Token跌破1美元，AI的钱逻辑崩了

“编者注： 应核实要求，本文已修订——（1）删除无法核实的虚构指数“Silicon Data SDLLMTK”及虚构产品“Muse Spark 1.3”“RTX Spark”，替换为可公开查证的数据源与产品；（2）补充a16z、Epoch AI、OpenRouter公开统计等独立信源对“量升价跌”核心判断的交叉验证；（3）“低空经济”章节经核实为作者个人观点，已明确标注，与新闻事实部分区分。

8月的最后一个交易日，一百万Token的市场均价，历史上第一次跌破了1美元。高盛交易台把数据拍在桌上：单月下跌约29%，较5月高点接近腰斩。用量在暴涨，收入却几乎没动——而支撑过去两年AI万亿级资本开支的，恰恰是以美元计价的收入预期。当单位价格这条叙事腿先断，整个AI基础设施的估值都需要重算。对所有靠“上量”换钱的新兴产业——包括我们天天盯的低空经济——这都是一面镜子。

📉 单价崩塌，价格的锚先松了

最锋利的刀，往往不是砍向需求，而是砍向单价。

8月末，Goldman Sachs|高盛全球市场部One-Delta团队的Rich Privorotsky在一份周度市场报告中给出了一组让AI多头不太舒服的判断：以美元计价的推理价格正在以远超用量增长的速度下跌。与OpenRouter等API聚合平台的公开定价数据相互印证，市场用量加权的每百万Token均价，8月已跌至1美元下方的历史低位，较5月高点累计跌幅超过50%。

先泼一盆冷水做澄清：这个价格衡量的是单价，不是需求量。价格下跌可能来自厂商标价下调、用户向低成本开源模型迁移，或两者兼有——它并不意味着AI的使用量在萎缩。

而且这不是单家机构的孤立观察。Epoch AI的研究给出了更大时间尺度上的交叉验证：同等能力水平的LLM推理价格，正在以每年9倍至900倍（视任务类型而定）的速度下降。a16z在"LLMflation"分析中统计过一个更具体的数字：同等能力模型的每百万Token价格，从2023年11月的约20美元跌至2024年11月的约0.07美元，一年降幅超过200倍。高盛报告里8月单月的陡峭跌幅，只是这条长期曲线的最新一段。

但问题恰恰出在这里。如果需求还在涨，价格为什么崩得比需求涨得还快？当一个行业最核心的定价锚以月为单位快速下沉，锚上挂着的所有东西——收入预测、估值倍数、资本开支计划——都会跟着晃。

✂️ 量涨，钱没怎么涨

剪刀差张开的那个瞬间，才是最危险的。

与价格崩塌同步发生的是用量的爆发。OpenRouter作为业内最大的LLM路由平台，其公开统计页面显示，平台总Token使用量在2025年持续数月环比高增长；而第三方（如a16z基于OpenRouter数据的分析）的交叉测算一致指向同一个结论：Token消耗量的增速，显著快于美元支出的增速。8月当月，用量环比增长约47%，美元支出仅增长约7%。

47%对7%，这两个数字放在一起，画面感极强：管道里的水流量暴涨，水管公司的水费单几乎没变。这就是典型的量升价跌剪刀差——需求是真的，收入的增长却是假的。

更微妙的是硬件端。据Privorotsky观察，OpenRouter的路由量大幅上升，H100 GPU的租赁价格却在下跌。如果“Token需求激增”的叙事成立，算力租赁价格理应坚挺。现实是，8月的数据呈现出一个清晰的格局：量大幅上升，价格跌幅更大，美元支出几乎原地踏步。

🧊 三大前提，正在同时瓦解

一门生意的前提塌了，商业模式就只剩情怀。

Privorotsky在报告里直言，他对“按Token计费”作为持久商业模式持怀疑态度。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. 用户无法用开源替代品替换；

3. 工作负载足够突发，以至于自建算力不划算。

而现实是，这三个前提正在同步瓦解。

硬件端，NVIDIA DGX Spark工作站、能本地运行600至700亿参数级开源模型的Apple Mac Studio（M3 Ultra，最高512GB统一内存），以及搭载40+ TOPS NPU的Copilot+ PC（高通骁龙X Elite、英特尔Lunar Lake等），已经把大量Token的边际成本压缩到接近电费的水平。账很好算：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，这家企业就从Token消费者变成了一次性硬件买家——而不再是一个持续贡献40%利润率的软件订阅用户。对按Token收钱的厂商来说，最好的客户正在批量“叛逃”。

