一条产品消息和一组股价，指向同一件事。
据 PANews 10 月 20 日报道，MiniMax 发布 M3.1 Flash，官方称智能体任务成本较前代降低 70%。同日另据链捕手报道，美团推出 AI Agent 技能平台 DeepSkill，收录超过 37 万个工具。
同一天的美股收盘，按用量计费的数据基础设施三只领涨：Datadog 报 260.36 美元涨 5.36%，MongoDB 报 348.69 美元涨 3.29%，Snowflake 报 315.35 美元涨 2.77%。而按座位计费的应用层：赛富时涨 0.73%，奥多比涨 0.77%，ServiceNow 涨 2.39%。
这个对比不是偶然。当「每个任务多少钱」取代「每百万 token 多少钱」成为报价单位，产业链上谁收钱、按什么收钱，会跟着重排。
70% 这个数字该怎么用
先把算术做完。
如果单任务成本下降 70%，也就是降到原来的 0.3 倍，那么总支出要维持不变，任务量必须增加到 3.3 倍。超过 3.3 倍，总支出上升；低于 3.3 倍，总支出下降。
这是最基础的弹性计算，也是判断「降本」对算力需求是利好还是利空的分水岭。历史上这个弹性在大多数计算场景里都大于 1——单位成本下降会打开新的使用场景，总量反而增长。但弹性大于 1 不等于弹性无限大，它取决于新场景的边际价值。
对智能体来说，新场景的边际价值来自哪里？来自那些「以前不值得用 AI 做」的任务。一次任务成本 1 美元时，只有客单价足够高的场景能用；降到 0.3 美元，客服工单、代码审查、报表核对、会议纪要这些高频低价值的任务才进入可行区间。
所以 70% 这个数字真正的含义不是「更便宜」，是「可寻址任务池的边界向外扩了一圈」。这个边界的扩张速度，决定了算力总需求是上升还是下降。
市场已经在给两种收费模式定不同的价
周一美股的分化提供了一个观察窗口。
按用量计费的一组：Datadog 涨 5.36%，MongoDB 涨 3.29%，Snowflake 涨 2.77%。这三家的共同点是收入随客户的查询量、存储量、事件量增长，客户用得越多付得越多。
按座位计费的一组：赛富时涨 0.73%，奥多比涨 0.77%。这两家的收入随「有多少人用」增长，与使用强度关系不大。
同一天，同一个「软件」板块，两组涨幅差约 4 到 7 倍。
这个差距在智能体时代会被放大。原因是座位数的上限是人头数，而任务数的上限是业务量。当 AI 开始替代人执行任务，「有多少个员工需要账号」这个计量单位会停滞甚至萎缩，而「执行了多少个任务」会随成本下降而快速增长。
按座位收费的公司不会消失，但它们的计价单位与增长来源脱钩了：客户用了更多 AI，座位数不增加，收入就不增加。这是计价单位错配，不是产品力问题。
工具调用把成本从算力推向 IO
美团 DeepSkill 收录 37 万个工具这条消息，比表面看起来重要。
一个智能体完成任务，不是一次模型推理，是一串：理解意图、选择工具、调用工具、读取返回、判断下一步、再调用。37 万个工具意味着这个选择空间非常大，而每一次工具调用都是一次 IO 往返，不是一次矩阵乘法。
这改变了成本结构。纯推理的成本以 GPU 秒计，工具调用的成本以请求数、序列化开销、状态存储和可观测性计。当任务成本下降 70%，省下来的主要是推理部分；而工具调用部分的开销随着任务量增长而线性增长，降不下来。
于是价值捕获的位置发生偏移：从「卖 GPU 秒」偏向「卖请求与状态」。
这正好解释了周一的涨幅排序。Datadog 卖的是可观测性——每一次工具调用都需要被记录、追踪、告警；MongoDB 卖的是状态存储——智能体需要记住上下文和历史；Snowflake 卖的是数据访问——工具调用的输入输出大部分来自数据仓库。三只都在「按调用次数收费」的位置上。
而英伟达周一涨 1.38%，成交 9820 万股，是 AI 相关标的里最大的成交量，但涨幅只排中游。AMD 涨 1.76%，博通涨 1.78%，美光涨 2.97%。算力端没有跌，但也没有跑赢——这说明市场认为推理需求的增长是确定的，只是价格弹性不如应用侧。
任务级授权等于任务级风险
同一批新闻里还有一条容易被忽略：开源 AI 编程工具 OpenCode 遭入侵，约 1.4% 用户受影响（来源：链捕手）。
1.4% 听起来很小，但放在智能体的语境里要重新算。传统软件的漏洞影响的是「一次会话」，智能体的漏洞影响的是「一次授权」。当一个 agent 持有你的文件读写权限、数据库连接、支付凭证，被入侵的后果不是数据泄露一次，是这些权限被用一次。
