AI 下行趋势中的另一条线：OpenAI 被迫降价

簡而言之：一位 Uber 高層公開表示，代幣消費與實際產品改進之間的聯繫「目前尚不存在」；OpenAI 也承認，企業級 AI 的成本正日益成為一個現實問題。 AI 需求並未消失，但企業正在從試用轉向投資回報率 (ROI) 審計，模型供應商正在討論降價，雲端、GPU 和資料中心的成長彈性需要重新驗證。相關股票代號：NVDA、MSFT、AMZN、GOOG、MU、AVGO、AMD、TSM、ARM、ORCL。在 AI 股票市場連續兩個月成長後，近期出現疲軟回調，促使市場公開尋求原因。利率、估值過高和獲利波動都可能解釋此次回調，但市場現在正在審視一個更根本的假設：企業增加代幣消費是否必然帶來更高的收入、效率和利潤？過去兩年，AI 交易一直保持著順暢的態勢。企業廣泛應用人工智慧，Token（用於衡量模型處理文字的單位）消耗量上升，模型供應商收入成長，雲端服務供應商出售更多運算能力，GPU、HBM（高頻寬記憶體）、伺服器、資料中心和電力需求持續擴大。只要Token的使用量持續成長，市場就會將其解讀為人工智慧應用加速發展，並給予上游硬體和資本支出更高的估值。然而，最近的一個變化是，就連模型供應商本身也開始討論成本問題。根據《華爾街日報》報道，OpenAI正在研究進一步降低模型調用價格，以應對企業預算壓力以及來自Anthropic等競爭對手的挑戰。同時，OpenAI執行長Sam Altman最近公開表示，越來越多的企業開始將人工智慧成本視為一個重要議題，有些客戶甚至在第一季就用完了原計畫的年度人工智慧預算。雖然這本身可能不足以改變產業格局，但它發出了一個值得注意的訊號：市場不再只是討論模型功能，而是開始關注成本、定價和投資報酬率。現在的問題不是“企業是否還會使用人工智慧”，而是“企業是否願意繼續無條件地為高價代幣買單”。Uber總裁兼營運長Andrew Macdonald在一次播客節目中表示，代幣消費成長與「實用消費者功能」之間的聯繫目前尚不存在。這項說法來自支付方，而非出售方、投資銀行或模式創業公司。如果說市場先前普遍認為“使用量是成功的關鍵”，那麼我們現在正進入第二階段：代幣最終能否轉化為收入成長、勞動成本降低或利潤率提升。一旦財務部門系統性地提出這個問題，人工智慧產業的估值敘事將從「無限需求」轉向「回報驗證」。 Uber的高採用率暴露了預算壓力。 Uber的案例值得研究，並非因為它缺乏人工智慧知識或使用人工智慧的意願。恰恰相反，Uber內部對人工智慧編碼工具的採用率非常高。根據多家媒體報道，在約5,000名工程師中，每月採用率一度達到84%至95%，每位工程師每月的帳單金額從幾百美元到2,000美元不等。問題就出在這裡。當採用率夠高時，帳單就不再是創新部門的小額實驗成本，而是需要營運層做出解釋的實實在在的成本。據該公司首席技術長透露，Uber的年度Claude Code預算在短短四個月內就用完了。麥克唐納稱這「令人震驚」。在公司內部，人工智慧工具最初往往以「提高效率」為幌子進入預算。工程師編碼速度更快，客服回覆更迅速，營運團隊撰寫報告也更快——這些都是顯而易見的改進。然而，隨著使用規模的擴大，財務部門將面臨幾個更棘手的問題：收入是否有所成長？實際的人力成本是否有所下降？利潤率是否有所提高？麥克唐納提到的「代幣最大化」現像也表明，高使用率可能與高價值脫節。 「代幣最大化」指的是團隊或個人消耗大量代幣以最大化人工智慧工具的使用。雖然使用數據看起來不錯，但這並不一定意味著更好的產品成果。對於人工智慧服務提供者而言，這意味著收入；而對於公司而言，這可能只是另一筆失控的雲端帳單。優步發出的訊號遠不止「人工智慧工具太貴」這麼簡單。這並非意味著人工智慧毫無用處，而是說當人工智慧從實驗預算過渡到營運預算時，企業需要證明每一美元的代幣支出都能帶來可衡量的業務成果。高採用率不再自動等同於成功；相反，它們會迅速暴露成本結構。成本壓力開始波及整個價值鏈。企業買家開始重新評估，平台也正在調整其收費結構。 