泉源：湖北安陆府河洪水冲断桥梁不实作者： 林玉生：

华尔街激辩“Token经济学”：AI账单失控了吗？？？？

一张Token指数图，，点燃了AI增添和账单失控的焦虑。。。

这张图是Silicon Data统计的LLM Token支出指数。。。6月11日，，它已连跌7天，，创下今年1月以来最长连跌纪录；；；已往12天里，，有11天是下跌的。。。

这个指数权衡的是全市场每使用100万枚Token平均支付几多钱——可以明确为市场愿意为AI“付几多钱”的晴雨表。。。它自去年12月以来翻了一番以上，，并在2026年5月前一连攀升，，但近期急转直下。。。

它触动的不是一个小指标，，而是整条AI生意链：若是企业最先控制Token账单，，GPU、DRAM、数据中心和云厂商的资源开支预期，，会不会被重新定价？？？？

美国宏观战略师Andreas Steno Larsen在6月9日直接把这张图称为“目今全市场最应关注的一张图”，，并忠言：若是Token定价一连走弱，，本轮周期中从内存到更普遍的硬件及数据中心生意可能宣告竣事。。。

这句话戳到了投资者最敏感的神经。。。但华尔街的看法更为重大和多面，，Token定价走弱可能并非纯粹的AI需求见顶。。。

指数下跌是不是需求见顶？？？？这张图究竟表达了什么

这张图不可简朴读成“AI没人用了”。。。

它不是Token总需求指数，，也不是Token总支出金额。。。它量的是每百万Token的加权平均价钱——也就是说，，它反映的是用户在用什么价位的模子。。。

算一笔简朴的账就清晰了：假设前沿模子10美元/百万Token，，自制模子1美元。。。某个月100单位用量全跑在前沿模子上，，指数是10。。。下个月需求翻倍到200，，但新增的全是自制模子跑的批量使命，，指数直接掉到5.5。。。

需求翻倍，，指数腰斩。。。

这意味着，，指数下跌有两种完全差别的诠释：一是需求真的在萎缩；；；二是用量在爆炸，，但用户在自动向低价模子迁徙。。。

这正是目今争论的焦点：指数下跌，，究竟是需求见顶，，照旧用量结构下沉？？？？

Citadel证券宣布《Tokenomics》报告以为，，AI落地的焦点约束已从"模子能力"转向"本钱与算力稀缺"，，用户正加速向廉价模子迁徙。。。

“接纳趋势越来越不取决于前沿模子的功效，，而更多取决于价钱……Token指数的近期下跌可能反映了这种向更自制模子转变的部分迹象。。。”

摩根大通TMT剖析师Mark Schilsky则在6月11日把近期市场讨论概括为：“AI账单失控了。。。”同时，，该行以为目今的Token支出乱象只是“通往更高支出的最小减速带”。。。

Citadel的判断：AI的“性价比与稀缺性”变得更主要了

Citadel证券在其最新宣布的《Tokenomics》报告中，，给出了一个明确的偏向性判断。。。

焦点论点是：AI落地的焦点约束，，已经从"模子能力"转向了"本钱与稀缺性"。。。

Citadel的表述是：“手艺落地的焦点不再是前沿模子理论上能做什么，，而是规；；；迪諥I运行所需的投入品的价钱与稀缺性。。。算力、电力、冷却、内存带宽和推理预算，，都是真实保存且具有约束力的限制条件。。。”

报告援引经济学基来源理：价钱有三大功效——转达稀缺信号、催生替换动力、将资源设置到价值最高的用途。。。这三条在AI领域正在同时爆发。。。

结论是：未来最好的回报，，不会来自那些构建最强模子的公司，，而是来自那些降低AI本钱、提升效率的公司。。。

同时，，推理麋集型前沿AI不会消逝，，但会越来越集中在少数有能力肩负本钱的大型企业手中。。。对整个经济体而言，，在物理约束缓解之前，，更简朴的模子可能是更具生产力的路径。。。

低价模子正在改变账单结构

高盛One-Delta部分认真人Rich Privorotsky曾提到，，DeepSeek下调75%的定价，，小米MiMo靠近99%的降价幅度，，基础设施瓶颈缓解正在触发价钱战。。。

Coinbase首席执行官Brian Armstrong展望，，未来12至18个月，，80%的AI事情负载会迁徙到本钱低99%的模子上，，只有20%需要极致智能的使命会继续留在前沿模子上。。。

Hugging Face首席执行官Clement Delangue援引斯坦福大学数据称，，外地模子在真实天下盘问中的准确率已升至71.3%，，且本钱极低。。。

这与Citadel的判断相靠近：前沿AI不会消逝，，但可能集中在少数能遭受算力本钱、具备研究深度、且能把高难度问题转化为规；；；找娴钠笠凳种。。。

对更普遍的经济体而言，，在物理约束缓解前，，更简朴的模子可能是更自制的生产力工具。。。

也就是说，，AI使用可能走向分层。。。

高价值、重大使命继续使用前沿模子。。。日常使命、批量使命、低回报实验，，则转向自制模子或外地模子。。。

摩根大通：优化账单，，不即是AI需求见顶

摩根大通的判断则是：现在的账单焦虑，，可能只是AI需求早期阶段的小减速带；；；一年后Token支出可能显着更高。。。

若是每百万Token平均本钱下降，，但美国公司AI付费渗透率仍在上升，，总Token用量在算术上就必需大幅增添。。。也就是说，，“单位价钱下降”和“总使用量爆发”可以同时爆发。。。

