LLM Token支出指数跌破1美元，市场出现分化

近日，Silicon Data编制的LLM Token支出指数(美元口径)跌破1美元，至97美分，触及历史新低。分析人士认为，Token市场“需求涨，价格涨”的关联度正在发生改变，供给扩张、技术降本、替代出现、需求改变四重因素使Token市场在下行中出现分化，并对不同企业的市场表现形成不同影响。

Token价格下行

Silicon Data去年底推出衡量全市场每百万LLM Token平均支付价格的LLM Token支出指数，该指数今年5月达到2.05美元/百万Token的高点，此后出现快速下行。仅8月单月就大跌29%，月末跌至0.97美元/百万Token，首次跌破1美元关口，较5月高点累计跌幅超50%。

具体来看，5至6月，Token价格快速下行，调用量维持高速增长，美元Token支出增速开始明显跑输Token使用量；进入7月，企业开始大规模进行模型分层调度，Token价格加速下探；8月，Token价格击穿1美元心理关口。

值得关注的是，不少美国AI大模型企业宣布了降价。7月下旬OpenAI宣布下调其两款GPT-5.6模型价格；OpenAI的头号竞争对手Anthropic推出全新模型Claude Opus 5，并称其与Anthropic今年6月发布的高端模型Claude Fable 5的性能相当，但其价格仅为后者的一半；还有一些前沿AI模型开发商也推出了具备“动态定价”功能的服务，允许访问费率随需求波动而涨跌。这些因素都给Token的市场价格带来了更大的下行压力。

2022年ChatGPT的问世掀起AI热潮，促使美国企业争相部署该技术，并鼓励员工积极使用。但随着AI账单不断飙升，部分企业的相关支出规模达到数十亿美元，许多公司开始主动控制支出。

据报道，近期微软开始收紧内部Token使用管理，设置用量监控并逐步将内部默认工作负载切换至OpenAI的GPT-5.6 Sol，以降低AI使用成本。

瑞士Syz集团投资主管蒙肖称，近期该指数下跌的部分原因在于部分开源模型的崛起，而这些模型的价格往往明显低于美国的同类产品。

Silicon Data研究主管史蒂夫·侯表示，近期Token价格下跌可能意味着，在前沿模型和低价竞争对手的双重影响下，市场中的Token供给已相对充沛，足以“满足绝大多数任务的技术需求”。

部分企业面临定价压力

大量新增Token并没有带来同比例的美元收入，成为当前产业的核心矛盾。而对于不同类型的企业，这种影响不尽相同。

根据摩根大通数据中心报告，OpenRouter平台8月Token使用量环比增长约47%，但美元支出仅增长约7%。行业人士认为，Token支出(美元口径)下降对产业链形成多层次、多维度的影响。

对于基础大模型厂商(闭源API厂商)而言盈利压力显著，毛利率有可能被压缩。单纯依靠售卖Token API模式的企业有可能被迫转型；中端通用模型由于最容易被开源模型所替代，将陷入激烈的价格竞争，生存空间受挤压；顶尖旗舰模型仍能依靠其多元价值保持市场地位，保有一定的溢价能力。

对于云厂商与算力基础设施投资商而言，长远影响需要观察。云厂商收入结构有可能从“高单价闭源API”转移到“自建/开源推理算力”。而一些企业把轻量请求放到本地NPU/边缘硬件，规避云端按Token持续计费，带动边缘算力硬件需求上升。

对于上游芯片厂商而言，虽然Token收入下降，但在总体Token使用数量持续扩张、高端GPU基本需求依然存在的情况下，高端芯片需求依然得到支撑。而如果模型推理效率持续飞跃，单位任务算力消耗大幅下降，则会抑制高端芯片增量需求。

从利好方面看，Token价格下跌降低了AI的落地门槛，中小企业、创业公司可以以更低成本接入大模型。

也有观点认为，Token单价便宜之后，企业会扩大使用场景，总账单不一定下降，甚至继续走高，倒逼企业设置Token预算上限。

业内人士认为，当前Token美元支出走弱，并非AI需求萎缩，只是“量升价跌”，驱动因素包括：一是供给端竞争加剧，倒逼闭源厂商下调平价模型定价；二是企业端成本治理普及；三是大企业自建推理集群，把推理流量从公有API剥离，这部分Token只消耗算力，而不产生API美元收入。

“基础模型实验室受到的影响最为直接。”蒙肖表示，“护城河必须从单纯的模型能力，转向分发渠道、记忆能力和上下文拓展。”

资本开支或受扰动

一些分析人士认为，支出指数走低可能会让消费者习惯于以更低的价格使用这些服务，从而削弱模型提供商的定价能力。

高盛表示，过去两年的股权定价建立在“更多Token等于更多收入”的假设之上，而8月的数据首次打破了这一假设。

Token调用量上涨但美元收入增速放缓的现象，将促使市场重新评估数据中心、GPU扩产等领域的回报预期。市场不能再把单纯Token使用增速等同于企业的业绩增长。依靠API Token的企业估值将承压；而拥有软件方案、行业落地、硬件配套变现等能力的企业，则相对更有优势。

市场人士认为，高额算力成本对AI商业化落地形成制约；而高质量、价格便宜的Token服务将推动各类AI应用规模化普及。

记者 周武英