据 Solidot 报道，OpenClaw 作者公开表示，他上个月在 AI 词典：Token">Tokens 上的花费达到千万美元级别。目前公开的信息中没有更细的账单拆分，也未说明对应的具体调用量与计费口径，但这一量级本身就足以让“推理成本”重新回到 AI 产品讨论的中心。
对 AI 从业者来说，这条信息的价值不在于具体金额，而在于它展示了一种新的成本量级。当产品形态从单次问答转向长时间运行、多轮工具调用的智能体，token 消耗就不再是财报里的小数点，而可能直接决定一门生意是否成立。
有几点值得关注。其一，千万美元级的月度 token 支出，意味着调用量或上下文长度至少有一项处在极高水平，通常也会同时放大延迟与账单的波动。其二，这类支出会推动团队在模型路由、提示缓存、上下文压缩与自建推理上做出更激进的选择，成本优化从“可选”变成“必需”。其三，对上游模型厂商和云服务商而言，单一大客户的需求集中度上升，既是收入也是风险。
需要强调的是，目前可依据的只有作者本人的说法，缺少可核验的用量明细。不同模型、不同批量折扣下的 token 单价差异很大，“千万美元”对应的实际调用规模难以直接换算，也不宜据此推断行业平均成本。
可以确定的是，随着智能体类产品增多，类似量级的 token 账单会越来越常见。成本工程将与模型能力一样，成为 AI 产品团队的核心竞争力。