72%的Token消耗卻僅佔27%的支出——AI多空之爭的關鍵議題

AI需求數據正在製造一場罕見的市場分歧：同一組數字，多頭和空頭各取所需，雙方都宣稱勝利。這場爭論的核心，是一個令人不安的結構性矛盾——Token消耗量爆炸式增長，但絕大多數增量流向了收費最低的模型，而服務這些Token的GPU成本卻在同步攀升。

據高盛Bobby Molavi在其最新報告中披露，OpenRouter數據顯示，開源權重模型（open-weight models）在9月第二周處理了72%的Token流量，卻僅獲得27%的平台總支出；與此同時，閉源模型雖然份額從1月初的89%降至73%，仍牢牢掌控著絕大部分貨幣化收益。

更值得關注的是，OpenRouter平台9月中旬約69%的Token來自中國AI實驗室。Molavi將當前市場定性為「無法操作」（unplayable），並指出AI生產力紅利迄今尚未在科技行業以外留下可量化的痕跡。

這一結構性矛盾正在重塑市場對AI投資回報的預期。GPU租金持續上漲，Token售價持續下跌，兩端同時承壓，意味著算力供應商坐享租金紅利，而為此買單的企業客戶和最終股東，卻面臨ROI難以兌現的困境。Meta近期向股東募資最高950億美元用於AI資本開支，其晶片供應商同步入股，標誌著「供應商融資」已從債務形式演變為股權形式，資本循環的可持續性疑問愈發迫切。

Token需求爆炸：250倍增長背後的真實圖景

需求本身的增長無可置疑。Molavi援引OpenRouter數據指出，Token需求自去年11月以來增長了27倍，開源權重模型目前佔據72%的Token份額。從更長周期看，OpenRouter平台週度Token處理量從2025年1月中旬的0.5萬億枚，飆升至9月14日當週的128.4萬億枚，20個月內增長約250倍。

GPU定價同樣印證了需求的真實性。H200租賃價格年內上漲160%，B200上漲120%，H100上漲35%。更具說服力的是，2020年出產的A100晶片，其當前租賃價格已高於年初水平，這直接衝擊了此前關於GPU折舊周期的核心假設——若一塊晶片在六年後仍能產生更高收益，那麼以三年為基準的悲觀折舊預測便站不住腳，超大型雲廠商（hyperscaler）的長期盈利潛力也因此需要重新評估。

對多頭而言，這是最有力的論據：需求是真實的，算力資產的經濟壽命比空頭預期的更長。

Token價格的自由落體：歷史上最快的通縮

然而，需求爆炸的另一面，是Token價格以前所未有的速度崩塌。據Epoch AI於9月22日發布的研究報告《思維價格的暴跌》（The Plunging Price of Thought），自2023年以來，達到同等AI性能水平的成本每季度下降約47%，即每年降低約13倍；在前沿模型領域，這一速度更快，平均每季度下降66%，即每年降低約75倍。

Epoch AI給出的最直觀案例：

2025年1月，OpenAI的o3模型在GPQA Diamond博士級科學題基準測試中答對75%，每題成本約0.30美元；如今GPT-5.6 Luna達到同等分數，每題成本僅0.0004美元，18個月內價格下降725倍——相當於一輛標價5萬美元的汽車跌價至69美元。

從歷史橫向比較來看，大語言模型推理價格的下降速度是DNA測序的4倍、1940至2001年間運算能力提升速度的6倍、鋰電池的18倍、電力的54倍。

不過，客戶實際支付的價格下降遠慢於標價。YipitData追蹤的近2萬兆（quadrillion）年化Token數據顯示，API服務的有效Token定價在2025年下半年下降了39%（OpenRouter上為44%），但截至2026年5月的年初至今僅下降6%。

原因在於：開發者持續追逐更便宜的模型，而企業客戶則在增加高端模型的使用比例，前沿實驗室憑藉最新模型的溢價能力暫時支撐了收入端——但Epoch的數據表明，這種溢價的半衰期以季度計，因為開源克隆版本很快便能以極低成本完成同等任務。

多空分歧的核心：誰在賺錢，誰在買單

這正是Molavi所描述的"同一數據，兩種解讀"困境的核心所在。

多頭的邏輯是：需求持續擴大，可尋址市場（TAM）仍在增長，Token消耗量的爆炸式增長證明AI正在被廣泛採用。

空頭的邏輯則是：每Token成本在上升，每Token收入在下降，而增量流量的主體正是那些收費最低的開源模型。OpenRouter數據清晰呈現了這一圖景：開源權重模型處理了72%的Token，卻只拿走27%的支出；中國AI實驗室貢獻了平台近七成的Token流量。高盛動能籃子（Goldman momo basket）恰好在6月底見頂，時間節點與中國開源權重模型大規模湧入AI市場高度吻合。

Molavi將這一矛盾概括為：GPU租金上漲與Token售價下跌，是同一擠壓從兩端呈現的結果。對GPU持有者而言是利好；對支付租金的企業而言，則是另一番景象。

生產力紅利缺席：S&P 493的沉默

AI資本開支的終極邏輯，是通過生產力提升帶動全社會收益。但目前，這一邏輯尚未在科技行業以外得到數據驗證。

Molavi援引一份策略師報告指出，AI「尚未在科技宇宙以外的關鍵數據中呈現出可量化的生產力提升」：Mag 7（七大科技巨頭）的人均營收和利潤率均有所提升，但S&P 493（標普500其餘493家公司）的對應指標幾乎持平。

這一現實正在改變企業界的AI決策邏輯。Molavi觀察到，大量企業正從"Token支出與增長和生產力的相關性"轉向"Token支出與成本及利潤率影響"的審視框架。CFO們已經找到了AI這條預算線，他們想知道花出去的錢買到了什麼。

「繁榮循環」與資本可持續性之問

支撐當前AI資本開支狂潮的，是Molavi所描述的一個「繁榮循環」：超大型雲廠商的資本開支越多，流入AI生態的收入就越多，進而吸引風險資本和成長股權資本湧入，形成雙向資金流——而這一切的錨點，是最初的AI資本開支本身。

這個循環的致命弱點，在於其可持續性：一旦資本開支放緩，整個生態的收入能否自我維持？

私募市場同樣未能免疫。Molavi指出，當前的退出案例「數量可觀但極度集中」（SpaceX、Cerebras、Cursor、Hugging Face），部分項目的估值重估"除了一份投資意向書之外沒有任何催化劑"，整個私募市場的交易邏輯"彷彿Token時代永不落幕、萬物皆將被顛覆"。

在融資端，隨著債務窗口收窄，Meta近期宣布向股東募資最高950億美元用於AI資本開支，其晶片供應商同步參與入股。供應商融資已從債務形式演變為股權形式，提供者與使用者之間的收入與融資邊界日益模糊。

Molavi將整場辯論的本質歸結為四個問題：建設成本幾何、誰來買單、痛苦是否值得、以及需要等待多久才能看到收入回報。

當前的數據格局是：Token需求增長250倍，但增量收益流向收費最低的模型；GPU租金上漲，但帳單最終轉嫁給股東；生產力紅利在科技行業以外尚無蹤跡。

Molavi的結論是，需求的真實性無可置疑，但「需求增長250倍，而資金流向最廉價模型、租金流向GPU持有者、帳單轉嫁給股東」，並非當初資本開支所承諾的ROI故事。在這場多空拔河中，空頭或許握有更有力的那半段繩子。