Token 经济学：AI 的焦点，正从「能不能」转向「值不值」 市场最近被一张图刺到神经：Silicon Data 的 LLM Token 支出指数（本质是「每百万 Token 平均支付价格」的加权平均），自去年底翻倍冲到 2026/5 附近后，出现明显回落（有媒体统计连跌约 7 天、12 个交易日多次收跌）。

但它不等于「Token 总需求下降」——一个很关键的读数陷阱：如果新增流量大量跑到便宜模型上，加权平均单价会跌，而用量仍在涨。所以它更像在说：企业对前沿模型的无差别"烧钱式上迁"在减速，定价/结构在变，而不一定是需求崩了。为什么这张图会牵动 NV/DRAM/IDC 交易？因为当前 AI 资本开支链条，很大程度还围绕「Token 扩张 → 算力扩张 → 资本开支扩张」的预期在定价；一旦边际支付意愿/账单可控性出问题，CAPEX 的外推斜率就要被重审。

几个同步发生的"账单觉醒"信号：GitHub Copilot 6/1 起转 usage-based billing（按 Token/用量折 AI Credits）：对轻度补全影响小，但对长时智能体会话/重度 Agent 用量的边际账单冲击很大——社区已有"数十刀→数百刀"的估算/晒单，本质上把补贴时代的隐性成本显性化

亚马逊下线内部 AI 用量排行榜（Kiro/Kirorank），官方语境也更偏向"别为了用 AI 而用 AI"、把指标往实际部署价值收敛——属于企业端把「Tokenmaxxing」当成风控问题来管的缩影

供给侧端：DeepSeek 把 V4-Pro 的降价永久化（报道口径 -75%）、小米 MiMo-V2.5 API 跟进极端低价宣传（-99% 的宣传口径），在推动"成本锚"下移，也让闭源高端模型更难再把账单无限外推

高盛研究部 Covello 的框架也提供了一个冷视角：半导体/设备拿走本轮 AI 最大一块利润，但产业链上层（模型厂/云/企业应用）还没证明稳定回报——这种"上游赚钱、下游没赚"的动态前所未有且不可持续，后续更关键的是企业侧能不能跑通 ROI，而不只是继续堆 CAPEX

一句话结论：AI 不会因为这张图就"结束"，但它正在被迫从「补贴换渗透」切换到「按价值与按用量结算」的时代——谁的模型便宜、谁的工程能把任务路由到低成本的合适模型、谁能证明 token→revenue，谁才有资格谈长期估值溢价。