GitHub 宣布，從 2026 年 6 月 1 日起，Copilot 將過渡到基於使用量的計費模式，並推出每月 AI 積分。對於輕度使用者而言，這可能僅僅意味著計費結構的改變；然而，對於經常使用 AI 輔助編碼功能的開發者來說，一些重度使用者反映，每次會話的成本可能高達數十美元，這引發了社群的熱烈討論。意義在於，平台不再願意在固定訂閱費中完全承擔無限代幣使用的成本。過去，用戶支付月費，平台承擔底層模型呼叫的成本。現在，隨著…隨著人工智慧輔助呼叫數量、上下文長度和多輪任務的增加，成本壓力開始顯現。用得越多，付得越多——這修正了「無限人工智慧」的說法。更值得注意的是，這種壓力現在已經從應用層轉移到了模型層。過去兩年，大型模型產業的主流觀點一直是降低成本、提高效率和擴展規模。然而，隨著企業採購部門開始審核投資報酬率，模型提供者也面臨新的挑戰：如果客戶不願意繼續為高價代幣付費，如何維持成長？ OpenAI 最近的一個訊號非常典型。一方面，Sam Altman 承認企業預算面臨壓力；另一方面，市場報告指出 OpenAI 正在進一步降低其研究定價。這表明，該行業的關注點正在從「模型能力是否領先」轉向「智慧的單位成本是否足夠低」。對於企業客戶而言，最關鍵的問題不再是哪個型號功能最強大，而是哪個型號能在相同的預算下帶來更多業務成果。微軟內部也出現了類似的削減Claude Code授權的情況。根據The Verge、Axios、TechRadar等媒體報道，微軟體驗與設備部門已取消了大部分內部Claude Code授權，轉而使用其專有的Copilot工具。具體規模和原因尚待進一步披露，目前無法直接說明，因為微軟已確認因成本原因削減了外部工具的採購。然而，此舉至少表明，即使是大型科技公司也在重新分配外部模型呼叫成本。這對人工智慧產業鏈的影響並非在於特定工具的收入減少了多少，而是採購紀律開始自上而下地滲透。企業可以採取多種措施，例如限製配額、選擇更便宜的模型、將部分任務轉移到開源或內部解決方案、向供應商索取折扣等等。模型提供者和應用層公司仍然會有需求，但定價權不再僅僅取決於“模型是否優越”，還取決於“客戶是否能夠證明成本的合理性”。雲端服務提供者也將受到影響。過去，雲端收入中人工智慧部分的發展前景十分明朗：模型訓練、推理和企業應用都需要運算能力，而代幣使用量越高，雲端需求就越穩定。然而，如果企業開始降低單位代幣成本，或將高頻低價值的任務轉移到成本較低的推理路徑上，雲端供應商的收入彈性可能低於市場先前的預期。高使用量需證明高價值。企業此時開始進行審計是有原因的——人工智慧的使用量已經足夠大，低效率的部分不再容易被忽視。 Entelligence.AI 在 2026 年 5 月發布的一項研究分析了 2444 家機構和超過 100 萬個 Pull Request。根據他們的計算，每 1 美元的人工智慧代幣成本，只有 0.18 美元產生了實際的用戶價值，0.44 美元用於修復人工智慧引入的錯誤，0.27 美元用於返工，0.11 美元用於審核摩擦。這些數據不能作為業界普遍結論。它來自供應商的專有研究頁面，主要反映軟體工程場景，並非獨立審計或學術論文。然而，這足以說明一個問題：企業方面確實面臨投資報酬率 (ROI) 審計的壓力，尤其是在人工智慧產生的內容仍需手動審核、修正和整合的情況下。人工智慧工具最容易展現的是產生速度，但企業真正付費的是最終交付的成果。如果人工智慧產生的程式碼引入了更多錯誤，導致後續需要更多的審核、返工和測試，那麼前端節省的時間最終會在後端重新出現。對於個人使用者而言，這可能只是一個體驗問題；但對於大型企業而言，這會演變成財務和組織方面的挑戰。這也解釋了為什麼代幣使用量的成長不再能簡單地等同於人工智慧的成功。代幣是收入計費和成本計量的單位。對於模型供應商而言，更多的代幣意味著更多的收入；而對於企業而言，只有當當代幣能夠帶來更多收入、更低的成本或更高的利潤率時，它才值得持續增加預算。如果說市場之前將代幣成長視為硬體需求的領先指標，那麼現在它還需要加上另一半：代幣價值轉換率。