AI需求数据正在制造一场罕见的市场分歧：同组数字，多头和空头各取所需，双方都宣称胜利。这场争论的内核是个令人不安的结构性矛盾——Token消耗量爆炸式增长，但绝大多数增量流向了收费最低的模型，而服务这些Token的GPU成本却在同步攀升。

高盛Bobby Molavi在报告中披露，OpenRouter数据显示，开源权重模型（open-weight models）在9月第二周处理了72%的Token流量，却仅获得平台总支出的27%；同时，闭源模型的支出占比虽然从1月初的89%降至73%，仍掌握绝大部分货币化收益。

更值得关注的是，OpenRouter平台9月中旬约69%的Token来自中国AI实验室。Molavi将当前市场形容为「无法操作」（unplayable），并指出，AI生产力红利迄今尚未在科技产业以外留下可量化的痕迹。

这项结构性矛盾正在重塑市场对AI投资回报的预期。 GPU租金持续上涨，Token售价持续下跌，两端同时承压，意味着算力供应商坐享租金红利，而为此买单的企业客户和最终股东，却面临投资报酬率（ROI）难以兑现的困境。Meta近期向股东募资最高950亿美元，用于AI资本支出，其芯片供应商同步入股，标志着「供应商融资」已从债务形式演变为股权形式，资本循环的可持续性疑问愈发迫切。

需求本身的增长无可置疑。 Molavi援引OpenRouter数据指出，Token需求自2025年11月以来增长了27倍，开源权重模型目前占据72%的Token份额。

从另一较长的观察区间来看，OpenRouter平台每周Token处理量从2025年1月中旬的0.5兆枚，飙升至2026年9月14日当周的128.4兆枚，约20个月内增长257倍，亦即约250倍。这项数据与自2025年11月以来的27倍增幅，采用不同的起算时间，不能直接视为相互矛盾。

GPU定价同样印证了需求的真实性。 H200租赁价格年内上涨160%，B200上涨120%，H100上涨35%。更具说服力的是，2020年出产的A100芯片，目前的租赁价格已高于年初水准。这直接冲击了此前关于GPU折旧周期的内核假设——若一块芯片在六年后仍能产生更高收益，那么以三年为基准的悲观折旧预测便值得重新查看，超大规模云端服务商的长期获利潜力也需要重新评估。

对多头而言，这是最有力的论据：需求是真实的，算力资产的经济寿命可能比空头预期的更长。

Token价格自由落体：史上最快通缩

然而，需求爆炸的另一面，是Token价格以前所未有的速度崩塌。据Epoch AI于9月22日发布的研究报告「思维价格的暴跌」（The Plunging Price of Thought），自2023年以来，达到同等AI性能水准的成本每季下降约47%，即每年降低约13倍；在前沿模型领域，降价速度更快，平均每季下降66%，即每年降低约75倍。

Epoch AI提出的案例是：2025年1月，OpenAI的o3模型在GPQA Diamond博士级科学题基准测试中答对75%，每题成本约0.30美元；原文指出，GPT-5.6 Luna达到同等分数，每题成本仅0.0004美元，18个月内价格下降725倍——相当于一辆标价5万美元的汽车跌价至69美元。

从历史横向比较来看，大型语言模型推理价格的下降速度，是DNA定序的4倍、1940至2001年间计算能力提升速度的6倍、锂离子电池的18倍，以及电力的54倍。

不过，客户实际支付的价格下降远慢于标价。YipitData追踪的近2,000兆枚年化Token数据显示，API服务的有效Token定价在2025年下半年下降39%（OpenRouter平台则下降44%）；截至2026年5月，2026年年初至今的降幅则为6%。这两组数字涵盖不同期间，因此不能直接比较为同一期间的降幅。

原因在于： 开发者持续追逐更便宜的模型，而企业客户则增加高端模型的使用比例。前沿AI实验室凭借最新模型的溢价能力，暂时支撑了营收；但Epoch的数据表明，这种溢价的半衰期以季度计算，因为开源拷贝版本很快便能以极低成本完成同等任务。

谁在赚钱 谁在买单？

这正是Molavi所描述的「同一数据，两种解读」困境的内核所在。

多头的逻辑是：需求持续扩大，可寻址市场（TAM）仍在增长，Token消耗量的爆炸式增长证明AI正在被广泛采用。

空头的逻辑则是：每Token成本在上升，每Token收入在下降，而增量流量的主体正是那些收费最低的开源模型。 OpenRouter数据清楚呈现了这一图景：开源权重模型处理了72%的Token，却只占27%的支出；中国AI实验室贡献了平台近七成的Token流量。高盛的momo basket恰好在6月底见顶，时间点与中国开源权重模型大规模涌入AI市场高度吻合。

Molavi将这项矛盾概括为：GPU租金上涨与Token售价下跌，是同一种挤压从两端呈现的结果。 对GPU持有者而言是利好；对支付租金的企业而言，则是另一番景象。

生产力红利缺席：S&P 493的沉默

AI资本支出的终极逻辑，是通过生产力提升带动全社会收益。但目前，这项逻辑尚未在科技产业以外获得数据验证。

Molavi援引一份策略师报告指出，AI「尚未在科技产业以外的关键数据中呈现出可量化的生产力提升」：七大科技巨头的人均营收和利润率均有所提升，但S&P 493（标普500指数中其余493家公司）的对应指针几乎持平。

这项现实正在改变企业界的AI决策逻辑。 Molavi观察到，大量企业正从「Token支出与增长和生产力的相关性」，转向审视「Token支出对成本及利润率的影响」。财务长们已经找到AI这项预算支出，他们想知道花出去的钱究竟买到了什么。

「繁荣循环」与资本可持续性

支撑当前AI资本支出狂潮的，是Molavi所描述的一个「繁荣循环」：超大规模云端服务商的资本支出越多，流入AI生态系的收入就越多，进而吸引风险资本和成长股权资本涌入，形成双向资金流——而这一切的锚点，就是最初的AI资本支出本身。

这个循环的致命弱点，在于其可持续性：一旦资本支出放缓，整个生态系的收入能否自我维持？

私募市场同样未能免疫。 Molavi指出，当前的退出案例「数量可观但极度集中」，包括SpaceX、Cerebras、Cursor及Hugging Face；部分项目的估值重估「除了一份投资意向书之外，没有任何催化剂」，整个私募市场的交易逻辑「仿佛Token时代永不落幕、万物皆将被颠覆」。

在融资端，随着债务融资管道收窄，Meta近期宣布向股东募资最高950亿美元，用于AI资本支出，其芯片供应商也同步参与入股。供应商融资已从债务形式演变为股权形式，资金提供者与用户之间的收入及融资界线日益模糊。

Molavi将整场辩论的本质归结为四个问题：建设成本有多高、谁来买单、付出的代价是否值得，以及需要等待多久才能看到收入回报。

当前的数据格局是：从2025年1月至2026年9月，OpenRouter每周Token处理量增长约250倍，但开源权重模型处理的Token占72%，仅占27%的平台支出；GPU租金上涨，但帐单最终由支付算力费用的企业承担，并可能影响股东回报；生产力红利在科技产业以外尚无可量化的明确迹象。

Molavi的结论是，需求的真实性无可置疑，但「需求增长250倍，资金流向最廉价的模型、租金流向GPU持有者、帐单转嫁给股东」，并不是当初资本支出所承诺的投资报酬率（ROI）故事。 在这场多空拔河中，空头或许握有更有力的那半段绳子。