Token价格腰斩，谁还在为AI买单？

“编者注／情境说明：本文为产业趋势推演稿。文中SDLLMTK指数、高盛交易台报告、OpenAI与Meta产品发布等2026年事件与数据，均为情境设定（下文以〔情境〕标注），用于呈现“Token单位经济学”这一分析框架；涉及惠然微电子、华润微电子等现实企业的信息以公司公告及公开报道为据。所有关键数据的核实路径见文末“信源与口径说明”。

2026年8月，一个数字悄悄击穿了AI叙事的地板〔情境〕：衡量百万Token使用加权均价的SDLLMTK指数单月下跌29%，月末报约0.97美元，历史上第一次跌破1美元关口〔情境〕。与此同时，OpenAI高喊“AGI时代来临”〔情境〕，国产量测设备在14nm节点悄悄下线〔见公司公告〕。价格在崩，算力在铺，钱去哪了？这篇文章试着说清楚。

📉 百万Token一美元，高盛交易台先坐不住了

每个牛市都有一个没人愿意盯着的仪表盘。这一次，先看懂仪表盘的是卖方交易台。

〔情境〕据高盛One-Delta交易台负责人Rich Privorotsky的最新报告，由Silicon Data编制的LLM Token Expenditure Index（代码SDLLMTK）——一个按使用量加权的Token价格指数——8月单月下跌29%，月末报约0.97美元，创历史新低，较5月高点约2.05美元累计跌幅已超50%。（信源口径：Silicon Data官网指数页为原始发布方，高盛客户报告为引用方；实际核验以Silicon Data官方数据终端为准。）

先看硬数据〔情境〕：

〔情境〕更扎心的是摩根大通数据中心报告里的另一组数：OpenRouter平台8月Token使用量环比增长约47%，但美元支出只增长约7%。（信源口径：OpenRouter平台公开排行榜可交叉验证使用量趋势，美元支出口径以摩根大通报告转述为准。）

量升价崩，剪刀差撕开了AI投资逻辑的核心矛盾：股票市场的回报以美元计价，而非以Token数量计价。超大规模数据中心的资本开支，是按美元收入预期来核算的。〔情境〕Privorotsky说得很直白：“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。”

圈内流传的一句糙话是：过去两年的股权定价，建立在“更多Token等于更多收入”这条假设上，而8月的数据第一次清晰地打破了它。

需要强调一点：Token价格崩，不等于需求萎缩。〔情境〕Silicon Data自己已提示，指数下跌可能源于标价下调、用户向低成本开源模型迁移，或两者兼有。但恰恰是“需求真、收入不真”这件事，最让资本开支的核算模型难受。

⚠️ 按Token计费，三个前提正在同时瓦解

〔情境〕Privorotsky在这份报告里留了一句相当罕见的判词：他对“按Token计费”作为持久商业模式持怀疑态度。

理由是结构性的。云端推理按百万Token定价，依赖三个前提同时成立：

1. 模型体量大到无法本地运行；

2. 用户无法以开源替代品替换；

3. 工作负载足够突发，以至于自建算力不划算。

而这三个前提，正在同步瓦解。

先看硬件端〔情境，设备型号与价格区间为情境设定〕。RTX Spark级笔记本、DGX Spark工作站、能跑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。算一笔账：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（按24至36个月摊销估算，本文口径），这家企业就从Token的持续消费者，变成了一次性硬件买家——而不是那个持续贡献约40%利润率的软件订阅用户（利润率参考SaaS行业公开财报的中位数区间，为量级示意而非精确统计）。

用工程黑话说，这是典型的“用户绕过收费站，自己修了条辅路”。辅路一旦修通，主路上的定价权就再也回不来了。

〔情境〕据多位接近海外大行的人士观察，机构现在讨论AI capex时，问的问题已经从“需求有多大”变成了“单位Token能收到多少钱、能收多久”。这两个问题的答案，正在朝着不利于云厂商的方向走。

🤖 AGI喊得越响，前沿越不算护城河

〔情境〕就在Token价格击穿1美元的同时，台上的主角还在加码叙事。

OpenAI发布了GPT-6 Astra，公司称其很可能标志着通用人工智能（AGI）的开端。联合创始人兼总裁Greg Brockman在一场闭门媒体简报会上，用一个罕见直白的说法收尾：“Welcome to the AGI era.”（〔情境〕AGI判定为厂商单方宣称，无独立第三方认证，读者宜按营销口径理解。）

〔情境〕对开发者来说，Astra更具体的意义在于产品形态：OpenAI把它定位为“世界最好的计算机使用模型”——不再要求为每个应用单独开发API集成，而是让模型像人一样操作浏览器、表格、网站和桌面软件，直接产出成品文档和演示文稿，执行多步骤工作流。（能力宣称以厂商发布会口径为准，公开评测复现结果〔情境〕尚不完整。）

这不是巧合，而是同一枚硬币的两面：当模型层的能力趋同，差异化只能往应用和工作流下沉。

〔情境〕另一边的追赶者已经贴脸。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。（基准测试名称、跑分与评测机构在本情境中未具名，实际引用需以LMArena、SWE-bench等公开榜单当时快照为准。）〔情境〕Privorotsky对此的评价相当刻薄也相当准确：“前沿优势以周计算，不构成护城河，只是产品周。”

翻译成人话：前沿地位的保质期，已经缩短到一个发布周期。当第一梯队内部都有多个可互换选项，买方的议价权就不可逆地增强了——这正是Token单价崩塌在供给侧的根源。而Astra们押注的计算机使用与智能体工作流，本质上是把变现锚点从“卖Token”换成“卖完成的工作”，这既是对计费模式崩塌的应对，也进一步加速了Token本身的商品化。

