企业官网建设流程全解析

Token指数连跌，引发AI交易链震荡

一张由Silicon Data统计的LLM Token支出指数图，点燃了AI增长和账单失控的焦虑。6月11日，该指数已连跌7天，创下今年1月以来最长连跌纪录；过去12天里，有11天是下跌的。这个指数衡量的是全市场每使用100万枚Token平均支付多少钱，可理解为市场愿意为AI“付多少钱”的晴雨表。它自去年12月以来翻了一番以上，并在2026年5月前持续攀升，但近期急转直下，触动的是整条AI交易链。

美国宏观策略师Andreas Steno Larsen在6月9日称这张图为“当前全市场最应关注的一张图”，并警告：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。不过，华尔街的看法更为复杂和多面，Token定价走弱可能并非单纯的AI需求见顶。

指数下跌原因成谜，需求见顶还是结构下沉？

这张图不能简单读成“AI没人用了”，它量的是每百万Token的加权平均价格，反映的是用户在用什么价位的模型。通过简单计算可知，指数下跌有两种解释：一是需求真的在萎缩；二是用量在爆炸，但用户在主动向低价模型迁移。这正是当前争论的核心：指数下跌，到底是需求见顶，还是用量结构下沉？

Citadel证券发布《Tokenomics》报告认为，AI落地的核心约束已从“模型能力”转向“成本与算力稀缺”，用户正加速向廉价模型迁移。摩根大通TMT分析师Mark Schilsky则在6月11日把近期市场讨论概括为：“AI账单失控了”，同时该行认为当前的Token支出乱象只是“通往更高支出的最小减速带”。

Citadel判断：AI“性价比与稀缺性”更重要

Citadel证券在《Tokenomics》报告中给出明确方向性判断，核心论点是：AI落地的核心约束已从“模型能力”转向“成本与稀缺性”。报告指出，技术落地的核心不再是前沿模型理论上能做什么，而是规模化实现AI运行所需投入品的价格与稀缺性，算力、电力、冷却、内存带宽和推理预算都是限制条件。

报告援引经济学原理，认为价格的三大功能在AI领域同时发生。结论是：未来最好的回报，不会来自构建最强模型的公司，而是来自降低AI成本、提升效率的公司。推理密集型前沿AI不会消失，但会集中在少数有能力承担成本的大型企业手中，对整个经济体而言，在物理约束缓解之前，更简单的模型可能是更具生产力的路径。

低价模型改变账单结构，AI使用或分层

高盛One - Delta部门负责人Rich Privorotsky提到，DeepSeek下调75%的定价，小米MiMo接近99%的降价幅度，基础设施瓶颈缓解正在触发价格战。Coinbase首席执行官Brian Armstrong预测，未来12至18个月，80%的AI工作负载会迁移到成本低99%的模型上，只有20%需要极致智能的任务会继续留在前沿模型上。

Hugging Face首席执行官Clement Delangue援引斯坦福大学数据称，本地模型在真实世界查询中的准确率已升至71.3%，且成本极低。这与Citadel的判断相接近，即前沿AI不会消失，但可能集中在少数能承受算力成本、具备研究深度、且能把高难度问题转化为规模化收益的企业手中。对更广泛的经济体而言，在物理约束缓解前，更简单的模型可能是更便宜的生产力工具，AI使用可能走向分层，高价值、复杂任务继续使用前沿模型，日常任务、批量任务、低回报实验则转向便宜模型或本地模型。

摩根大通：优化账单不等于AI需求见顶

摩根大通认为，现在的账单焦虑可能只是AI需求早期阶段的小减速带，一年后Token支出可能明显更高。如果每百万Token平均成本下降，但美国公司AI付费渗透率仍在上升，总Token用量在算术上就必须大幅增加，即“单位价格下降”和“总使用量爆发”可以同时发生。

企业内部情况类似，已大量使用AI的公司会优化Token预算，减少浪费；还没完全上车的公司，会因模型更便宜、更容易部署而开始使用。智能体AI还会放大Token消耗，有中小企业案例显示，业务agent化后，每个任务的Token消耗变成原来的3.5倍。所以，市场争论的关键不是“Token会不会继续增长”，而是“增长的单位经济模型是否健康”。

企业开始管账单，定价模式生变

企业端最先暴露的问题不是AI没人用，而是用得太随意。Axios援引一位AI顾问消息称，其一家企业客户近期单月在Claude上花费5亿美元，原因是未对员工使用量设置上限。企业内部把AI使用量当作考核指标也产生了副作用，如美国部分公司诱发“Tokenmaxxing”，员工为刷高使用量让AI执行低价值任务。

亚马逊旗下开发者平台Kiro曾设有内部排行榜“Kirorank”，员工为刷榜让AI做无意义任务，推高运营成本，随后亚马逊要求员工“不要为了用AI而用AI”，相关测试版仪表盘被下线，并改用“归一化部署”指标，追踪AI生成代码的实际价值。Meta内部也出现过类似情况。企业不是停用AI，而是开始区分“有效Token”和“无效Token”。

摩根大通提到，Cloudflare推出AI Gateway这类产品，目的是帮助企业控制Token预算，OpenRouter等工具也长期存在，本质都是在不同模型之间做路由和成本管理。定价端也在变化，6月1日，GitHub Copilot正式从按请求收费切换为按Token用量计费，有用户称月度费用预计将从不到45美元升至超过847美元。GitHub首席产品官Mario Rodriguez称，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称，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，过去靠固定订阅或补贴隐藏的成本，正在被摆到企业财务表面。

多空分歧：硬件交易逻辑是否成立？

这场争论的终极问题是AI基础设施的投资逻辑是否还成立。多头依据是：高盛的Jim Schneider测算，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；Mark Schilsky也认为，Token支出的短期乱象不会改变长期趋势。

空头依据是：高盛半导体分析师Jim Covello认为，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；投资人Tommy Shaughnessy警告，AI大厂利润率深度为负，一旦企业直面按量计费的真实价格，支撑GPU采购和模型训练的资本流动将面临逆转。近日，Anthropic CEO Dario Amodei、博通总裁Hock Tan、《大空头》原型Steve Eisman等也谈到企业目前对AI工具存在过度支出问题，随着成本意识增强和计费模式转向按Token收费，未来更需要看实际投资回报率。

社交媒体上也有不同声音，有用户指出“六天连跌去年在采用高峰期发生过四次”“更便宜的模型反而会加速部署，因为成本门槛降低了”，也有人反驳“不管多便宜，每次新模型发布都会指数级消耗更多Token”。目前，这场争论没有定论，但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，这张图，投资者不得不盯着看。