近期，AI交易领域正经历一场关键转向，核心变量从“技术可行性”逐步让位于“成本承受力”。随着Token价格持续走低，市场对AI推理需求、企业投入产出比以及相关资产估值的关联性展开深度反思。高盛One-Delta部门负责人Rich Privorotsky在最新分析中指出，DeepSeek将Token定价削减75%，小米MiMo的降价幅度更达99%，这种成本压缩趋势已引发行业对“价格战”的担忧。
成本压力正重塑市场对AI基础设施的估值逻辑。Rich Privorotsky强调，基础设施瓶颈终将缓解，当前市场为“尚未解决的短期问题”支付过高溢价的现象亟待修正。数据显示，Token支出占比攀升，开源模型关注度显著提升，而编码助手等工具的安装量已进入增长平台期。投资者焦点从“需求是否存在”转向“低成本Token是否会提前挤压高成本推理的市场空间，进而形成收入压力期”。
过去半年，AI投资叙事围绕技术能力展开，如今单位经济模型成为核心考量。企业级应用中，AI技术的有效性已获部分验证，但规模化部署的单位经济性仍存疑。乐观预测认为，若编排技术成熟且单位成本在12至18个月内显著下降，行业将维持增长；悲观情景则指向企业高管公开质疑AI投入价值并削减预算的风险。在此背景下，“Token经济学”成为估值关键——市场不仅关注使用量，更要求每单位使用量能创造可持续的利润。
Token成本下降可能打破传统需求扩张逻辑。Rich Privorotsky提出，根据Jevons悖论，资源效率提升通常伴随消费增长，但AI领域存在争议：低价Token是否会优先替代高成本推理服务，而非立即催生新应用场景？若如此，AI收入增长将出现滞后期，云服务商、模型公司及基础设施供应商需评估这段窗口期对业务的影响。
企业采购逻辑因开源模型崛起而改变。当“以10%成本实现90%性能”成为可行选项，Token支出理性化上升至董事会议程。这种转变不意味着需求消失，而是需求结构调整——企业倾向于压低推理成本、减少对昂贵前沿模型的依赖，并针对不同任务选择低成本替代方案。AI价值链收益分配随之变化，高成本推理、数据中心扩张及高估值基础设施资产面临更严格的投资回报审查。
半导体板块短期仍获资金支撑，但脆弱性显现。Rich Privorotsky分析，月底流动性、散户资金涌入及机构观望情绪可能继续推高动量交易，但AI半导体交易已现强烈挤仓特征，回调即被买入，上行波动率受追捧。这种矛盾反映市场现状：短期资金面和仓位因素支撑上涨，但Token经济学变化削弱长期估值假设，投资者需警惕叙事内部利润池的重新定价。
AI长期前景未被否定，但高溢价风险凸显。Rich Privorotsky认为，AI建设或如互联网般改变世界，但历史表明技术瓶颈终将突破——内存短缺、电力约束等问题均通过投资解决。当前问题在于，市场是否已为这一过程支付过高成本。随着“Token战争”打响，投资者需更精细区分需求增长与成本压缩的影响，避免将两者简单等同为利好。