企业内部的情形也类似。。。已经大宗使用AI的公司会优化Token预算，，镌汰铺张；；；还没完全上车的公司，，会由于模子更自制、更容易安排而最先使用。。。

智能体AI还会放大Token消耗。。。一个使命已往只需一次挪用，，现在可能被拆成多步执行、重复妄想、挪用工具、读取上下文，，单使命Token消耗会显着增添。。。素材中提到，，有中小企业案例显示，，营业agent化后，，每个使命的Token消耗酿成原来的3.5倍。。。

以是，，市场争论的要害不是“Token会不会继续增添”，，而是“增添的单位经济模子是否康健”。。。

当下，，企业已经最先管账单

企业端最先袒露的问题，，不是AI没人用，，而是用得太随意。。。

Axios援引一位AI照料的新闻称，，其一家企业客户近期单月在Claude上破费5亿美元，，原因只是没有对员工使用量设置上限。。。

在企业内部，，把AI使用量看成审核指标，，也最先爆发副作用。。。

此前美国部分公司内部把AI使用量当成排名或审核指标，，效果诱发了“Tokenmaxxing”：员工为了刷高使用量，，让AI执行低价值使命。。。

亚马逊旗下开发者平台Kiro曾设有内部排行榜“Kirorank”。。。亚马逊高级副总裁Dave Treadwell认可，，员工为了刷榜让AI做无意义使命，，推高运营本钱。。。他随后要求员工“不要为了用AI而用AI”，，相关测试版仪表盘被下线。。。

亚马逊后续改用“归一化安排”指标，，追踪AI天生代码的现实价值，，而不是纯粹追踪Token消耗。。。Meta内部也泛起过类似拉高Token消耗量以占有排名优势的情形。。。

这类调解的寄义很明确：企业不是停用AI，，而是最先区分“有用Token”和“无效Token”。。。

摩根大通提到，，Cloudflare推出AI Gateway这类产品，，目的就是资助企业控制Token预算。。。OpenRouter等工具也恒久保存，，实质都是在差别模子之间做路由和本钱治理。。。

定价端也在转变。。。

6月1日，，GitHub Copilot正式从按请求收费切换为按Token用量计费。。。Reddit社区有用户体现，，其月度用度预计将从不到45美元升至凌驾847美元。。。

GitHub首席产品官Mario Rodriguez此前称，，随着智能体AI兴起，，旧有定价模式已不可一连。。。

Gartner剖析师Arun Chandrasekaran在接受Business Insider采访时称，，随着高级推理模子推高算力消耗，，更多企业将转向按用量计费。。。

这意味着，，已往靠牢靠订阅或津贴隐藏的本钱，，正在被摆到企业财务外貌。。。

多空分歧：硬件生意的逻辑还建设吗？？？？

这场争论的最终问题，，是AI基础设施的投资逻辑是否还建设。。。

多头的依据是：高盛的Jim Schneider测算，，到2030年，，署理式AI将推动Token消耗量增添24倍，，云服务商毛利率将在短期内转正。。。Mark Schilsky也以为，，Token支出的短期乱象不会改变恒久趋势。。。

空头的依据是：高盛半导体剖析师Jim Covello以为，，目今工业链昌盛是以牺牲上游消耗为价钱的，，险些所有价值都流向了半导体公司，，这种状态不可一连。。。投资人Tommy Shaughnessy忠言，，AI大厂利润率深度为负，，一旦企业直面按量计费的真实价钱，，支持GPU采购和模子训练的资源流动将面临逆转。。。

克日接受采访时，，Anthropic CEO Dario Amodei、博通总裁Hock Tan、《大空头》原型Steve Eisman等也都谈到类似问题：企业现在对AI工具保存太过支出，，也就是“Token最大化”征象；；；随着本钱意识增强和计费模式转向按Token收费，，未来更需要看现实投资回报率。。。

社交媒体上，，也有声音直接质疑这张图的叙事框架。。。有用户指出，，"六天连跌去年在接纳岑岭期爆发过四次"，，"更自制的模子反而会加速安排，，由于本钱门槛降低了"。。。

也有人反驳："不管多自制，，每次新模子宣布都会指数级消耗更多Token。。。"

现在，，这场争论没有定论。。。但有一点是确定的：Token支出的边际转变，，通过GPU算力、DRAM内存及数据中心需求的传导链条，，直接影响英伟达、存储芯片厂商及云服务商的资源开支预期。。。这张图，，投资者不得不盯着看。。。