健康经济学指标

第 77 个主题，共 91 个· 人工智能加速

推理单位经济学

推理单位经济学以边际算力为AI功能定价：每令牌成本，逐级汇总为每笔交易成本、每用户成本、每次临床事件成本。其决定性的动态特征在于：在能力保持不变的情况下，大语言模型的价格大约每1–2年下降一个数量级——这是一种在医疗技术成本核算历史上前所未有的通缩速度。

为何重要

价格的崩塌带来两个后果。在商业层面，一项今天看来只是边际盈利的AI功能，18个月后可能变得轻松盈利——而按今天成本定价的竞争对手，则会被后来者压价击败。在经济学评估层面，任何针对AI赋能临床服务的成本效果模型，若固定使用2024年的推理价格，都会实质性地高估其持续运营成本——这类分析需要像药物模型处理专利到期与仿制药进入那样，纳入价格下降情景。（研究中的参照数据：截至2026年年中，前沿模型的输出令牌价格约为每百万令牌15–75美元，中端模型便宜一个数量级；达到GPT-4水平能力的成本，已从2022年的约每百万令牌20美元降至约0.40美元；Epoch AI测算，根据能力里程碑的不同，年降幅在9倍至900倍之间。）

计算方法

每次调用成本  = 输入令牌数 × 输入费率 + 输出令牌数 × 输出费率
每单位成本    = Σ 每单位业务产出所需的调用次数（每次分诊事件、
               每份起草信函、每份问诊摘要）

综合实际情况  = 基础调用 + 重试 + RAG上下文（偏重输入）
             + 评估/护栏调用（通常带来20–50%的额外开销）

多年期模型的价格下降情景：
  成本_t = 成本_0 × d^t，在敏感性分析中测试 d ∈ {0.3, 0.5, 0.7}/年

实例演算

某AI出院摘要服务：平均每份摘要使用12,000个输入令牌（病历上下文）+ 1,200个输出令牌，外加一次校验环节（6,000输入/300输出）。按输入每百万令牌3美元、输出每百万令牌15美元计算：

起草：  12,000 × 3/100万 + 1,200 × 15/100万  = $0.036 + $0.018 = $0.054
校验：  6,000 × 3/100万 +   300 × 15/100万  = $0.018 + $0.0045 ≈ $0.023
每份摘要成本 ≈ $0.077 → 每年10万份摘要 ≈ $7,700

相较于每份摘要节省约20分钟临床医生时间（约合£25），推理成本仅占
所创造价值的0.25%——这项经济学的主导因素几乎完全不在令牌本身，
而在于其他一切：集成、评估、治理、推广采用。

这一结论——在当前价格水平下，对于高价值临床任务而言，推理成本很少是真正起决定作用的约束——这一发现本身，正值得带入定价会议之中。

与软件工程的联系

这本质上是云单位经济学在AI场景下的专门化版本，带有三点实践要点：按业务单位计量，而非按API调用次数计量，这样得出的数字才能直接输入ICER/预算影响模型；关注输入/输出之间的不对称性（输出价格通常约为输入价格的4倍；RAG架构偏重输入——架构选择本身就是定价选择）；以及按任务层级路由——将模型能力与任务难度相匹配（分类任务用廉价模型，综合生成任务用前沿模型），通常能在保持同等质量的前提下，将综合成本削减5–10倍，这正是"使用最便宜的有效干预措施"这一原则的软件版本（参见成本最小化，前提是已证明等效性）。

陷阱

  • 固定价格的多年期模型——会高估成本；但同样要警惕假设通缩会自动发生的收入模型——价格战并非合同承诺；两种情形都应做情景分析。
  • 忽视评估环节的开销：护栏机制、评判模型与重试都是真实消耗的令牌，在受监管场景下往往占据大部分成本。
  • 只盯着单价的短视：延迟、速率限制与上下文窗口约束都带有令牌价格本身无法体现的成本。

来源