财联社7月14日讯（编辑 李莹）企业高管们开始对高额的“Token支出”表示担忧。市场展现出了对价格更为低廉的非前沿模型的偏好，尤其是那些源自中国的模型。超大规模云服务商正悄悄积累起债务风险。
昔日的“AI全面看多”单一牛市论调，正遭遇前所未有的挑战。正如阿波罗全球管理公司首席经济学家Torsten Slok所言，AI回报的放缓将影响到每一个人。
高盛的分析报告提出，未来的最终获胜者，不会是那些在AI领域投入资本最多 corporations，而是每投入一美元AI资金，能够创造最多“有效产出” corporations。
市场格局的变化
高盛One-Delta（股票及线性衍生品）交易台主管Rich Privorotsky在其最新发布的市场报告里指出，市场对于AI生态系统的感知和预期已经发生了显著改变。
他在报告的总结部分提到，AI的行业图景正从“英伟达与谷歌的顶尖技术竞赛”转向“竞争激烈的多核心格局”。Meta和xAI都展示出，它们能以明显更低的价格提供性能达到顶尖水准的API服务。
虽然竞争的加剧必然会降低Token的成本，但AI算力硬件产业链上的供应商们认为，价格更低的Token将会引发需求呈指数级增长，因而让硬件供应方受益。
不过高盛的分析表明，所谓的“需求弹性”在现实中未必会实现。
现阶段，企业采纳的AI应用已相对成熟。Ramp AI指数的最新数据显示，目前企业对付费AI工具的采用率稳定在50%以上。所以，单纯通过降价或许难以迅速带动新一轮强需求。
Ramp AI指数是基于美国企业账单数据编制的，反映了企业付费AI需求的热度。
从大型模型到小型模型
尽管尖端大模型在处理复杂推理任务和解决定制化问题上仍具备重要价值。但企业的工作负载正加速迁移至那些体积更小、用途专一的模型。
这些模型专门针对特定企业任务进行优化，比如文档处理、工作流引导、合规检查以及客户服务。它们运行成本低、速度快，还能在边缘设备（如手机、车载装置、工业传感器等本地智能硬件）或普通CPU上实现本地运行。
这种转变与AI开源模型平台Hugging Face的CEO Clément Delangue的见解高度一致：随着企业AI使用规模的扩张，成本因素正推动企业经历从“租赁闭源的前沿API”到“自主开发和运行开源模型”的结构性转型。
成本下降，效率为关键
这一结构性变化对API和Token的定价产生根本性的成本下行影响。
随着本地化和开源模型变得普遍，第三方API的溢价空间被极大压缩，这直接导致超大规模云服务商面临着更大的市场审视压力——它们必须向股东和市场证明，其庞大的资本支出计划在未来能实现合理的商业回报。
此外，如果AI的推理过程变得更加去中心化且本地化，那么那些依赖集中式算力租赁的新一代AI云服务商的底层商业模式也极有可能受到根本性的结构挑战。
在AI投资周期的初期阶段，投资者的做法很简单：做空AI支出方（如资本开支巨大的巨头），做多AI现金流受益方（如芯片生产企业）。而现在，随着市场的发展，这两类交易已高度正相关，传统的对冲策略正在失去作用。
核心问题已经不再是云巨头是否会减缓投资步伐，而是股东何时会要求更高的资本效率。
高盛的Privorotsky指出，一旦云巨头在资本支出上被迫收缩，即便硬件行业受益方的业绩数据依然亮眼，其估值倍数也很难保持稳定。