一百萬個 token——模型讀寫文字的最小計費單位，一個漢字大約合一到兩個——在 5 月還能賣 2.05 美元。到 8 月底，同樣一百萬個，整個市場收上來的錢是 0.97 美元。這條線有記錄以來第一次跌到 1 美元以下。

0.97 不是任何一家的報價，是全市場按實際用量加權出來的平均數。它跌下去由三股方向相反的力合成：廠商真的降了價、需求跑向了更便宜的檔位、單位生產成本自己在塌——三股裡只有第一股是收入被砍。這門生意的成色如何，判據從來不是均價，而是量能不能把價補回來。8 月的賬，補得極薄。

這個 0.97 到底在量什麼

指數全名 Silicon Data LLM Token Expenditure Index，代號 SDLLMTK，每日釋出，口徑寫得很直白：衡量市場每使用一百萬 token 的加權均價。 加權的意思是，誰用得多誰的權重大——一個幾乎無人呼叫的頂配模型，標價再高也拉不動這條線；一個被海量呼叫的廉價檔降一次價，整條線立刻往下沉。發行方在方法論裡把這件事說成「按每一段市場被消費的樣子給它定價，而不是按目錄上標的價」。

所以它是一個混合讀數：既反映價，也反映量的結構。把它當成 AI 商業化的體溫計，第一步就走錯了方向。

三股力這個說法不是外人的歸納，是指數發行方自己寫在方法論裡的。它列出這條線會動的三個原因：供應商改了定價、用量在更貴與更便宜的模型之間轉移、被計入的模型組成本身變了。 高盛在 9 月初那份報告裡的措辭與之吻合，也同樣剋制：指數下跌可能是標價下調，可能是使用者遷往低成本的開源模型，也可能兩者兼有；但這並不意味著 AI 的使用量在萎縮。同一份報告裡還有一句更硬的提醒——更多需求配上更低價格，如果價格跌得比用量漲得快，並不自動構成利好。

三股力，含義正好相反：

哪股力8 月能拿出的例項誰的收入真受損對毛利的含義
① 同款降價Luna 輸入 1→0.2、輸出 6→1.2 美元；Sol 輸入 5→4、輸出 30→20 美元閉源廠自己，同一次呼叫少收錢成本若沒同步降，毛利變窄
② 需求遷移到便宜檔與開源某中轉平台開源份額 60 天從 28% 到 62%；智譜「牛來」測試期日處理 100 萬億 token沒有人的錢被砍——那部分收入本來就不在這本賬上與毛利無關，是統計口徑的位移
③ 單位生產成本崩塌Blackwell Ultra 半年內每 token 成本降 60%；Luna 執行成本降約 80%無價隨成本降，毛利可能不變甚至變寬

第一股力：標價是真砍了

OpenAI 在 7 月 30 日把 GPT-5.6 Luna 的價格削掉八成——輸入從每百萬 token 1 美元降到 0.2 美元，輸出從 6 美元降到 1.2 美元。 財聯社在報道里點明瞭動機：應對中國低價模型的競爭。

三週之後的 8 月 21 日，刀落到了旗艦 Sol 身上：輸入從 5 美元降到 4 美元，輸出從 30 美元降到 20 美元——輸出那一刀砍掉了三分之一。

這一股是實打實的減收。同樣一次呼叫，賬單短了一截。它也是三股力裡唯一一股配得上「價格戰」三個字的。

它只佔三分之一。

第二股力：錢不是被砍了，是流出了這本賬

Vercel 的 AI Gateway（開發者用來呼叫各家模型的中轉平台）披露過一組資料：過去 60 天裡，開源模型佔它 token 呼叫量的份額從 28% 漲到 62%，歷史上第一次反超閉源。 開源模型指的是把引數公開、任何人可以下載到自己機器上跑的那一類——用它不必按次向原廠付錢，只付自己那點電費和折舊。

這些 token 照樣計進「全市場用了多少」，卻幾乎不計進「全市場付了多少」。均價被它們往下壓，而被壓掉的那部分錢，從頭到尾沒有出現在任何一家閉源廠的收入表上。

最極端的例子在中國。智譜確認，新模型「牛來」在測試期間每天處理 100 萬億 token，全部跑在十萬張以上的國產晶片上。 一天 100 萬億，折成「百萬 token」這個計價單位是一億個；按 8 月那個 0.97 美元的均價折算，市價約合 9700 萬美元。這筆錢一分沒進任何一家按 token 收費的公司賬上——它甚至不構成誰的損失，因為它本來就不在那本賬裡。

均價被拉低了。收入表紋絲沒動。

第三股力：價在降，成本降得更快

這一股最容易被均價蓋住，也最該被看見。

輝達 8 月釋出 Blackwell Ultra 時給出的對比是：與半年前相比，每 token 成本降低 60%，吞吐提升 2.7 倍。 再下一代的機櫃 Vera Rubin NVL72 更陡：官方給出的對比是，相比上一代 GB200 NVL72，同樣一兆瓦電力能產出的 token 數量提高到 10 倍，每百萬 token 的生產成本降到十分之一。 這些都是廠商自己測的數、取的是最有利的那類負載，不是普遍值。

這是硬本事，不是財技。半年一代的迭代節奏把同一件事的電費和折舊一級一級往下壓，壓出來的空間才是降價的底氣。

軟體那一側的改善同樣陡。OpenAI 披露，自家模型參與最佳化推理架構之後，Luna 的執行成本下降約八成，公司把這稱作遞迴自我改進的早期形態。 把這個八成，和 7 月 30 日那次八成的降價並排放——降本的幅度和降價的幅度，落在同一個數量級上。

