高盛最新報告揭示，AI基礎設施投資的核心敘事正面臨單位經濟學的嚴峻挑戰。衡量市場每百萬Token使用加權均價的Silicon Data LLM Token Expenditure Index（程式碼：SDLLMTK）在8月單月下跌29%，月末報約0.97美元，創歷史新低，較5月高點約2.05美元累計跌幅已超50%。這是該指數首次跌破每百萬Token 1美元關口，Token價格的崩塌速度超出市場預期，令過去兩年支撐AI板塊估值的收入邏輯出現根本性動搖。
據高盛One-Delta交易台負責人Rich Privorotsky的報告，該指數並非衡量Token需求量的指標，而是使用量加權的價格指數。Silicon Data已提示，指數下跌可能源於標價下調、使用者向低成本開源模型遷移，或兩者兼而有之，並不意味著AI使用量在萎縮。然而，問題恰恰在於：需求增長的同時，單價瓦解更快。
摩根大通資料中心報告顯示，OpenRouter平台8月Token使用量環比增長約47%，但美元支出僅增長約7%。量升價跌的剪刀差直接揭示了當前AI投資邏輯的核心矛盾：股票市場的回報以美元計算，而非以Token數量計算，超大規模資料中心的資本開支正是基於美元收入預期來核算的。Privorotsky明確指出，“更多需求加上更低價格，若價格跌速超過消費增速，並不自動構成利好。”
Privorotsky對“按Token計費”作為持久商業模式持懷疑態度。他認為，雲端推理按百萬Token定價的邏輯依賴三個前提：模型體量大到無法本地執行、使用者無法以開源替代品替換、工作負載足夠突發以至於自建算力不划算。而這三個前提正在同步瓦解。硬體端，RTX Spark級筆記本、DGX Spark工作站、執行700億引數級模型的Mac Studio，以及算力在40至75+ TOPS區間的NPU，已將大量Token的邊際成本壓縮至接近電費水平。一旦企業每月的API賬單超過一台5000至15000美元裝置的攤銷成本，該企業便從Token消費者轉變為一次性硬體買家，而非持續貢獻40%利潤率的軟體訂閱使用者。
模型競爭端，Meta於9月2日開始推出的Muse Spark 1.3在獨立基準測試中已與GPT-5.6 Sol及Claude Opus 5處於同一梯隊，且在智慧體任務和程式碼生成方面表現突出。Privorotsky指出，“前沿優勢以周計算，不構成護城河，只是產品週期。”每當次優模型足夠接近且價格更低，企業便會繞開溢價層級，而Token價格指數正是這一路由決策的聚合體現。
資本開支方面，高盛報告指出，本輪AI資本開支週期並非靈活的運營支出，而是已鎖定的重資產承諾。據報告，五家獲評級的超大規模雲廠商2026年資本開支預計合計約7370億美元，約佔其收入的38%。穆迪已就自由現金流壓縮、資產負債表從輕資產向重資產轉型，以及未以債券形式體現但實質約束髮行人的租賃承諾發出預警。
信用市場的反應已先於股票市場。據一份對相關債券的統計，2026年發行的91只超大規模雲廠商債券中，已有78只在8月底前跌破發行價。Privorotsky將此稱為“信用的重新定價”，並指出股票估值倍數是滯後指標。其邏輯鏈條清晰：Token價格下跌30%、使用量增長20%，推理收入下降；推理收入下降而2025至2027年建設週期的折舊與利息仍在爬坡，投資回報率隨之崩塌；投資回報率崩塌後，市場無需“泡沫破裂”的戲劇性敘事，只需將估值倍數調整至反映一個擁有大量資產、但定價能力受限的公用事業型企業的水平。
報告中，Privorotsky將OpenAI下一代模型Astra視為當前唯一可能扭轉局面的近期催化劑。OpenAI於9月1日表示，Astra已達到其Preparedness Framework下的關鍵網路安全門檻，成為首個被納入該類別的模型。然而，高盛的交易台對此保持審慎。一個受訪問限制、需要監控、使用摩擦較高的激進模型，並不自動補充Token收入池。若高價值工作負載始終停留在受控測試環節而未進入公開計費系統，Astra甚至可能減少計費Token數量。報告的結論是：Astra是能夠使收入組合重新向高價值層級傾斜的最後一個近期變數。在此之前，8月的Token價格資料是當前市場狀態最真實的訊號——需求可以無限增長，但若無限需求到來時的價格無法覆蓋建設資料中心所發行債務的成本，股價仍然可以下跌。