夜雨聆风三十个月前，调用一次顶级AI大模型的价格，还能让企业财务部的人倒抽一口凉气到了今天，同样聪明程度的AI智力，价格已经跌掉了超过90%
这场价格塌方远超促销或季节性打折个人电脑用了15年才走完的降价曲线，大模型在不到3年里就直接砸穿了地板
而与此同时，全球最有钱的那几家科技巨头，正以每年七千亿美元的速度往AI里疯狂烧钱，到2030年累计要砸下去5.5万亿美元
AI价格自由落体之际，真金白银仍在拼命往下倒
这笔钱，还能赚回来吗？
▲ 金融博主Global Markets Investor发布的对比图：蓝线是个人电脑价格花15年才慢慢降下来，红线是大模型价格在约30个月内直接跳崖，黄线是经过"智力质量调整"后的价格，跌得更狠。
一张图让华尔街紧张
7月19日，金融研究账号Global Markets Investor在X平台上发了一条长帖，配了一张让人心跳加速的图
这张图来自高盛：一条追踪主流大模型每百万token价格的指数曲线，从2022年的起点出发，在大约30个月内俯冲超过90%旁边对比的，是个人电脑价格指数，那条线像一个老人在下楼梯，走了15年才到底而AI的价格线？像一个人从天台跳了下去。
帖文的判断是：即使需求充足，AI能力也可能在变得高度盈利之前就被“商品化”
结果可能是：东西还没来得及赚大钱，就已经变成白菜价了
这个判断有多少支撑？不少。斯坦福HAI的报告说，达到GPT-3.5水平的推理成本在两年内暴跌了280倍a16z风投合伙人提出了一个词叫**"LLMflation"，大模型通胀的反义词，指等价性能的推理成本每年降一个数量级，也就是10倍而AI研究机构Epoch的数据更吓人：不同任务上，年化降幅从9倍到900倍**不等
方向是一致的：你为同样聪明的AI付的钱，正在以人类从未见过的速度变少
芯片帝国：3.3万亿美元灰飞烟灭
价格崩塌的后果，已经写在了股票报价屏上
▲ 金融博主Hedgie概述：自6月22日以来，芯片股市值蒸发约3.3万亿美元，距离"熊市"只差一个交易日。
7月中旬，金融博主Hedgie发出一条让半导体投资者夜不能寐的帖子：自6月22日以来，芯片相关股票蒸发了约3.3万亿美元市值，部分指数已经逼近熊市边缘
最讽刺的一幕发生在台积电身上，它刚刚交出了一份创纪录的财报，还把资本开支上调到了640亿美元结果呢？股价当天跌了7%。
这在以前是不可想象的。过去几年，市场的规则很简单：谁把AI开支往上调，谁的股价就涨现在规则变了，投资者不再问"你花了多少钱"，而是开始问"你什么时候能把钱赚回来"
高盛给了一个精准的比喻：hyperscaler们的投资增速远超可见回报，这就像一根被越拉越紧的橡皮筋，不一定会立刻断，但弹力一直在积蓄
Hedgie看到了一个更深层的分裂：市场仍然信任那个卖芯片的人（英伟达），却正在抛弃那些买芯片的人（微软、亚马逊、谷歌、Meta）
债市已经闻到了血腥味
如果说股市是一个反应迟钝的乐观主义者，那债市就是那个最先听到冰层开裂声音的人
▲ hyperscaler信用利差已走阔至约153.5个基点，为高盛推出该追踪篮子以来的最高水平。与此同时，债券认购倍数从5倍暴跌至不到2倍。
高盛追踪的hyperscaler债券篮子显示：这些科技巨头的信用利差，也就是投资者借钱给它们时额外要求的风险补偿，已经从2月的约118个基点，飙升到了153.5个基点，创下该篮子有史以来的最宽纪录
与此同时，新发行债券的认购倍数从约5倍暴跌到了不足2倍什么意思？以前这些公司发债，投资者排着队抢，现在队伍散了大半
可在同一时期，这些公司的股票还涨了约3%
这就是经典的"股债背离"信号，固收交易员圈子里流传一句老话："信用总是先转向，股票总是后知道"
