AI大模型的隱形國別稅，比懂王關稅狠多了

最近，AI研究員Aran Komatsuzaki發了一條推特：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，統計各大模型處理不同語言時，token消耗量相對英文的倍數。

英文基準是1.0x，數字越高，同樣內容花的錢越多。

現在最火的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。

同一套內容，美國模型和中國模型的計費結果，可以差出一倍。

為什么會有這個差距？

現在表面上，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同樣的意思。

價格沒變，但你買到的有效內容量，天然少一截。這不是bug，是tokenizer設計本身的結構性結果——誰訓練的模型，詞表就向誰的語言傾斜。

這筆錢，現在還不起眼。

現在大多數人把AI當搜索引擎用，偶爾問幾個問題，多花幾個token無所謂。

但再往后走——AI全面嵌入現有工作流程，token消耗會變成企業的常規運營成本，就像電費、水費、燃氣費，每個月都要付的那種。

到那時，哪個國家的企業能用更低的token成本跑AI，哪個國家就在這場產業浪潮里拿到了系統性的成本優勢。

這不是一筆小錢，是整個產業層面的競爭力差距。

說到這里，不得不和懂王的關稅比一下。

關稅是明牌博弈：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，企業有反制，WTO有框架，至少大家都知道發生了什么，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——征的不是貨物，是算力使用權，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token消費變成水電一樣的基礎設施賬單，這個流量怎么計算，由誰制定規則，就直接決定了非英語國家企業的AI成本底線。

DeepSeek V4把中文token消耗壓到0.87x，Qwen壓到0.85x，是在這套定價結構里，給中文用戶留出來的成本空間。

今天寒武紀和芯原雙雙20cm漲停，表面是AI芯片國產化的邏輯。

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。

關稅戰打的是貨物流動。token戰打的是信息流動的定價權。

后者更深，更久，也更難察覺。