AI token價格通縮：表象之下是三重結構分化

nashnova research

今天发布阅读约 3 分钟

矽谷數據公司Token支出指數自5月高點下跌52.4%，但瑞士Syz集團CIO蒙肖指出，這個數字混淆了三種截然不同的通縮力量——將它們混為一談，等於在噪音上交易。

一個指數跌了一半，為甚麼說它「掩蓋的比揭示的多」？

矽谷數據公司的Token支出指數是按使用量加權的平均價格基準，不反映token總支出規模。這意味著→ 價格跌了一半，不等於行業花的錢少了一半。

Syz集團CIO蒙肖把價格下行拆成三類：技術性通縮（模型本身變高效了）、結構性通縮（企業把低優先級任務甩給便宜的開源模型）、競爭性通縮（廠商打價格戰）。

簡單來說＝同樣是「降價」，第一種是真進步，第二種是需求分流，第三種是燒錢搶客戶——三者對利潤和投資的含義完全不同。

海港研究合夥人科技分析師戈德伯格的數據顯示：前沿大語言模型token價格從2023年底的每百萬token約50美元跌至目前約6美元。

但中位價格自2024年中以來基本穩定在略低於1美元，底部價格約0.11美元，接近純電力成本，幾乎沒再往下走。

這反映出市場已經分成兩層：頂部前沿模型還有大幅降價空間，底部開源模型早已貼著成本線運行。

戈德伯格估算：生產成本的下降速度遠快於市場售價的下降速度。這意味著→ 賣家的毛利率其實在擴大，不是在縮小。

這把「剪刀差」在兩個陣營之間拉出截然不同的利潤結構：前沿模型（主要是美國廠商）毛利率約70%，開源模型（主要是中國廠商）約20%。

這一利潤分化在過去三年保持相對穩定。簡單來說＝前沿玩家降了價但依然暴利，開源玩家一直在微利區間苦撐。

上面所有利潤數據只涉及推理（inference，模型回答問題的環節），不含模型訓練的資本支出。

戈德伯格稱訓練成本是整個估值邏輯中「最燙手的變量」——規模和不確定性都遠超推理側。

這意味著→ 如果只看推理側的70%毛利率，賬面很漂亮；但訓練端的巨額投入一旦算進去，真實回報率可能面目全非。

戈德伯格的分析框架指向一個核心矛盾：推理側高毛利＋高增長，賬面吸引力十足；但要支撐合理的投資回報，兩家公司必須同時做到兩件事。

第一，維持技術競爭壁壘；第二，遏制開源模型性能追趕的速度。兩者缺一，護城河就不成立。

監管層面的安全敘事和國家邊界內的保護主義被視為可能的護城河選項——但其有效性尚無定論。說白了＝技術壁壘能不能守住還不確定，靠政策保護又還沒落地，上市估值的底層邏輯仍是懸空的。

市场有风险，内容仅供研究参考，不构成投资建议。