而更让人紧张的算术是这样的：5.5万亿美元的AI建设计划中，大约一半需要通过投资级债券市场来融资债市每年要额外吞下相当于近年平均资金流入总量的新增发行量如果美联储加息或信用需求转弱，这根管道的容错空间几乎为零
但另一面：算力正在被抢疯
故事讲到这里，你可能以为AI马上要崩了且慢。
风险投资人Deedy在同一天发了一篇长文，讲了一个截然不同的故事
▲ Deedy的长帖指出：某热门开源模型上线两天就进入全球前十，日处理约1400亿token，但它的基础设施正在被打崩。
他举了一个鲜活的例子：某款新发布的前沿开源模型上线仅两天，就在路由平台上冲到全球第10，日处理约1400亿token但代价是什么？吞吐量从30 token/秒暴跌到13 token/秒，首字响应时间飙到20秒以上，端到端延迟高达72秒用人话说：模型太火了，服务器扛不住了
Deedy算了一笔账：光是买8块B300来跑这个模型的量化版本，最低要50万美元；要用上推荐的GB300 NVL72整柜方案，得花400万美元而GPU提供商现在的合同条件已经卷到"3到5年长约、30%预付"，客户照样抢着签
他还指出了一个关键区分：虽然平均模型价格确实在暴跌，但前沿模型的标价三年来只波动了约4到5倍GPT-4发布时60美元/百万token，到最新的顶级模型仍在15-75美元区间目前大幅降价集中在“够用的智力”，顶级智力的价格仍然坚挺
只要前沿智能的需求持续增长、模型性能持续提升，哪怕前沿价格小幅下降，锁定了算力的人仍然能赚到大钱
杰文斯悖论：越便宜，反而花得越多？
这就引出了整场辩论的核心经济学问题
19世纪，经济学家威廉·杰文斯发现了一件反直觉的事：蒸汽机效率提高了，每吨煤能做更多的功，结果煤的总消耗量反而暴涨因为煤变便宜后，无数原本用不起蒸汽机的工厂和矿井开始用了
AI会重演杰文斯悖论吗？微软CEO纳德拉公开赌的就是这个方向：智力越便宜，用的人就越多，总账单反而更大
行业里的简单算术是：收入 = 单价 × 用量。单价掉90%，用量至少要涨10倍才能持平如果还要覆盖新增的折旧、电力、利息和股东回报？用量要涨得更猛。
但2026年夏天出现了一个警示信号：亚马逊、沃尔玛、Uber、思科等大企业，开始给内部AI token用量设上限了 因为账单失控。
这说明至少在短期内，组织的预算制度正在对抗杰文斯效应便宜不等于会无限用，在一个季度内尤其如此
历史会重演吗？
每一轮技术革命，都经历过同样的剧本：狂热建设 → 价格崩塌 → 痛苦出清 → 幸存者通吃
铁路、电力和2000年的光纤都经历过这个过程当年铺下的"暗光纤"闲置了多年，却在十年后成了YouTube和Netflix的高速公路
学术界的最新诊断也拒绝给出非黑即白的答案2026年5月的一篇arXiv论文**《Boom, Bubble, or Buildout?》认为AI产业呈现分层状态**：半导体龙头有真实利润，应用层可能有泡沫估值，基础模型公司则夹在中间，同时面对“收入高速增长”和“商品化压缩利润”的双重夹击
技术是真的，不代表估值也是对的。 这两件事可以同时成立。
四个变量同时在动
站在2026年7月，AI产业正处于一个四变量同时运动的罕见阶段：
单位智力的价格仍在自由落体，token消耗快速增长又遭遇预算天花板数万亿美元硬件投资的经济寿命可能比预期更短：高盛测算，折旧周期从7年压到3年，累计折旧差额高达1.7万亿美元债市也已经开始要价，融资管道的余量所剩无几
没有人知道这根橡皮筋什么时候会断，它也可能被更大的需求浪潮接住
有一件事可以确定：旺盛需求依旧无法消除AI投资的最大风险
AI迭代得太快，钱还没赚回来，下一代更便宜的模型就已经上线了