夜雨聆风三年前，调用一次GPT-4级别的智能，每百万token要花几十美元今天，同样聪明程度的AI，价格只剩当初的零头
这场人类商业史上前所未见的技术通缩，比个人电脑便宜了15年还猛，比光纤泡沫崩得还快而在价格塌方的同时，全球最有钱的那几家公司，正以每年7500亿美元的速度，把钱灌进GPU、数据中心和电缆里
一边是智力在贬值，一边是基建在烧钱 这枚硬币的两面，终于在2026年7月被市场同时翻开
一张图炸醒了整个华尔街
金融研究账号Global Markets Investor在7月19日前后发出了一张对比图
▲ Global Markets Investor发布的AI价格崩塌对比图：蓝线为PC价格指数用了约15年缓慢下行，红线为LLM模型价格指数在约30个月内近乎贴地
图上只有三条线：个人电脑的终端用户价格，花了大约十五年才完成一轮下行周期；而大语言模型的单位智力价格，在大约三十个月内就跌穿了90% 那条代表"质量调整后价格"的黄线更夸张，它衡量的是"买到同样聪明程度要花多少钱"，几乎是自由落体
多家机构给出了相同方向的证据。a16z在2024年底就算过，达到GPT-3水平的最便宜推理路径，三年间从约60美元/百万token跌到约0.06美元，整整1000倍斯坦福AI指数报告给出另一个数字：达到GPT-3.5级表现的推理成本，两年内下降超过280倍Epoch AI的研究则显示，不同任务的年化跌幅从9倍到900倍不等，中位数约50倍
方向铁板钉钉：固定智力水平的价格，正在塌陷
钱还在疯狂往里砸
但诡异的是，没有人踩刹车。
高盛2026年5月发布的重磅报告《Tracking Trillions》给出了一组令人窒息的数字：2026年AI基础设施资本开支基准预估约7650亿美元；到2031年可攀升至约1.6万亿美元；六年累计，7.6万亿美元。
▲ 高盛报告标题：Tracking Trillions，驱动AI建设规模的那些假设
JPMorgan几乎同期给出了另一个被广泛引用的标题数字：至2030年全球AI相关CapEx累计约5.5万亿美元，其中债务融资估计约4.1万亿
听起来银行家还很乐观？别急，请注意那个小尾巴，"for now"（暂时）
这就引出了整场辩论的核心算术题，简单到初中生都能理解：
收入 = 单价 × 用量
单价跌了90%，用量至少要涨10倍，收入才能持平如果还要覆盖万亿级别的折旧、电费、债务利息和股东期望的回报？那用量倍数得更高，高得多。
债市先开枪了
如果说股票投资者还在犹豫，债券市场已经用真金白银投了票
瑞士金融从业者Thierry在7月16日发出了一条被大量转发的帖子，开头五个字掷地有声："NEVER FORGET."
▲ Thierry强调：固收交易员是"房间里最聪明的人"，他们刚开始向超大规模云厂商的AI建设收取更高的风险溢价
高盛追踪的超大规模云厂商债券篮子利差，从2月的约118个基点垂直拉升到约151个基点，创下该指数推出以来的最宽纪录债券认购倍数从约5倍骤降到2倍以下
翻译成大白话：借钱的成本更高了，愿意借给他们的人更少了
Thierry写道：股票投资者仍然把这场建设定价为“无限”债券市场已经把它定价为“借来的”。信用总是先转向，股票总是后知道。
这句话在接下来的两周里被反复验证
3.3万亿美元蒸发
7月18日，市场观察者Hedgie发出了一份冷静到让人脊背发凉的盘点：
▲ Hedgie：芯片股自6月22日以来蒸发约3.3万亿美元市值，距离熊市只差一个交易日
台积电上调资本开支至约640亿美元，财报超预期，股价照样跌了7% 这在以前是不可想象的，过去几年，市场对每一次AI开支上调都报以掌声现在？投资者的问题变了，从"你打算花多少"变成了"你打算什么时候赚回来"
高盛用了一个精妙的比喻：超大规模云厂商的AI投资与可见回报之间的差距，就像一根被越拉越紧的橡皮筋，不一定立刻断，但张力在积蓄
Hedgie还观察到："市场仍然信任卖芯片的公司（英伟达几乎横盘），开始远离的是买芯片的公司"
GPU租金：另一个正在闪烁的红灯
如果说token价格是软件层的温度计，GPU租赁价格就是硬件层的心电图
▲ H100实际成交价指数自5月峰值暴跌约30%，但挂牌价仅回落约4%，卖家还没认清现实
Ornn Compute H100价格指数追踪的是真实成交价，已从5月高点回落约30%而追踪挂牌价的Silicon Data指数只跌了约4%这个26个百分点的剪刀差，说明供给侧还在硬撑报价，但买家已经在用脚投票
与此同时，亚马逊、沃尔玛、Uber、思科等大型企业，开始对内部AI token用量设置预算上限"无限烧token"的蜜月期，结束了。
杰文斯悖论：便宜会创造更多需求吗？
但故事并没有那么简单。历史上有一个著名的反直觉现象，叫杰文斯悖论
19世纪的英国经济学家杰文斯发现：蒸汽机效率提高后，煤炭消费不降反升，因为便宜的动力解锁了更多此前不经济的用途AI会不会走同一条路？
这就引出了分层派的关键洞察：平均智力在商品化，但尖端、稳定、低延迟的智力仍然昂贵，仍然受GPU、高带宽内存和电力的物理约束某热门开源模型上线两天，日处理约1400亿token，直接把推理基础设施打崩了
利润不会均匀分配。它会向锁定算力与瓶颈供应链的环节集中
历史不会重演，但总是押韵
翻开技术史，"巨额建设+价格暴跌+应用延迟爆发"的剧本，我们已经看过好几遍了铁路、电力、光纤，每一次都是先烧钱到绝望，再在废墟上长出新世界 2000年的光纤泡沫留下了大量"黑暗光纤"，却恰恰为后来YouTube和云计算的爆发铺好了路
▲ Silicon Data的LLM Token支出指数显示，截至7月中旬，市场实际支付的混合价格约1.59美元/百万token
学术界也拒绝二元判断。arXiv上一篇今年5月的论文《Boom, Bubble, or Buildout?》明确指出：AI的不同层可以同时呈现繁荣与泡沫，半导体龙头有真实利润，而部分应用层估值可能已经透支技术革命为真，与估值过高，从来就不矛盾
主帖楼下一位普通用户的留言，或许最能代表此刻大众的直觉，
▲ "跌得太快了，明年还会再便宜30%吗？"
答案仍未揭晓。 四个变量正在同时运动：通缩速度、用量弹性、折旧周期、信用承受力它们交汇的那个点，将决定这场昂贵的技术投资最终写成铁路时代的序章，还是光纤泡沫的续集
橡皮筋还在拉。所有人都在等那声响。