AI大模型的隱形國別稅，比懂王關(guān)稅狠多了

最近，AI研究員Aran Komatsuzaki發(fā)了一條推特：The non-English tax is real.

然后附上了一張圖。

他做了什么測試？

把Sutton的《Bitter Lesson》這篇文章，翻譯成多種語言，統(tǒng)計各大模型處理不同語言時，token消耗量相對英文的倍數(shù)。

英文基準(zhǔn)是1.0x，數(shù)字越高，同樣內(nèi)容花的錢越多。

現(xiàn)在最火的Anthropic（也就是Claude）：中文1.65x，日文1.94x，韓文2.59x，阿拉伯文2.74x，印地語3.11x。

也就是說：一個印度用戶用Claude處理同等信息量，花的錢是美國用戶的三倍多。

OpenAI（ChatGPT）相對克制：中文1.15x，韓文1.40x，印地語1.37x。

貴，但沒貴到離譜。

國內(nèi)模型呢？Qwen 0.85x，DeepSeek V4 0.87x，Kimi 0.81x——全部小于1，處理中文比處理英文還省。

同一套內(nèi)容，美國模型和中國模型的計費(fèi)結(jié)果，可以差出一倍。

為什么會有這個差距？

現(xiàn)在表面上，各家模型的定價是完全一樣的——每百萬token多少錢，全球統(tǒng)一，沒有任何顯性價格歧視，無論你在北京買和在紐約買token，單價都是相同的。

差距藏在分詞邏輯里。

大模型處理文本，靠的是tokenizer把文字切成碎片。

英文和這些模型的詞表高度匹配，一個詞往往就是一個token。

中文、阿拉伯文、hindi得切更多碎片才能表達(dá)同樣的意思。

價格沒變，但你買到的有效內(nèi)容量，天然少一截。這不是bug，是tokenizer設(shè)計本身的結(jié)構(gòu)性結(jié)果——誰訓(xùn)練的模型，詞表就向誰的語言傾斜。

這筆錢，現(xiàn)在還不起眼。

現(xiàn)在大多數(shù)人把AI當(dāng)搜索引擎用，偶爾問幾個問題，多花幾個token無所謂。

但再往后走——AI全面嵌入現(xiàn)有工作流程，token消耗會變成企業(yè)的常規(guī)運(yùn)營成本，就像電費(fèi)、水費(fèi)、燃?xì)赓M(fèi)，每個月都要付的那種。

到那時，哪個國家的企業(yè)能用更低的token成本跑AI，哪個國家就在這場產(chǎn)業(yè)浪潮里拿到了系統(tǒng)性的成本優(yōu)勢。

這不是一筆小錢，是整個產(chǎn)業(yè)層面的競爭力差距。

說到這里，不得不和懂王的關(guān)稅比一下。

關(guān)稅是明牌博弈：每加一輪，全球媒體炸鍋，受影響品類全部曝光，各國政府表態(tài)，企業(yè)有反制，WTO有框架，至少大家都知道發(fā)生了什么，還能上桌談。

token稅完全不同。沒有公告，沒有談判，用戶只看到賬單上的token單價，壓根不知道自己消耗的token數(shù)量從一開始就比別人多。

鵝不叫，毛照拔。

掌握大模型的國家，等于掌握了一種新型征稅權(quán)——征的不是貨物，是算力使用權(quán)，而且沒有國界，只要你用這個模型，稅就一直在收。

這比懂王的關(guān)稅，不知道高明到哪里去了。

所以LLM的卡位，不只是面子問題。

當(dāng)token消費(fèi)變成水電一樣的基礎(chǔ)設(shè)施賬單，這個流量怎么計算，由誰制定規(guī)則，就直接決定了非英語國家企業(yè)的AI成本底線。

DeepSeek V4把中文token消耗壓到0.87x，Qwen壓到0.85x，是在這套定價結(jié)構(gòu)里，給中文用戶留出來的成本空間。

今天寒武紀(jì)和芯原雙雙20cm漲停，表面是AI芯片國產(chǎn)化的邏輯。

但底下那層更具體：算力、模型、分詞，三件事缺一件，隱形稅就斷不了根。

關(guān)稅戰(zhàn)打的是貨物流動。token戰(zhàn)打的是信息流動的定價權(quán)。

后者更深，更久，也更難察覺。