专题：警惕短期波动 机构建议中期布局AI与中国优质资产
来源：华尔街见闻
硅谷Token支出指数在5月前大幅攀升，但近期出现回落，该指数衡量全市场每百万LLM Token的支付价格。宏观策略师Andreas Steno Larsen警告，如果Token定价持续走弱，本轮周期中从内存到更广泛的硬件及数据中心交易可能宣告结束。Token支出的边际变化，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本开支预期。
Token支出增长显现疲态，市场对于AI的核心焦点正从“技术是否可行”迅速向“成本是否可承受”转移。
6月9日，宏观策略师Andreas Steno Larsen在社交媒体上表示，Silicon Data LLM Token支出指数走势是当前全市场最应关注的一张图表。
该指数自去年12月以来翻了一番以上，并在2026年5月前大幅攀升，但近期出现回落。Andreas Steno Larsen警告，如果Token定价持续走弱，本轮周期中从内存到更广泛的硬件及数据中心交易可能宣告结束。
与此同时，科技巨头正在紧急遏制内部失控的AI算力消耗。
华尔街见闻此前提及，亚马逊与微软正削减内部AI工具或叫停追踪使用量的项目，以打击员工为提升内部排名而无效消耗算力的“Tokenmaxxing”（词元极大化）行为。在服务端，GitHub Copilot于6月1日将计费模式从按请求收费切换为按Token计费，导致部分用户月度账单飙升十余倍，引发市场对AI补贴模式可持续性的广泛质疑。
这一系列信号正在重塑投资者对AI基础设施交易的风险判断。Token支出的边际变化，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本开支预期。
指标见顶：硬件交易逻辑面临考验
Silicon Data LLM Token支出指数是一个以支出为权重的指标，衡量全市场每百万LLM Token的支付价格，被视为市场对AI边际支付意愿的替代指标。由于OpenAI，Anthropic和谷歌等主要供应商多按Token消耗量向客户计费，Token支出将AI使用量与GPU，DRAM和数据中心的需求直接绑定。
该指数近期的停滞，引发了资本市场对硬件周期的担忧。Silicon Data的评论指出，近期的回落可能预示着向高端闭源模型迁移的速度正在放缓。如果Token支出持续疲软，为增量GPU，DRAM和数据中心采购提供资金的边际收入将会减弱，这将改变那些围绕Token驱动增长而制定资本支出计划的公司的风险状况。
虽然单次下滑并不构成绝对趋势，但作为硬件周期的领先指标，该数据表明企业对高成本前沿模型的依赖可能面临系统性下降。
账单危机：科技巨头叫停“无效消耗”
企业AI热潮正在遭遇第一次真正意义上的账单危机。
据Axios援引一位AI顾问的消息，其旗下一家企业客户近期在单个月内就花费了5亿美元用于Claude，原因仅仅是未对员工使用量设置上限。
在企业内部，将AI使用量作为考核标准的做法也遭到了反噬。据报道，亚马逊旗下开发者平台Kiro曾设有一个名为“Kirorank”的内部排行榜。Meta内部也出现了类似试图拉高Token消耗量以占据排名优势的情况。
亚马逊高级副总裁Dave Treadwell承认，员工为了刷榜而让AI执行无意义任务，推高了公司的运营成本。他明确指示员工“不要为了用AI而用AI”，该测试版仪表盘随后被下线。亚马逊目前已转向以“归一化部署”指标替代Token消耗量，追踪AI生成代码的实际价值。
定价反弹：补贴时代走向终结
在供应端，AI行业长期以补贴换增长的商业模式正濒临极限。
6月1日，GitHub Copilot正式转为按Token用量计费。有用户在Reddit社区表示，其月度费用预计将从不到45美元暴涨至超过847美元。
GitHub首席产品官Mario Rodriguez此前表示，随着智能体AI兴起，旧有定价模式已不可持续。Gartner分析师Arun Chandrasekaran在接受Business Insider采访时指出，随着高级推理模型推高算力消耗，更多企业将转向按用量计费。
投资人Tommy Shaughnessy警告了这种补贴模式的系统风险。他指出，目前AI大厂的利润率深度为负，一旦企业直面按量计费的真实价格，实际消耗速度将远超预期，例如Uber在2026年将全年AI预算在四个月内耗尽。如果投资者对回报预期失去信心，支撑GPU采购和模型训练的资本流动将面临逆转。
成本重构：廉价模型或成市场主导
面对高昂的推理成本，市场正寻找低成本的替代方案。
高盛One-Delta部门负责人Rich Privorotsky认为，随着DeepSeek下调75%的定价，以及小米MiMo接近99%的降价幅度，基础设施瓶颈的缓解正触发价格战。
华尔街见闻此前提及，Coinbase首席执行官Brian Armstrong预测，80%的AI工作负载将在12至18个月内迁移至成本低99%的模型，只有20%需要极致智能的任务会留在前沿模型上。他指出，能源与算力将成为真正的瓶颈。
Hugging Face首席执行官Clement Delangue援引斯坦福大学数据证实了这一趋势：本地模型在真实世界查询中的准确率已跃升至71.3%，且成本极低。Micro1首席执行官Ali Ansari将此视为从过度使用转向理性使用的“健康摆荡”。
对于AI的真实投资回报，华尔街目前存在严重分歧。据高盛的Jim Schneider研判，到2030年，代理式AI将推动Token消耗量增长24倍，云服务商毛利率将在短期内转正。摩根大通的经济研究也显示，Python包在PyPI上的跳升式增长证明了真实生产力的提升。
然而，空头阵营态度同样坚决。高盛半导体分析师Jim Covello在报告中指出，当前产业链繁荣是以牺牲上游消耗为代价的，几乎所有价值都流向了半导体公司，这种状况不可持续。
Boosted.ai首席执行官Josh Pantony则强调，企业对数据开放的顾虑削弱了AI代理的效能。在成本、回报与安全的多重考量下，下一笔AI账单能产生多少真实价值，将是市场对这场科技投资的最终判决。
风险提示及免责条款
市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
海量资讯、精准解读，尽在新浪财经APP
责任编辑：吴思楠
垒富优配提示：文章来自网络，不代表本站观点。
