72%的Token消耗僅占27%支出？AI多空之爭的關鍵

AI需求數據正在製造一場罕見的市場分歧：同組數字，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。

高盛Bobby Molavi在報告中披露，OpenRouter數據顯示，開源權重模型（open-weight models）在9月第二週處理了72%的Token流量，卻僅獲得平台總支出的27%；同時，閉源模型的支出占比雖然從1月初的89%降至73%，仍掌握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將當前市場形容為「無法操作」（unplayable），並指出，AI生產力紅利迄今尚未在科技產業以外留下可量化的痕跡。

這項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，卻面臨投資報酬率（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資本支出，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。

需求本身的增長無可置疑。 Molavi援引OpenRouter數據指出，Token需求自2025年11月以來增長了27倍，開源權重模型目前占據72%的Token份額。

從另一較長的觀察區間來看，OpenRouter平台每週Token處理量從2025年1月中旬的0.5兆枚，飆升至2026年9月14日當週的128.4兆枚，約20個月內增長257倍，亦即約250倍。這項數據與自2025年11月以來的27倍增幅，採用不同的起算時間，不能直接視為相互矛盾。

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，目前的租賃價格已高於年初水準。這直接衝擊了此前關於GPU折舊週期的核心假設——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值得重新檢視，超大規模雲端服務商的長期獲利潛力也需要重新評估。

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可能比空頭預期的更長。

Token價格自由落體：史上最快通縮

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性能水準的成本每季下降約47%，即每年降低約13倍；在前沿模型領域，降價速度更快，平均每季下降66%，即每年降低約75倍。

Epoch AI提出的案例是：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；原文指出，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，大型語言模型推理價格的下降速度，是DNA定序的4倍、1940至2001年間計算能力提升速度的6倍、鋰離子電池的18倍，以及電力的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2,000兆枚年化Token數據顯示，API服務的有效Token定價在2025年下半年下降39%（OpenRouter平台則下降44%）；截至2026年5月，2026年年初至今的降幅則為6%。這兩組數字涵蓋不同期間，因此不能直接比較為同一期間的降幅。

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

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數據清楚呈現了這一圖景：開源權重模型處理了72%的Token，卻只占27%的支出；中國AI實驗室貢獻了平台近七成的Token流量。高盛的momo basket恰好在6月底見頂，時間點與中國開源權重模型大規模湧入AI市場高度吻合。

Molavi將這項矛盾概括為：GPU租金上漲與Token售價下跌，是同一種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資本支出的終極邏輯，是透過生產力提升帶動全社會收益。但目前，這項邏輯尚未在科技產業以外獲得數據驗證。

Molavi援引一份策略師報告指出，AI「尚未在科技產業以外的關鍵數據中呈現出可量化的生產力提升」：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指數中其餘493家公司）的對應指標幾乎持平。

這項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」，轉向審視「Token支出對成本及利潤率的影響」。財務長們已經找到AI這項預算支出，他們想知道花出去的錢究竟買到了什麼。

「繁榮循環」與資本可持續性

支撐當前AI資本支出狂潮的，是Molavi所描述的一個「繁榮循環」：超大規模雲端服務商的資本支出越多，流入AI生態系的收入就越多，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，就是最初的AI資本支出本身。

這個循環的致命弱點，在於其可持續性：一旦資本支出放緩，整個生態系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」，包括SpaceX、Cerebras、Cursor及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，隨著債務融資管道收窄，Meta近期宣布向股東募資最高950億美元，用於AI資本支出，其晶片供應商也同步參與入股。供應商融資已從債務形式演變為股權形式，資金提供者與使用者之間的收入及融資界線日益模糊。

Molavi將整場辯論的本質歸結為四個問題：建設成本有多高、誰來買單、付出的代價是否值得，以及需要等待多久才能看到收入回報。

當前的數據格局是：從2025年1月至2026年9月，OpenRouter每週Token處理量增長約250倍，但開源權重模型處理的Token占72%，僅占27%的平台支出；GPU租金上漲，但帳單最終由支付算力費用的企業承擔，並可能影響股東回報；生產力紅利在科技產業以外尚無可量化的明確跡象。

Molavi的結論是，需求的真實性無可置疑，但「需求增長250倍，資金流向最廉價的模型、租金流向GPU持有者、帳單轉嫁給股東」，並不是當初資本支出所承諾的投資報酬率（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。