Token支出指数创下历史新低，其每百万平均支付价格自峰值已下跌约50%，这说明了什么？

华尔街很多大空头的核心指标就是这个由Silicon Data编制的 LLM Token Expenditure Index（Token支出指数），其是基于真实使用量加权的每百万Token有效价格，是衡量全球市场每百万LLM Token平均支付价格的权威指数，当下还下设了2个细化指数，即开源大模型和闭源大模型Token指数！

由于其目前数值已经跌至历史最低，即每百万Token 0.97美元，这说明整个AI市场的边际支付意愿也达到了历史新低，，同时，也代表整个市场“实际支付价格”的持续下降。理论上，AI正在从一个稀缺的高价技术，迅速变成一种竞争激烈的标准化生产资料，而云算力服务商也正进入非常典型的“价格角力”路径之中，因此数据中心的高成本溢价可持续，实际上将要面对的是终端价格的持续下滑挑战，以及公用事业配套等的多种不确定性。

而且，Silicon Data的指数不是简单把ChatGPT、Claude、Gemini等模型标价做平均，而是把现实中模型价格、用户实际选择的模型结构、输入输出Token比例以及不同模型的使用量都包含了进去，因此具有很高的市值方向指引作用，当然，Token单价下降≠Token需求下降，因为产量和单价之间对于企业而言是相乘的关系，但长期看，如果价格下降很快，则所谓的算力约束供给逻辑，必然也会反转。

从市场上的算力大卖家Alphabet的报表去看，其2026年二季度其模型API每分钟处理约220亿Token，高于一季度的160亿，说明Token消耗量仍在高速增长，因此公司甚至表示企业和开发者需求强劲，算力仍受到供给约束。

所以，如果仅看AI相关企业叙事，那AI正在发生“单位价格通缩和使用量扩张”的现象。而历史上的芯片、通信和云计算，也经历过类似阶段，核心都是开源、免费等对传统定价路径的重塑。

一、为什么价格会突然“腰斩”？

在目前的市场预期下，核心自然不能说是需求崩塌，那就只有AI供给曲线发生变化可以解释了。

道理首推Claude常说的：模型效率革命！MoE、量化、蒸馏、推理优化、KV Cache以及专用推理芯片，都在降低生成一个Token所需要的计算资源，于是模型能力提升的同时，单位Token成本下降。

但我想说的是，来自我们这里开源模型，才是带来全球价格锚重新定位的关键因素，这样我们就可以先按不赚钱但高估值的逻辑推进全球化，也就是企业可以不证明自己商业化有多快，只需要证明自己的市占率。

因此，在获得补贴、低成本电力、复杂的芯片供应链支持后，以 DeepSeek为例，其可以在今年5月就将V4-Pro价格永久下调75%，而Kimi等中国开放权重模型全部都在持续以更低价格参与竞争。

这样的结果，自然也就把美国模型厂商拉入了价格战。

OpenAI 7月底大幅下调GPT-5.6 Terra、Luna价格，其中Luna输入价格从每百万Token 1美元降至0.20美元，8月又进一步下调旗舰Sol价格超过20%。

因此，所谓“Token通缩”，本质是三种力量叠加：技术降本、开源替代、巨头价格战！而这三者一旦形成正反馈，就意味着AI模型本身越来越难维持超额利润，这其实应该是市场高度警惕的！

二、警惕：“模型层利润池”已经被压缩

在过去，AI投资逻辑是：更强模型就应该有更高的Token价格，以此获得更高的收入，这样其就能买更多GPU，从而进行更高的资本开支。

但现在我们出现了，市场正在逐渐变成：更强模型，却有更低Token成本，以此换来更大使用量，拉低更低单位价格，开源厂商因为夺取了闭源的客户，因此反而能融到更多的钱！

这意味着AI产业开始出现一个类似过去互联网和云计算的规律，其单位价值从“卖计算能力”逐渐转向“利用计算能力完成工作”。

其资本逻辑是，当模型能力越来越趋同以后，护城河会从“谁的模型参数更多”，转向谁拥有用户、数据、工作流、Agent入口、企业渠道、上下文记忆和生态系统。

这也是目前市场重新讨论“模型吞噬应用”还是“应用反过来绑定模型”的核心原因。Silicon Data相关分析也认为，随着开源与闭源模型差距缩短，模型厂商需要把护城河转向分发、记忆和上下文能力，因为价格战会持续下去，最终模型厂商会逐步停止最烧钱的部分，转向低成本创新。

三、AI推理悖论和“AI资本开支回报率”

AI周期能不能继续向上的关键，关键是花钱的人最终能赚钱.

传统聊天机器人可能一次只需要几百、几千Token；但未来Agent执行一个复杂任务，可能需要调用几十次模型、检索大量信息、生成代码、反复验证，再调用工具。

因此,单Token成本下降50%的影响抵不上Token使用量增长5倍的影。随着AI从辅助工具进入多步骤Agent工作流，到2028年每个Agent工作流的推理成本可能增加超过5倍。原因正是模型越来越便宜后，企业开始让AI承担更复杂、更长链条的任务。

这就是AI行业的“推理悖论”，即：算力越来越便宜，所以人们使用更多算力，而使用更多算力，又制造更大的算力需求。

因此Token价格腰斩，不一定意味着GPU需求见顶，反而可能意味着AI开始进入大规模商业普及阶段。

但问题在于，Token价格下降的速度如果长期快于AI应用收入增长，那么AI基础设施投资的ROI最终会遭遇压力。

虽然，当下的巨头依然在疯狂建设算力、数据中心和电力基础设施，甚至开始通过债券融资扩大AI资本开支，且类似Google、Amazon、Microsoft等科技巨头，正在全球范围内募资，但最终决定AI是不是泡沫的，不是Token价格，而是每1美元AI算力，究竟能够创造多少美元的真实经济产出。

如果Token价格下降50%，同时AI调用量增长10倍、企业生产率提高20%，这是一次巨大的技术进步，而不是泡沫破裂。

反过来，如果Token价格不断下降，而AI企业为了维持收入又不断提高调用量，但最终却无法产生足够的企业现金流，那么今天巨额的数据中心、GPU、电力投资就可能变成过剩资本，而由于这些资本背后都是高利率长期债，因此，大概率还会拉爆债务市场。

四、如何通过Token Index判断AI行情的关键性反转节点

（1）看Token价格：继续下降，意味着模型层仍处于强烈竞争状态。

（2）看Token总量：如果价格下降、用量却继续高速增长，说明AI进入规模化渗透阶段。

（3）看AI收入与资本开支：只有当AI收入增速开始明显落后于GPU、数据中心、电力和网络投资时，才是真正需要警惕的周期拐点。

所以，我对这次Token指数创新低的核心判断是市场给AI定价的是“稀缺性”，其实已经到了“生产率”定价阶段，真实的现金流、低利率融资成本、Token价格较均价的溢价率才是关键！