单月跌29%！Token跌破1美元，AI的钱去哪了

Token价格，正在以超出所有人预期的速度崩塌。

8月，衡量市场每百万Token使用加权均价的Silicon Data LLM Token Expenditure Index（代码：SDLLMTK）单月下跌29%，月末报约0.97美元，创历史新低，首次跌破每百万Token 1美元关口。较5月高点约2.05美元，累计跌幅已超过50%。

这串数字的意义远不止一个价格指数的走弱。过去两年，支撑AI板块估值的收入逻辑，正是建立在"更多Token等于更多收入"的假设之上。当Token量在涨、美元收入却原地踏步，超大规模数据中心的资本开支叙事，第一次出现了单位经济学层面的裂缝。

据多位接近卖方交易台的人士反馈，这份报告在8月底的机构群里被反复转发——不是因为意外，而是因为它把大家隐约感觉到的东西，变成了可以引用的数字。

📉 0.97美元：一个整数关口的失守

价格跌穿的不只是1美元，还有市场的心理锚。

先看数据本身。高盛One-Delta交易台负责人Rich Privorotsky在最新报告中引用的SDLLMTK指数，并不是一个衡量Token需求量的指标，而是一个使用量加权的价格指数——它回答的问题是：市场每消耗一百万Token，平均支付多少美元。

答案是：8月末，0.97美元。

单月29%、累计超50%，这是典型的价格坍塌曲线，而不是缓慢的通胀回落。值得注意的是，Silicon Data公司自己已经向市场提示：该指数的下跌可能源于标价下调、用户向低成本开源模型迁移，或者两者兼而有之，并不意味着AI使用量在萎缩。

换句话说，Token没有被少用，只是被卖得越来越便宜了。

这恰恰是问题的要害所在。对一家按Token收费的模型公司来说，价格腰斩意味着同样的推理工作量，收入只剩下一半。对一个以"AI需求爆发"为前提的资本市场来说，这意味着收入的分母在膨胀，分子却没跟上。

一位长期跟踪AI基础设施的买方人士私下说得很直白：如果价格曲线长这样，你就不能再用"用量曲线"来讲收入故事了。

产业逻辑很清楚：当单价成为叙事的短板，一切以量为荣的指标都要重新校准。

⚠️ 47%对7%：剪刀差撕开收入逻辑

量是Token的量，钱是美元的钱——这两条曲线正在分道扬镳。

8月数据中更具杀伤力的一组，来自摩根大通的数据中心报告：OpenRouter平台8月Token使用量环比增长约47%，但美元支出仅增长约7%。

用量涨47%，钱只涨7%。这条剪刀差，就是当前AI投资逻辑核心矛盾的具象化。

为什么这个剪刀差如此致命？因为股票市场的回报以美元计算，而非以Token数量计算。超大规模数据中心的资本开支，是基于美元收入预期来核算的——数据中心要按美元买地、按美元买芯片、按美元付电费，没有哪家供应商接受用Token结算。

Privorotsky在报告中的表述相当克制但立场明确："更多需求加上更低价格，若价格跌速超过消费增速，并不自动构成利好。"

翻译成产业语言：需求增长的确定性，掩盖不了单位收入坍塌的风险。47%的量增只换来7%的钱增，意味着价格端跌了大约40%量级——量在给价格"抬轿子"，却抬不动收入。

更耐人寻味的是另一个背离：OpenRouter的路由量大幅上升，H100 GPU租赁价格却在下跌。如果Token需求真的激增到供不应求，算力租金没有理由持续走低。这与"Token需求激增"的主流叙事，显然是相悖的。

高盛的结论因此相当罕见地直接：过去两年的股权定价建立在"更多Token等于更多收入"的假设之上，而8月的数据首次清晰地打破了这一假设。

不是需求消失了，而是需求的货币化能力在瓦解。

💡 三大前提，正在同步瓦解

按Token计费不是物理定律，它只是三个假设同时成立的产物。

Privorotsky在报告中直言，他对"按Token计费"作为持久商业模式持怀疑态度。云端推理按百万Token定价的逻辑，依赖三个前提同时成立：

第一个前提的瓦解发生在硬件端。RTX Spark级笔记本、DGX Spark工作站、可以运行700亿参数级模型的Mac Studio，以及算力在40至75+ TOPS区间的NPU，已经把大量Token的边际成本压缩到接近电费的水平。

