生成式AI的Token訓練成本降低，掀起削價競爭，從藍海殺成紅海

生成式AI藉由將圖文資料轉化為量化單位「Token（權杖、令牌）」，作為AI訓練量的單位，也能衡量生成式AI的訓練成本；但在ChatGPT推動訂閱制以價制量，以及DeepSeek掀起全球AI訓練量Token的削價競爭後，促使各家業者針對Token的訓練成本斤斤計較，不遺餘力爭取世界各地的客戶導入採用生成式AI方案，並確保繼續在市場上立足的競爭力，令曾為處女地的藍海市場，變成各家AI業者捉對廝殺的紅海。

【趨勢發展背景】

生成式AI系統的營運成本，不光是基礎設施運作所需的人力水電，以及跟雲端服務類似的計價模式（例：資料流量、雲端容量、頻寬、系統負載人數），還有資料訓練的Token數量，作為生成式AI服務的定價策略。資料訓練量通常以每一百萬Token為單位換算為等值貨幣，也限制了使用者在一定時間內的最大使用量；使用者若要解除限制，就得付費購買更多的Token額度，作為生成式AI服務的營利模式。

【產業趨勢說明】

以Google Gemini模型的Token訓練成本為例，每百萬Token呼叫量的成本，從2023年第二季的4美元（當時折合新臺幣118.94元），於2024年第三季降低到0.12美元（當時折合新臺幣3.8742元），在一年半期間內的Tokem訓練成本美元降幅達97% (Kedrosky, 2024)。

圖 1：Google Gemini Token呼叫量價格趨勢（2023第二季～2024第三季）

資料來源： Kedrosky, 2024

另一方面，OpenAI的GPT-4家族的Token呼叫量（輸入輸出各100萬，總和200萬計），從2023年4月的180美元（當時折合新臺幣5,527.8元），於2024年7月降低到0.75美元（當時折合新臺幣24.675元），在一年半期間內的Token訓練成本美元降幅達240倍 (Jaipuria, 2024)。

圖 2：GPT-4 Token呼叫量價格趨勢（2023年4月～2024年7月）

資料來源： Jaipuria, 2024

【未來展望／挑戰】

生成式AI的Token呼叫費用逐年降低，也成為一股趨勢，令生成式AI市場因百家爭鳴而殺成紅海；而生成式AI隨著資安意識抬頭、地緣政治加劇而變成一種戰略性資產的投資。在隨著Token呼叫費用下跌令生成式AI普及化的同時，也應搭配一些更進階的安全措施與完整功能權限，並搭配訂閱制、隨選租用等營利策略，確保AI能被可信任的使用者掌握在可控範圍內，帶來經濟實惠又兼顧安全性的正面效益。

封面圖片來源：ChatGPT生成

參考資料來源：

1. Jaipuria, T. (2024, November 4). The plummeting cost of intelligence. Retrieved from Wing.vc: https://www.wing.vc/content/plummeting-cost-ai-intelligence
2. Kedrosky, P. (2024, September 22). What If AI Tokens Are Too Cheap to Meter? Retrieved from Paul Kedrosky: https://paulkedrosky.com/what-if-ai-tokens-are-too-cheap-to-meter/