52%降价反点燃算力

Token越便宜，算力反而可能越贵。Silicon Data的LLM Token支出价格指数自2026年5月峰值已下跌超过52%，但Citadel Securities汇总的Ornn数据却显示，H100租赁价格在6月同步下行后重新回升。价格与算力的背离，是AI版“杰文斯悖论”开始显影：一种资源使用效率提高、单价下降后，社会用量可能增长得更快，最终推高总需求。

这不是一句“便宜所以多买”的口号。Token是模型处理文字、图片或代码时使用的计量单位，推理价格下降后，企业会把原来舍不得运行的任务交给模型；智能体还会反复调用工具、检查结果并重试，同一个问题因此消耗更多Token。Citadel引用的Ramp企业支出数据提供了数量端线索：2026年7月，AI使用最积极的前1%企业，人均AI支出环比增长49%；前10%增长25%，中位数增长9%。单价在跌，总支出仍能上升，说明最会用AI的企业正在把节省的钱重新投入更多使用。

这条传导链会穿过整个基础设施。更多推理先抬高GPU利用率，再增加高带宽内存、交换芯片和网络端口负载；当模型跨越更多服务器协同工作，光模块、光纤、电力、变压器和液冷系统也会被同时拉动。Broadcom将在10月12日至15日的OCP峰会上展示面向10万颗以上加速器集群的以太网和共封装光学方案，恰好说明竞争重点正从“有没有芯片”转向“能否把海量芯片高效连起来”。

但这还不是定论。Token指数同时受模型降价和用户转向便宜模型影响，不能等同于每项工作的真实成本；H100租赁价格也会被供给、折旧、地域和新一代B200替代扰动。模型压缩、推理优化、自研芯片和新增机房若让供给增长快于用量，租金仍会回落。更重要的是，使用量增长若不能转化为可持续收入，算力需求可能只是被融资暂时托住。

因此，真正值得跟踪的不是“Token便宜了”这一条曲线，而是四组共同指标：总Token用量、GPU利用率、单位任务成本和模型公司的毛利现金流。若用量与利用率继续上升，且企业AI支出保持扩张，杰文斯悖论会继续支撑芯片、存储、网络与光通信；若价格下降只来自竞争加剧、收入却跟不上，硬件热度终会被财务约束校正。欢迎评论交流，也欢迎私信索取完整报告。本文仅作产业与市场研究，不构成投资建议。