只有當代幣消費能夠持續轉化為實際業務成果時，雲端服務供應商的AI收入、GPU訂單、HBM擴容以及資料中心建置才能獲得更穩固的端到端支援。支付意願將沿著產業鏈向上蔓延。宏觀策略師Andreas Steno Larsen近期指出，Silicon Data相關的LLM代幣支出指數是目前市場值得關注的指標之一。據報道，該指數追蹤企業每百萬個代幣的支出或價格水平，該指數在2026年初呈現明顯的上升趨勢，但在5月底左右出現回調跡象。需要注意的是，Silicon Data的官方網站更像是產品介紹頁面，並未充分揭露指數的計算方法和完整的歷史資料。因此，不能將其視為最終結論，但可以作為觀察企業支付意願變化的一個參考訊號。代幣支出指數的回落並不等於AI使用量的下降。事實上，當前市場更像是見證了人工智慧產業從「運算能力競爭」轉向「單位智慧成本競爭」的轉變。企業仍需要人工智慧，但可能不願意繼續按照先前的定價體系購買人工智慧產品。如果 OpenAI 最終啟動新一輪價格調整，這意味著在企業預算壓力緩解的同時，模型產業將正式進入價格競爭階段。屆時，市場需要重新評估：未來的成長將來自新增需求，還是來自降價後用戶數的成長？人工智慧需求或許仍會成長，但成長的收益效率和上游成本傳導彈性可能會改變。不同領域受到的影響也不盡相同。應用層和模型層將率先面臨價格壓力：企業會要求更清晰的投資報酬率，減少低價值調用，或在不同模型之間轉移成本。雲端服務供應商則面臨收入彈性問題：在用戶數量不變的情況下，如果單價下降，快取和批次需求增加，以及自建解決方案增多，雲端人工智慧的收入成長可能不如代幣總量成長那麼顯著。再往上游，GPU、HBM、進階封裝、伺服器和資料中心建置等交易屬於未來的資本支出。如果企業支付紀律使得模型提供者和雲端服務提供者對未來收入更加謹慎，那麼硬體訂單和資料中心建置的步伐將會被重新評估。 Larsen的警告並非暗示硬體需求會立即消失，而是指出如果代幣價格持續走弱，市場將開始質疑本輪人工智慧基礎設施投資週期的成長趨勢。人工智慧股票回檔與代幣結算審計之間並非簡單的因果關係。不能說晶片股下跌是因為Uber超支，但它們確實存在關聯：當估值已經反映出長期高成長預期時，任何關於終端用戶支付意願和投資回報率的訊號都會被放大，從而引發對上游資本支出的重新評估。接下來，分析財報中的所得彈性和訂單節奏。目前的證據並不支持「人工智慧泡沫破裂」的觀點。企業並未停止使用人工智慧，開發者也不會回到Copilot、Claude或其他智慧代理工具出現之前的時代。更合理的評估是，人工智慧的應用正從早期的熱情轉向預算控制，市場開始區分哪些用例能帶來回報，哪些用例只是在製造帳單。未來最重要的驗證並非尋找另一家聲稱人工智慧成本過高的公司，而是觀察雲端服務供應商和軟體公司財務報告中措辭的變化。微軟、亞馬遜和谷歌的人工智慧雲端營收成長率能否持續保持高彈性？在Copilot和Claude Code等企業級工具採用按使用量計費模式後，續訂、降級和投訴情況會發生怎樣的變化？這些因素比單日股價波動更能反映買方自律的系統性加強。在硬體方面，關注GPU、HBM和資料中心訂單減少的跡象至關重要。只要雲端服務提供者的資本支出持續成長，且先進晶片訂單保持緊張，代幣支付意願的下降就更像是一種健康的調整。如果雲端人工智慧收入彈性減弱，而上游訂單和資料中心建設速度開始放緩，市場就會將其視為更深層的周期性拐點。人工智慧交易尚未結束，但其定價語言正在改變。此前，市場關注的是「使用了多少代幣？」。現在，問題變成了「這些代幣最終帶來了多少利潤？」。這一差異將決定未來人工智慧產業鏈估值差異化的方向。歡迎加入BlockBeats官方社群：Telegram訂閱群組：https://t.me/theblockbeats Telegram討論群組：https://t.me/BlockBeats_App 官方Twitter帳號：https://twitter.com/BlockBeatsAsia [BlockBeats]