相关阅读：如果你已经从 Token战争 看到 AI 成本变化，下一步可以继续看站内的交易所合规运营阶段分析，用同样的“成本、功能、风险”框架比较不同平台。

Token战争不是一个简单的降价新闻，而是AI估值逻辑开始从“技术是否足够强”转向“单位成本是否算得过来”的信号。华尔街见闻援引高盛One-Delta部门负责人Rich Privorotsky的观点称，DeepSeek据称将Token定价下调75%，小米MiMo降价幅度接近99%，低价Token可能先替代高成本推理服务，并迫使市场重新审视AI推理需求、企业支出回报与相关资产估值之间的关系。

这篇文章只讨论信息和逻辑，不构成投资建议。核心问题是：如果AI基础设施瓶颈最终会缓解，市场还会不会继续为瓶颈、稀缺和高增长叙事支付过高溢价？

Token战争为什么突然成为AI估值变量

过去两年，AI交易的主线相对直接：模型能力提升、算力需求上升、数据中心扩张，最后映射到芯片、云服务和基础设施资产的估值上。这个链条的隐含前提是，AI需求会持续放大，而且单位价格足以支撑企业级收入增长。

Token战争改变的是第二个前提。Token是AI推理服务最常见的计费和成本衡量单位之一。当同样任务可以用更低Token价格完成，企业自然会重新比较不同模型、不同供应商和不同部署方式的性价比。

华尔街见闻原文提到，高盛观点的重点不是否定AI长期价值，而是提醒市场不要为“即将被解决的问题”支付过高溢价。换句话说，如果内存、电力、网络、数据中心等基础设施瓶颈会被投资逐步缓解，那么这些瓶颈带来的高利润率和估值溢价就不一定能长期维持。

这也是Token经济学变重要的原因。AI公司不能只讲调用量增长，还要证明每单位调用量能带来足够收入、毛利和现金流。否则，使用量越大，未必等于估值越安全。

低价Token如何改变企业AI支出的单位经济

企业采购AI服务时，真正关心的不是模型参数有多大，而是结果是否稳定、成本是否可控、业务收益能否覆盖预算。低价Token出现后，CIO和业务部门会更容易提出一个问题：如果90%的任务可以用10%的成本完成，为什么还要长期购买高成本推理？

这会让企业AI ROI变得更透明。过去，很多AI预算带有试验性质，企业愿意为前沿能力支付溢价。但当价格快速下降，预算审查会从“先试试看”变成“每一类任务用哪个模型最划算”。客服摘要、代码补全、办公自动化、检索增强问答等场景，都可能被拆成不同成本层级。

低价Token并不必然打击AI需求。按照Jevons paradox，效率提升可能带来更大总需求。但时间差很关键：需求扩张未必立刻发生，低成本替代却可能先发生。如果便宜模型先抢走高价推理收入，而新应用场景还没有大规模放量，云厂商和模型公司的收入曲线就会承压。

这就是估值重定价的起点。市场不再只问“AI有没有需求”，而是问“需求增长能不能抵消价格下降”。

AI基础设施瓶颈缓解后，溢价还能维持多久

AI基础设施瓶颈是真实存在的。高盛资产管理关于AI未来架构的文章提到，代理式AI工具的能耗强度可能显著高于普通聊天机器人，未来不只是芯片、内存和制造环节重要，数据中心、电力、冷却、网络连接和高压组件也会成为关键约束。

但是，瓶颈真实存在，不等于瓶颈资产可以永久享受高溢价。电力不足会吸引电源和电网投资，网络拥堵会推动光模块和连接方案升级，数据中心供给紧张会刺激新项目建设。约束越清晰，资本越容易找到投入方向。

这会带来一个反直觉结果：短期瓶颈越强，相关资产越容易被市场追捧；但一旦供给开始释放，估值就会从“稀缺溢价”回到“回报率验证”。

对AI资本开支而言，问题不是会不会停止，而是钱会流向哪里。单纯买更多GPU不是唯一答案。电力接入、光网络、液冷、机房建设、运维服务、区域能源布局，都会影响AI推理能否真正规模化。若市场此前只把估值集中给少数硬件环节，后续就可能出现利润池重分配。

在这一点上，Token战争 的分析框架也可以迁移到平台选择：不要只看单一叙事，而要比较成本、稳定性、功能边界和风险承接。如果你想把这个判断方法落到加密平台选择上，可以继续阅读交易所合规运营阶段分析。