这是计价单位变化的另一面：当收费从 token 变成 task，权限也必须从「会话级」变成「任务级」。每增加一个可执行的任务类型，就增加一条可被利用的路径。
这会带来一个必然的成本项：任务级的审计与隔离。它不是可选的工程优化，是规模化的前置条件。而这项成本正好落在可观测性和身份层——又一次指向按用量收费的那一层。
产能端还在扩张
如果市场真的相信「任务量会大幅增长」，上游的资本开支不会停。
据 PANews 报道，AI 芯片初创公司 Tenstorrent 完成 15 亿美元 E 轮融资，Tether 等参投。这是一家做推理与 RISC-V 架构的公司，融资规模在推理芯片赛道里不算小。
推理芯片的融资热度，本身就是对「任务量增长」的下注。训练芯片的需求由少数几家巨头决定，推理芯片的需求由任务总量决定——后者更分散，也更依赖单位成本的下降。
同一批新闻里还有英伟达完成 104 量子比特容错量子计算模拟的报道（来源：PANews），称所需量子比特可减少 90%。这条离商业化还远，但它说明一件事：算力侧的竞争不只在现有架构上做增量，还在赌下一代的架构切换。
甲骨文与英伟达：买算力和卖算力的距离
把时间尺度拉长一点，周一的另一个数字更值得看。
甲骨文报 129.59 美元，涨 1.06%，但距 52 周高点 289.24 还有 55.2%。英伟达报 217.09 美元，涨 1.38%，距 52 周高点 243.37 只有 10.8%。
同样是 AI 资本开支叙事的核心标的，一个回撤 55%，一个回撤 11%。差别在于位置：英伟达卖算力，甲骨文买算力再转租。
卖算力的一方，收入随需求增长，资本开支由客户预付或长约锁定，现金流的方向是正的。买算力的一方，要先建成数据中心、再等客户上量，中间隔着两三年的资本开支周期和融资成本。当利率不低、融资窗口不稳定时，后者的估值会被压得更狠。
这也是「任务成本下降 70%」这件事对两类公司意义不同的原因：对卖算力的，它意味着需求边界扩张；对买算力的，它意味着单位收入的下降速度可能快于单位成本的下降速度。
三个可以跟踪的指标
第一，看 Datadog 与赛富时的涨幅差能不能持续。如果这个差距连续一个月保持在 3 倍以上，说明市场已经把「计价单位」当成一个独立的估值因子，而不只是当日的风格轮动。
第二，看英伟达的成交量与涨幅的比值。周一 9820 万股的成交只换来 1.38% 的涨幅，这是高关注低弹性的组合。如果后续出现「缩量上涨」，说明筹码在集中；如果「放量不涨」持续，说明分歧在加大。
第三，看智能体产品的报价方式。当越来越多的厂商开始按「每任务」而不是「每百万 token」报价，计价单位的迁移就从叙事变成了行业标准。那才是这条逻辑真正兑现的信号。
结论
MiniMax 的 70% 是一个产品数字，但它撞上了一个更大的结构性变化：AI 的计价单位正在从 token 变成 task。
这个变化对产业链的影响不是均匀的。按用量收费的层（可观测性、状态存储、数据访问）受益于任务量的增长；按座位收费的层（协作软件、创意工具）的计价单位与增长来源脱钩；卖算力的一方需求边界扩张但价格弹性下降；买算力的一方要同时承受单位收入下行的压力。
周一美股给出的排序——DDOG +5.36%、MDB +3.29%、SNOW +2.77%，对 CRM +0.73%、ADBE +0.77%——只是这个结构变化在一天里的投影。投影会晃动，结构不会。
常见问题
任务成本降 70%，对算力需求是利好还是利空？
取决于需求弹性。单任务成本降到 0.3 倍时，任务量要增长 3.3 倍总支出才持平。历史上计算场景的弹性多大于 1，因为成本下降会打开新的使用场景；但弹性大小取决于新增场景的边际价值，不能默认为无限。
为什么按用量计费的公司涨得比按座位计费的多？
座位数的上限是人头数，任务数的上限是业务量。当 AI 开始替代人执行任务，座位数会停滞甚至萎缩，而任务数随成本下降快速增长。周一分化是 DDOG +5.36%、MDB +3.29%、SNOW +2.77%，对 CRM +0.73%、ADBE +0.77%。
智能体的成本主要花在哪里？
不在单次推理。一个任务是一串工具调用，每次调用都是 IO 往返：请求、序列化、状态读写、日志追踪。推理成本随单位价格下降，工具调用成本随任务量线性增长，所以价值会向可观测性、状态存储和数据访问层偏移。