今天市场终于迎来了一次集体大涨。
三大指数集体走强，大盘突破4150点，个股也是涨多跌少。
相比最近一路活跃的AI硬科技，今天更有存在感的，反而是化工、券商、保险等一批熟悉的“老登股”。
更难得的是，成交量也跟上了，全天成交额超3.7万亿元，市场活跃度依然很高。
大A好像就这样，又默默地完成了新一轮对海外宏观扰动的脱敏。
与此同时，市场关注的重点也逐渐从单纯追逐最热门的叙事，转向重新衡量不同资产的性价比和兑现能力。
最近，AI内部其实也出现了类似的变化。
过去，大家更关心那些最供不应求的稀缺环节。但现在，一个更加现实的问题开始摆到台面上：使用这些AI大模型，究竟值得付出多少成本？
近期不断升温的Token降价预期，就是这种变化的缩影。
这次，我们就从企业客户、大模型厂商和基础设施供应链三个视角，聊聊这背后的AI叙事变化。
企业开始给Token算账了
先来看企业客户这一端。
最近，Uber、Meta和亚马逊等公司，都开始对员工大量使用AI的趋势轻踩刹车。
这背后最核心的考虑，就是成本。
之前很多互联网公司都在鼓励员工多使用AI、多调用模型，甚至一度将Token消耗量作为考核指标。
但随着足够好用的AI大模型真正进入日常工作，企业逐渐发现，Token消耗量的快速增长有些超乎预期。
以Uber为例，公司在约4个月内就耗尽了原定的全年AI编程预算，随后为员工使用Claude Code、Cursor等智能编程工具设置额度：每名员工使用每一款工具的月度上限为1500美元。
Meta也开始建立Token预算和支出监控机制；亚马逊高管更是公开提醒员工，不要为了使用AI而使用AI。
所以能明显感受到，这些企业客户正在对Token的投入产出比提出更高的要求。
企业数据平台Entelligence.AI汇总2444家企业的数据后发现，每投入1美元的AI Token费用，仅有18美分转化为实际产出，其余则消耗在修复Bug、返工和审查摩擦等环节。
这就延伸出了一个问题：究竟什么样的工作，值得使用最先进的AI大模型？
最近，我们听了一位私募投资人的小范围交流。他在分享中指出，AI是由技术驱动的，而不是性价比驱动。
在他看来，一个人付费使用最新的AI大模型，实际上是在花钱调用“顶尖大脑”的能力。
如果从这个角度理解，一些低价值的工作，其实完全不需要动用这样的能力。
这样看来，企业这轮Token管控其实是在做一次更加准确的匹配，将企业的真实产出需求与AI模型的能力和成本进行对齐。
这或许也是未来大模型厂商需要着重发力的点。对企业来说，AI模型和智能体AI在各项测试中的能力有多强，或许不如它们能否高效、准确地满足企业需求更重要。
大模型厂商“被迫降价”？
但就在企业客户开始控制Token预算的同时，大模型厂商这边，却打起了“价格战”。
需要先说明的是，AI的收费模式其实已经经历了比较明显的变化：从月包、年包订阅，逐渐转向按Token付费。
前面提到，下游企业开始感到成本失控，背后一个重要原因，就是AI转向按Token付费后，使用成本随调用量快速攀升。
站在大模型厂商的角度，降价主要来自竞争压力。
比如，OpenAI这次考虑降价，很大程度上就是受到Anthropic竞争压力的推动。
尤其是两家公司目前都在准备上市，在业务和融资等多个层面的直接竞争下，OpenAI考虑采取以价换量的路径。
这对OpenAI来说，算不上一个轻松的选择。毕竟目前大模型公司的利润空间本就有限，而市场份额还有多少提升空间，也并不明朗。
但从另一个角度看，这或许也是AI商业化落地过程中不可避免的一个阶段。
正如前面提到的，并不是所有工作都需要调用最顶尖的“大脑”，这意味着模型完全可以分级使用。
这一点现在已经有所体现。比如，用户在使用AI Agent时，已经可以根据不同任务选择调用不同的AI模型，本质上就是同样的思路。
