衡量大模型 Token 使用支出的关键指标近期走弱，令市场重新审视这一轮 AI 商业化扩张的需求基础。彭博援引 Sil代币发行n Data 数据称，其编制的 LLM Token Expenditure Index 在 5 月触顶后已回落近 20%，此前该指数自去年 12 月推出后一度接近翻倍。
这一指标通常被用来观察企业和用户为 AI 服务付费的边际意愿。不过，指数回落并不等同于 AI 服务价格全面下降。Sil代币发行n Data 认为，该指标同时受价格和使用量影响，更接近付费意愿变化的代理变量，因此不能简单解读为单一价格信号。
市场分歧集中在需求端
对这一下滑，市场目前存在两种主要解读。
较为乐观的观点认为，2023 年以来 Token 价格已大幅下降，使用门槛随之降低，总体支出扩张仍可能持续。在这种情况下，指数回落更像是需求结构调整，而不是整体需求明显转弱。
另一种更谨慎的看法则认为，用户的边际付费意愿可能已接近阶段性上限。Allianz Research 提到，当前 AI 投资增速与实际销售之间存在较大缺口，这意味着一旦需求端继续放缓，相关估值承压的风险会更快显现。
算力需求正从训练转向推理
尽管付费需求信号出现波动，AI 基础设施投资并未明显逆转。报道提到，高端 GPU 和高带宽内存仍处于紧张状态，供需失衡可能持续到 2026 年，部分判断甚至延续至 2028 年。
不过，市场关注点正在发生变化。此前资本开支更多围绕模型训练展开，如今正逐步转向推理环节。这意味着算力需求不再只集中于最顶级训练芯片，推理优化型硬件的重要性正在上升，产业链受益方向也可能随之调整。
从这个角度看，当前变化未必意味着芯片行业进入下行周期，但增长来源正在改变。过去由高端训练 GPU 单独驱动的模式，正转向更分散的硬件需求结构。
监管变化增加商业化成本
除需求和硬件结构外，监管因素也在影响 AI 产品的定价与部署。报道提到，美国监管层近期对部分模型的发布时间和访问安排提出调整要求；欧盟《AI Act》则对前沿模型增加了评估和透明度要求。
这些变化并未直接压低模型价格，但会提高部署和合规成本。对企业而言，在不同模型之间分配工作负载时，成本优化的重要性会继续上升，这可能进一步影响高端模型的使用占比和定价能力。