估值重定价的关键不是需求消失，而是利润池重分配

Token战争最容易被误读成“AI需求见顶”。这个判断太粗糙。更准确的说法是，AI需求可能继续增长，但不同环节拿到的利润会变化。

高成本推理服务会面临低价模型和开源模型的压力。云厂商需要证明AI收入增速能覆盖数据中心资本开支。芯片和半导体动量交易仍可能受流动性、仓位和短期业绩支撑，但估值需要接受更严格的现金流检验。基础设施公司也要从“瓶颈叙事”走向“订单、交付和回报率”验证。

这和加密市场中的基础设施周期有相似之处：早期市场会追逐稀缺资源和叙事，中后期则更看重真实使用、成本结构和平台选择。如果你希望把这种框架迁移到加密平台选择上，可以继续看站内的交易所合规运营阶段分析，先理解不同平台的功能、成本和风险差异，再进入具体操作。

因此，估值重定价不是AI叙事结束，而是市场从总量故事切换到结构故事。谁能把低成本推理转化为更多真实工作负载，谁能控制资本开支回收周期，谁能在基础设施扩张中保持议价能力，才更可能留下长期溢价。

投资者看Token战争，应盯住哪几个信号

第一，看Token单价和单位任务成本。单纯模型降价不够，还要看同一类任务的完成质量、延迟、稳定性和总拥有成本。

第二，看推理量增长能否抵消价格下降。如果调用量增长很快，但收入增速明显放缓，就说明价格压力正在吃掉需求扩张。

第三，看企业续约和预算口径。若更多公司开始公开讨论AI支出无法证明价值，市场会重新评估模型公司和云服务商的收入可见度。

第四，看开源模型份额。开源模型不一定完全替代闭源前沿模型，但足以压低大量中低复杂度任务的价格锚。

第五，看数据中心交付和电力约束。基础设施瓶颈缓解不是一句口号，要落到电力接入、建设周期、设备交付和区域容量上。

第六，看利润池是否扩散。如果光网络、冷却、电力设备、数据中心运维等环节获得更多订单，而前沿推理服务毛利承压，就说明AI价值链正在重排。

结论：AI叙事不会结束，但定价方式会更挑剔

Token战争的核心不是“AI不行了”，而是AI进入了更现实的阶段：能力要强，成本也要算得过来；需求要增长，收入和利润也要跟得上。AI基础设施瓶颈缓解后，市场会更少奖励单纯稀缺叙事，更愿意奖励能证明单位经济、现金流和真实使用场景的公司。

对于普通读者，最稳妥的理解方式是把AI当成一个正在从概念扩张进入成本竞争的产业周期。先看价格，再看使用量，再看利润率，最后看资本开支回收速度。读完Token战争的逻辑后，下一步建议继续比较不同平台、不同基础设施和不同商业模式的真实差异，不要只被单一叙事带着走。

读完 Token战争 的逻辑后，如果你下一步想比较不同平台、不同基础设施和不同商业模式的真实差异，可以继续看交易所合规运营阶段分析。先把选择逻辑想清楚，再进入具体操作，会比直接被单一叙事带着走更稳。

常见问题

Token战争是什么意思？

Token战争指模型厂商、云服务商和AI应用围绕Token价格、推理成本和单位输出效率展开竞争。它不只是降价，而是会影响企业采购、模型选择和AI公司的收入质量。

低价Token一定利好AI需求吗？

长期看，低价Token可能释放更多AI需求，因为同样预算可以完成更多任务。但短期看，便宜Token也可能先替代高价推理服务，导致部分公司的收入增长出现压力。

AI基础设施瓶颈缓解为什么会影响估值？

当某个瓶颈很稀缺时，市场往往愿意支付高溢价。但如果电力、网络、数据中心或内存供给逐步改善，相关资产就需要用真实订单、毛利和回报率证明估值。

这是否意味着AI资本开支会结束？

不一定。更可能发生的是资本开支结构变化：资金不只流向GPU，也会流向电力、冷却、光网络、数据中心建设和运维服务。AI资本开支仍会存在，但市场会更挑剔地评估回报。

参考资料

• 华尔街见闻：Token战争悄然打响，高盛称AI叙事面临重新定价：用于核对本篇对Token降价、基础设施瓶颈和估值重定价的新闻背景。
• Goldman Sachs Asset Management：AI power demands and infrastructure opportunities：用于补充AI数据中心、电力和基础设施投资约束的公开背景。