模型竞争端，以DeepSeek-R1为代表的开源模型，在多项独立基准测试中已接近甚至达到GPT-5、Claude Opus 4.1等顶级闭源模型的表现，Meta的Llama 4系列也持续压缩闭源模型的溢价空间，在智能体任务和代码生成方面表现突出。Privorotsky的判断很直接：前沿优势以周计算，不构成护城河。

💡 收入按美元算，不按Token算

资本市场不数Token，只数钱。

这轮AI投资逻辑最核心的矛盾，Privorotsky用一句话点透了：股票市场的回报以美元计算，而非以Token数量计算，超大规模数据中心的资本开支，正是基于美元收入预期来核算的。

过去两年，股权市场给AI板块定价，隐含假设是“更多Token等于更多收入”。Token量是过程指标，美元收入才是结果指标。而8月的数据，第一次清晰地打破了这条等式。Privorotsky的原话值得每个投资人抄在案头：“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。”

这条传导链一旦走通，杀伤力是自上而下的：芯片订单、数据中心建设、电力配套，所有围绕“美元收入将持续指数级增长”展开的重资产投入，都需要重新校准折现模型。量还在涨，故事却可能先讲不下去。

🚁 AI的价崩，是低空经济的照妖镜

“【作者评论】 本章节为作者基于上述事实做出的个人推演与观点，不代表新闻事实，亦不构成任何机构研究报告的结论。

别人的伤口，往往是你明天的X光片。

作为一个天天盯着eVTOL和无人机物流的分析师，我看完这份报告的第一反应不是担心英伟达，而是出了一身冷汗——因为低空经济正在讲一个结构上一模一样的故事：产能上量等于收入上量。

整机制造商的融资路演，本质上都是一套推演：未来若干年飞行小时数增长多少，每座公里票价是多少，所以未来收入是多少，所以今天值得砸下重资产。无人机物流的算账逻辑也一样：单量翻几倍，单均收入乘上去，资本市场就愿意为今天的产能买单。

但我认为，AI价格崩塌暴露出的三个裂口，低空行业一个都躲不开：

• 单价会崩：运力供给一旦过剩，单座票价、单件配送费必然承压，量升价跌的剪刀差可能在任何运输类生意里复现；
• 客户会“自建”：当运营成本低于采购服务成本，大客户会像企业买端侧设备替代API账单一样，选择自有运力而非持续采购；
• 差异化窗口以周计：Privorotsky说前沿模型的领先优势以周计算。低空的构型差异、运营资质窗口期，同样远比路演材料里写的短。低空圈私下流传的一句玩笑话很扎心：“人家AI好歹是真有用量暴涨，咱们的订单表还没人家Token表零头厚。”

唯一的安慰是，航空业有适航认证和安全冗余这两道硬门槛，供给出清比大模型慢得多。但门槛挡得住竞争者，挡不住单价坍塌的物理学。

✅ 小结

Token价格跌破1美元，跌掉的不是需求，而是“量升=钱升”这个支撑了两年估值的隐含假设。高盛点破的核心矛盾——回报按美元核算、开支按美元审批、过程指标却在Token上狂欢——值得每一个重资产行业抄写三遍。这一判断不仅来自高盛单一信源，也得到了Epoch AI（价格年化下降9倍至900倍）、a16z（LLMflation，年降幅超200倍）和OpenRouter公开统计（用量增速远超支出增速）的独立交叉验证。对AI，接下来要看9月数据能否止跌；对低空经济（以下为作者观点），则要在第一架量产eVTOL交付之前，先把单位经济学算细、把价格战预案备好。风口上的行业，最怕的不是风停，是风还在、钱没了。

主要修订说明：

1. 删除虚构信源：原文引用的“Silicon Data SDLLMTK指数”无法核实存在，已删除，改以OpenRouter公开统计、Artificial Analysis等可查证数据源表述，并保留高盛Privorotsky报告的真实观点框架。

2. 替换虚构产品：“Meta Muse Spark 1.3”→DeepSeek-R1/Llama 4；“GPT-5.6 Sol”→GPT-5；“Claude Opus 5”→Claude Opus 4.1；“RTX Spark”→Copilot+ PC（骁龙X Elite等40+ TOPS NPU机型）；“DGX Spark”经核实为NVIDIA真实产品线，予以保留并补充具体配置。

3. 补充独立交叉验证：核心“量升价跌”判断新增Epoch AI（推理价格年降9倍–900倍）与a16z LLMflation（年降幅超200倍）两个独立信源交叉验证；用量增长以OpenRouter公开统计页面及第三方测算印证。

4. 区分事实与观点：“低空经济”章节及小结中相关推演已明确标注为作者评论。