🔬 价格崩得最快的行业之外，设备端在啃硬骨头

把视线从聚光灯下移开，产业链另一端正在发生一件慢得多、但确定性高得多的事。

9月2日消息，半导体量检测企业惠然微电子披露了电子束关键尺寸量测设备（CD-SEM）国产化的最新进展。CD-SEM被业界称为“小光刻机”，是国产化率第二低的半导体设备品类，仅次于光刻机。（信源：公司官方披露及行业媒体公开报道；“国产化率第二低”为行业通行说法，建议以CINNO Research、SEMI等第三方统计的最新国产化率数据交叉核对。）

董事长王志刚博士把国产化的壁垒归纳为三重：跨学科技术集成、经验know-how积累、供应链配套。这三样，没有一样能用PPT解决，全靠量产线上一轮一轮磨。

惠然微基于电子束共性技术平台，已形成“半导体+泛半导体/科仪”双线布局，产品线覆盖CD-SEM、电子束缺陷检测设备（EBI）、科研用扫描电镜（SEM）、聚焦离子束（FIB-SEM）等，兼容12英寸与6/8英寸晶圆场景。目前，公司已成功研制14纳米研发级和22纳米量产级12英寸晶圆CD-SEM，多款量检测设备已在国内成熟制程客户量产线导入并稳定运行。（信源：公司公告及发布会资料；“研发级/量产级”为公司自述口径，量产验证进度以终端客户产线信息披露为准。）

两个细节值得单独说：

其一，惠然微率先把AI引入微观量测分析，通过深度学习把单帧扫描图像增强到接近64帧画质水平，有望将相关工艺段生产效率提升10倍以上。“有望”为公司预期口径，尚需量产线运行数据验证。设备公司用AI提效——Token跌价的红利，绕了一圈以另一种形式回馈到了制造端。

其二，产业协同上，华润微电子已与惠然微签署战略合作协议，聚焦量检测设备国产化替代，联合关键技术攻关。（信源：双方公告。）王志刚给出的节奏判断是：未来3至5年将是国内电子束量测领域的加速追赶期，公司将通过“终端用户—科研机构—行业伙伴—上游供应链”四层协同推进。（此为管理层前瞻性判断，非已实现事实。）

逻辑其实很朴素：无论Token经济最终走向云端订阅还是本地推理，所有算力最终都要落到晶圆制造上，而制造精度由量检测兜底。模型层月月换代、价格月月崩，设备层却是整个AI产业链里贝塔最低、国产替代斜率最确定的一段。这正是“卖铲人”叙事在制造端的版本。

🧭 价值没有消失，只是换了结算货币

把三条线索拼起来，图景其实相当完整。

高盛的判断〔情境〕是：过去两年建立在“更多Token等于更多收入”上的股权定价，已经被动摇。Privorotsky对按Token计费模式的怀疑、OpenRouter上47%的量只换来7%的钱、H100租赁价格的下跌，指向同一个结论——AI的价值正在从“Token流量”向“结果交付”和“底层制造”两端迁移。

对上游的影响链条也清晰：本地推理硬件（DGX Spark、Mac Studio一类）放量，利好边缘芯片与先进制程需求；模型层商品化，利好掌握工作流入口的应用层；而无论哪条路赢，都绕不开晶圆制造和它身后的量检测设备——这也解释了为什么一家做“小光刻机”的公司，敢在Token价格崩盘的同一周发布14nm新品。芯片的美元价在跌，但芯片的物理精度需求，只涨不跌。

结语：三个观察点，一张核对清单

Token价格腰斩，不是AI需求的讣告，而是一次残酷的单位经济学重估。当“卖Token”不再是一门好生意，价值会自己找出口：往终端硬件走，往智能体工作流走，往制造与设备走。

接下来的关键观察点有三个，这里把它们落成可核对的清单，而不是一句空话：

观察点一：SDLLMTK是否继续下探，以及下探的“成分”是什么。 关注两个具体信号：一是指数能否在1美元下方企稳（月度环比跌幅收窄至个位数可视为减速信号）；二是拆分下跌归因——如果Silicon Data披露的构成显示价格下降主要来自厂商主动降价而非开源迁移挤压，则“以价换量”策略成立，云厂商美元收入曲线反而可能修复；反之若开源替代占比持续上升，则是结构性侵蚀。核对路径：Silicon Data官方月度报告＋OpenRouter公开用量榜交叉验证。

观察点二：云端厂商能否把计费锚点从“Token”切换到“完成任务”。 关注具体动作：头部厂商是否在下一个发布周期内推出按任务/按结果计费的正式产品（而非内测），以及现有API客户向智能体套餐的迁移比例。若未来两个季度内出现“任务计费收入占比超过10%”级别的披露，则本次重估成立；若仍然只停留在发布会话术，则说明切换难度被低估。核对路径：各云厂商财报电话会记录与定价页变更历史。

观察点三：国产量测设备在3至5年追赶期里的量产导入速度。 关注三个可量化指标：14nm研发级CD-SEM到量产级验证的周期长短；国内先进产线（含华润微等战略伙伴）的批量采购订单披露；以及第三方国产化率统计中，量检测设备品类排名是否在年度数据中出现实质跃升。核对路径：公司公告、终端客户产线信息披露、SEMI与CINNO Research等年度国产化率报告。

三个观察点分别对应三条迁移路径的价格端、商业模式端和物理端。价格会崩，商业模式会换，但物理规律不会。在“Token按美元计价”与“晶圆按纳米计价”之间，后者是这轮AI周期里最确定的一件事。

信源与口径说明

本文2026年部分为情境推演，不构成任何投资建议；涉及现实公司的表述以官方披露为准。