不是算力，而是部署与调教，这也是一次性部署费存在的意义。
| 使用场景 | 月 Token 消耗量级 | 月度成本量级 |
|---|---|---|
| 每天 2 篇公众号/小红书文案 | 数百万 Token | 几十元 |
| 客服问答 + 资料整理（10 人团队） | 千万级 Token | 一两百元 |
| 全员高频使用 + 报表自动化 | 数千万 Token | 几百元 |
控制成本的三个实用技巧
- 别把整本书塞给模型：知识库用检索式注入（RAG），每次只带相关片段，Token 省一个数量级。
- 输出要求写具体：「写 800 字」比「写详细点」省 Token，也减少返工。
- 定期看用量报表：异常消耗往往意味着流程设计有问题（比如循环调用没设上限），及早发现及早调。