这句话值得反复咀嚼：接近电费水平。

高盛给出的临界点计算是：一旦企业每月的API账单超过一台5000至15000美元设备的摊销成本，该企业就从Token的持续消费者，转变为一次性硬件买家——而不是那个持续贡献40%利润率的软件订阅用户。

对云厂商来说，这是客户结构的静默流失；对投资者来说，这是收入模型的永久性折损。

第二个前提的瓦解发生在模型竞争端。据报告，Meta于9月2日开始推出的Muse Spark 1.3，在独立基准测试中已与GPT-5.6 Sol及Claude Opus 5处于同一梯队，且在智能体任务和代码生成方面表现突出。

Privorotsky对此的点评几乎是一句判词："前沿优势以周计算，不构成护城河，只是产品周。"

当开源与闭源的能力差距以周为单位，用户切换的成本趋近于零，按Token定价的溢价自然守不住。三个前提同时松动，意味着这不是一次周期性的价格战，而是商业模式的结构性侵蚀。

价格通缩不是意外，是这个模式走到成熟期的必然。

🔋 当Token逼近电费价：电力叙事也该重新算账

Token的边际成本贴近电费，意味着算力与电力的账本正在合并。

对关注光伏、储能与电网的读者来说，这份报告的价值不止于AI本身。过去两年，AI基础设施投资最重要的外溢叙事之一，就是数据中心带来的电力需求增量——大量资本开支预测，正是沿着"Token需求激增→算力扩张→用电量增长"这条链路推演的。

现在这条链路的第一环出现了裂缝。按照高盛的判断，Token的边际成本在边缘设备上已压缩至接近电费水平；同时，美元支出与Token用量的增速剪刀差，意味着超大规模数据中心基于美元收入预期的资本开支核算，正面临重估压力。

推演下去（注意，这是逻辑推演而非素材中的数据结论）：如果资本开支的锚从"Token量的爆发"切回"美元收入的约束"，那么数据中心电力需求增长的斜率假设，也应当被重新审视——至少，需求增长的确定性需要与单位收入坍塌的速度放在同一个模型里校验。

这并非否定AI用电叙事本身。Token使用量的高增长是真实的（OpenRouter单月47%的量增摆在那里），推理需求向边缘和本地设备迁移，同样消耗电力——只是消耗的地理分布和计量方式会变：从少数超大规模园区的集中负荷，部分散布为千家万户设备上趋近电费成本的边际消耗。

对电网侧而言，这两种形态的含义截然不同：前者是可以规划的集中式增量负荷，后者是难以完全捕捉的分布式能耗。

当算力的钱越来越难赚，算力的电就该换一种方式去算。

🧭 给产业链观察者的三点判断

所有的价格通缩故事，都值得用同一套框架再看一遍。

第一，"量升价崩"在科技制造业并不新鲜。光伏产业同样经历过单位价格持续下探、装机量爆发的阶段——价格通缩本身是技术扩散的常态，真正需要区分的是：通缩的红利被谁拿走，是用户、设备商，还是最终的电力与算力消费者。AI此刻的Token价格曲线，与诸多硬件产业的规模化路径有相似的形状。

第二，跟踪AI基础设施，指标要换。不要再以Token用量或模型跑分作为收入代理变量，美元收入、GPU租赁价格、边缘设备渗透率才是与资本开支直接挂钩的三个观测点。Privorotsky这份报告最大的贡献，是把观测坐标系从"量"搬回了"钱"。

第三，对"按Token计费"这一商业模式本身，应当降低估值权重。三大前提的同步瓦解不是短期扰动，用户从40%利润率的订阅者变成一次性硬件买家，是不可逆的结构迁移。

说到底，0.97美元这个数字，敲打的不只是模型公司——它提醒所有依赖"需求量级"讲故事的重资产行业：需求的最终定价权，永远在单位经济学的账本里。

Token跌破1美元，跌掉的是单价，考验的是叙事。8月的剪刀差已经证明：量的繁荣无法自动兑换成钱的增长。接下来值得盯住的是两件事——美元收入何时与Token用量重新收敛，以及资本开支的核算之锚是否随之松动。对整个产业链而言，这不是AI故事 ends的信号，而是它从讲量进入算账阶段的开始。