AI交易的核心变量正在从“技术是否可行”转向“成本是否可承受”。随着Token价格快速下行，市场开始重新审视AI推理需求、企业支出回报与相关资产估值之间的关系。
高盛One-Delta部门负责人Rich Privorotsky在最新交易观点中指出，DeepSeek据称将Token定价下调75%，小米MiMo降价幅度接近99%，AI生态中的成本压缩问题已难以忽视。他认为，这种变化可能触发类似补贴竞争后的“价格战”逻辑。
这一变化正在重塑市场对AI基础设施的判断。他指出，基础设施瓶颈终会缓解，市场不应为“即将被解决的问题”支付过高溢价。Token支出持续走高，开源模型关注度明显升温，而编码助手安装量已进入平台期。
对投资者而言，问题已不再是AI需求是否增长，而是低成本Token会否先于新应用场景的全面爆发，替代高成本推理，从而形成一段收入压力期。短期来看，月底流动性、散户资金与机构观望情绪仍可能支撑半导体和动量交易，但估值溢价与集中度风险正在累积。
成本压缩成为AI叙事的新变量
过去半年，AI投资叙事的焦点主要是技术能力。现在，市场开始转向单位经济模型。
AI技术对部分工作负载、部分用户、部分场景已经证明有效。但新的问题是，企业级规模下的单位经济是否成立，以及这种改善能否在实验室和云服务提供商所需的收入轨迹内实现。
乐观情形依赖两个条件：编排能力成熟，以及单位成本在12至18个月内明显改善。悲观情形则是，更多企业高管开始公开表示AI支出无法证明其价值，并削减使用量。
这使“Token经济学”成为AI估值中的承重变量。换言之，市场不仅要看AI使用量，还要看每单位使用量能否产生足够收入与利润。
低价Token可能先冲击高成本推理
Rich Privorotsky提出的关键问题是，Token成本快速下降是否会暂时打破Jevons paradox需求扩张逻辑。
Jevons paradox指的是，资源使用效率提高后，总体消费反而增加的现象。应用到AI上，成本越低，长期需求可能越大。但争议在于，需求扩张是否会立即发生。
如果更便宜的Token首先替代原本价格更高的推理服务，而不是立刻创造全新使用场景，那么AI收入增长可能出现时间差。市场需要评估，这段滞后期会对云服务商、模型公司以及AI基础设施需求造成多大压力。
成本逻辑重塑采购
开源模型热度上升，正在改变企业AI采购逻辑。
当“以10%的成本获得90%的输出”变得越来越可行时，企业可能更认真地审视Token支出。Token支出的理性化可能会在第二、第三季度成为董事会层面的重要议题，其重要性可能不低于AI增长叙事本身。
这意味着，AI行业面临的不是需求消失，而是需求结构改变。企业可能继续使用AI，但会更倾向于压低推理成本，减少对昂贵前沿模型的依赖，并在不同任务中选择更低成本的替代方案。
对市场而言，这种变化可能影响AI价值链内部的收益分配。高成本推理、数据中心扩张和高估值基础设施资产，都会面临更严格的投资回报审查。
半导体动量仍强，但脆弱性上升
尽管Token价格战带来新的估值问题，Rich Privorotsky认为，短期市场仍可能继续上涨。
他指出，月底流动性因素可能继续机械性支撑动量交易和半导体板块。散户资金仍然强劲，机构投资者可能仍比应有水平更怀疑，这种怀疑反而继续支撑行情上行。
同时，AI相关半导体交易已经经历强烈挤仓，每一次回调都被积极买入。上行波动率仍受到追捧，下行恐慌持续回落，但部分结构已经显得拉伸。
这也解释了当前市场的矛盾：短期资金面和仓位因素仍支持上涨，但Token经济学的变化正在削弱部分长期估值假设。对投资者而言，风险不是AI叙事终结，而是叙事内部的利润池重新定价。
瓶颈会缓解，溢价未必安全
Rich Privorotsky并未否定AI长期前景。他认为，AI建设最终可能被证明是正确的，并可能像互联网一样改变世界。
但他同时提醒，市场不应结构性做空人类创造力。历史上，瓶颈往往会被解决：内存短缺会缓解，电力短缺会吸引投资，约束条件会逐步放松。
这对市场构成双重含义。一方面，AI基础设施瓶颈不一定能长期支撑高价格和高利润率。另一方面，成本下降和效率提升也可能在更长周期内释放更大需求。
当前真正的问题，是市场是否已经为这一过程支付了过高溢价。随着“Token战争”开启，投资者需要更精细地区分AI需求增长与AI成本压缩之间的影响，而不是简单将二者都简单视为利好。
Comments