價隨成本降，毛利可以紋絲不動。這一股力把均價拉下來的時候，沒有誰的錢被拿走。

把 8 月這本賬算一遍

模型呼叫中轉平台 OpenRouter 在 8 月給出的兩個環比數字是：token 用量漲 47%，美元支出漲 7%。

這兩個數可以當場算平：

專案8 月環比
token 用量+47%
美元支出+7%
隱含的加權均價（1.07 ÷ 1.47）約 −27%
SDLLMTK 獨立測出的均價變化−29%
支出打平所需的用量增長約 +37%

1.07 除以 1.47 等於 0.728，隱含的均價環比跌了約 27%。SDLLMTK 用完全另一套口徑獨立測出的是 29%。兩個來源、兩條路徑，落在同一個位置——這不是某一家平台的偶然，是整個市場的讀數。

打平線在 +37%：均價跌 27% 時，用量漲到 1.37 倍，支出就能持平。8 月的用量漲了 47%，超出打平線 10 個百分點，落到錢上就是那 7%。

四十七換七。收入沒有掉，掉的是這條計價線的槓桿——用量每多漲一個百分點，只能換回約 0.15 個百分點的錢。

賣鏟的在漲價，賣 token 的在降價

8 月初有兩個讀數並排擺著：Blackwell GPU 的租金逆勢上漲 15.2%，到每小時 5.18 美元；同期 AI 推理——模型對外回答問題時的實際運算，區別於事先把模型練出來的訓練——每個 token 的成本較 5 月峰值跌了 37.5%。華爾街見聞把這個組合稱作推理經濟的剪刀差。 到 8 月底，加權均價相對 5 月高點的跌幅已經超過一半。 兩個讀數是同一條趨勢線上的兩個時點，彼此印證。

輝達那一頭不缺買家。公司稱需求滿足率約七成；季報的「未來承諾」表裡，「供應與產能」一行合計 2790 億美元。 官方措辭把這筆錢說明為用於資料中心基礎設施系統、主要是記憶體與製造產能——不是某一種晶片的採購鎖單。

被兩頭夾住的，是夾在中間「租 GPU、賣 token」的那些公司。上游的租金在漲，下游的售價在跌，價差由誰承擔，賬面上看得見。

這條鏈上的四個位置：

  • 上游賣鏟：Blackwell 租金 8 月初上漲 15.2%，至每小時 5.18 美元
  • 下游賣 token：推理成本較 5 月峰值跌 37.5%；到 8 月底加權均價較 5 月高點跌超一半
  • 中間轉手層：CoreWeave 二季度自由現金流為負 57.43 億美元，積壓訂單約 1040 億美元
  • 出錢的那頭：五家超大規模雲廠 2026 年資本開支合計約 7370 億美元，約佔其收入 38%

自由現金流指的是經營賺來的現金減掉資本開支之後剩下的錢；負數意味著這段時間是淨往外掏錢。手上握著 1040 億美元訂單、同一個季度往外淨掏 57.43 億——這兩個數字能同時成立，靠的是對未來 token 單價的一條假設。

7370 億美元，是按哪條假設籤的

那 7370 億美元的資本開支約佔五家雲廠收入的 38%，反推回去，這五家今年的收入合計約 1.94 萬億美元。

OpenAI 把到 2030 年的算力基礎設施投入抬到約 7500 億美元，比 2026 年早些時候的估計高出四分之一——原估約 6000 億；同時公司仍然說產能「緊得厲害」，需求遠遠大過供給。

甲骨文的賬把這種籤法的形狀顯影得最清楚。剩餘履約義務 6380 億美元——這是客戶已經簽了合同、公司還沒交付、還沒確認成收入的那部分訂單，同比增長 363%，一年前這個數只有約 1380 億。其中 750 億與預付或客戶自備 GPU 的安排相關。同期資本開支 556.6 億美元，自由現金流為負 236.9 億美元，總負債 2187 億美元，下一財年的資本開支指引約 700 億。

訂單在表的一側堆到 6380 億，現金在表的另一側一年流出 236.9 億。隔在這兩個數字中間的，正是「一百萬 token 將來能賣多少錢」這一條假設。

債市已經在給這條假設標價：2026 年發行的 AI 相關債券共 91 只，到 8 月底有 78 只跌破發行價——十隻裡有八隻多。

尺子本身在縮水

行業自己已經在換計價單位了。

OpenAI 在 9 月的 TMT 大會上表示，定價會從訂閱、按用量，逐步轉向按成果收費——不按用了多少 token 結賬，按有沒有把一件事做完結賬；同一場裡給出的賣點是，同等結果下，它的模型所需輸出 token 比競品少 68%。 格隆匯在 GPT-6 Astra 的報道里指向同一個方向：定價可能從 token 單價轉向按任務成本衡量。

把這兩句拼在一起，會讀出一個別扭的形狀：一家靠賣 token 收錢的公司，正在把「同一件事少用 68% 的 token」當成競爭力去宣傳。模型效率每提高一分，按 token 計價的收入就自己少一分。

需求這一側並沒有軟下來。同一場會上，OpenAI 披露前 10% 的前沿企業客戶 token 用量已達普通客戶的 8 倍，公司內部的使用強度更高到 33 倍。 要的東西越來越多，量的東西越來越不準。

0.97 這個讀數真正說出口的，不是「AI 賣不上價」。它說的是：這把用了三年的尺子，正在被三隻手同時往下推，其中兩隻手推的根本不是價格。當用量能漲 47% 而錢只漲 7%，當行業裡最大的那家公司開始把「少用 token」寫進宣傳語，尺子量出來的東西就越來越不像它標著的那個東西。

跌破 1 美元不是價格戰留下的傷口，是計價單位失效的第一個讀數。下一個單位該怎麼定，眼下還沒有一個被普遍接受的答案。