对于预算充足、任务价值较高的大型企业来说，对前沿AI大模型的需求并不会减少；而对于大多数企业来说，在完成简单任务时，能力相对基础、价格更低的模型或许就已经足够。
最重要的是，只要Token的使用能够创造价值，那么现阶段定价和收费模式的调整，更多只是在寻找一个供需双方都能接受的答案。
从侧面看，这其实也是在验证AI商业化的真实价值。
另外，小摩对单位Token价格下降也持相对乐观的判断。
他们认为，随着智能体AI的普及，每个任务消耗的Token数量将成倍增长，因此即使单位价格下降，也未必会影响营收扩张，降价更像是发展过程中的一道“减速带”。
所以，如果仅仅因为Token降价，就开始担心AI泡沫化，可能也没太大必要。
AI供应链开始寻找真正的护城河
再往下看，Token价格的变化，也会影响大模型背后的整条基础设施供应链。
从AI服务器及其细分环节，到电力、电网等能源供应，最近几年的AI投资逻辑，很大程度上都建立在算力需求持续扩张的基础上。
对这些基础设施环节来说，真正重要的并不是单位Token价格是否下降，而是降价之后，Token的整体使用量能否继续增长，以及这种增长能否进一步转化为云厂商的资本开支。
不过，市场对AI供应链的挖掘方向，似乎也在发生一些变化。
此前，大家更关注哪些环节供给跟不上、哪里存在短期缺口。光模块、算力芯片、存储芯片等方向的上涨，都与供不应求有关。
但随着市场对AI产业链的理解越来越深入，资金也开始从显性的供需缺口，进一步寻找那些在材料、技术和生产工艺上具有长期壁垒的企业。
在这个背景下，不少传统制造业公司悄然一变，成为了AI浪潮下“卖铲子”的一员。
比如，最近受到关注的日本TOTO（东陶），就是一个比较典型的例子。
很多人对TOTO的印象仍然是一家卫浴公司，但它同时还拥有面向半导体行业的先进陶瓷业务，其主要产品之一是静电吸盘，能够在蚀刻等制造过程中固定硅晶圆，并精确控制晶圆表面温度。
不过，TOTO并不是最近才进入这一领域的新玩家。
实际上，TOTO早在1976年就开始研究精细陶瓷，1982年启动静电吸盘开发，并于1988年实现量产。
虽然早期的研发并非一帆风顺，开裂和良率问题一度让项目接近停滞，但TOTO此后持续深耕，并逐渐与半导体设备厂商建立起长期合作关系。
随着AI数据中心带动NAND需求增长，以及3D NAND向更多层数演进，低温刻蚀对静电吸盘的材料稳定性和温度控制能力提出了更高要求，TOTO多年积累的陶瓷材料与精密加工能力也因此被市场重新认识。
截至2026年3月的财年，TOTO先进陶瓷业务已经贡献了集团超过一半的营业利润，营业利润率接近43%，超过卫浴业务成为公司最大的利润来源。
类似的情况，也出现在生产ABF绝缘膜的味之素，以及生产半导体清洗剂的花王身上。
相比单纯扩充产能，这些企业在底层材料和精密加工工艺上，经过长年累月积累形成的技术优势，并不是竞争对手短期投入资金就能快速复制的。
这或许意味着，如果Token价格下降，AI商业化进入更加精细的核算阶段，基础设施供应链同样会进一步分化。
未来真正能够持续受益的，可能不再只是那些短期供给紧张的环节，而是即使行业扩大产能、竞争逐渐加剧，依然能够凭借技术和工艺壁垒保持市场份额与盈利能力的公司。
把这几个视角放在一起看，如果Token真的降价，也并不意味着AI叙事会就此退潮，反而说明整个行业正在进入一个更加真实的商业化阶段。
企业客户开始计算投入产出，大模型厂商开始争夺更有价值的调用量，基础设施供应链也从寻找短期缺口，转向重新审视真正难以复制的技术能力。
接下来，AI投资可能不再只是看需求增长得有多快，还要看这些增长最终沉淀在哪些环节，以及哪些公司真正拥有持续的定价权。
前插行
后插行
凡注明“聪明投资者”的作品，版权均属聪明投资者。未经授权严禁转载、摘编或利用其它方式使用，违者必究。所有文章旨在记录和传递信息，不代表“聪明投资者”赞同或反对其观点。
