在人工智能相关股票市场连续两个月上涨后，近期市场出现疲软与回调，促使业界重新审视行业底层逻辑。利率波动与估值过高虽是诱因，但更深层的矛盾在于：企业对智能代币消耗的激增是否必然转化为收入、效率与利润的提升？过去两年，行业遵循着一条清晰的增长路径：企业广泛部署人工智能技术，智能代币消耗量攀升，直接推高了模型供应商收入、云服务商算力销量以及 GPU、高带宽内存等硬件需求。只要消耗量持续扩大，市场便将其视为应用加速的信号，进而给予上游资本支出更高估值。

然而，这一逻辑链条正面临严峻挑战，模型供应商自身已开始主动讨论成本优化问题。

午方 AI 梳理发现，OpenAI 正研究进一步降低模型调用费用，以应对企业预算紧缩及来自 Anthropic 等竞争对手的压力。OpenAI 首席执行官 Sam Altman 公开承认，越来越多的企业将人工智能成本视为核心痛点，部分客户甚至在第一季度便耗尽了全年预留预算。这一现象标志着市场关注点的根本性转移：从单纯追求模型功能，转向审视成本、定价及投资回报率（ROI）。当前的核心议题已不再是“企业是否继续使用人工智能”，而是“企业是否还愿为高昂的智能代币费用无条件买单”。Uber 总裁兼首席运营官 Andrew Macdonald 在播客中直言，智能代币消耗量与实际商业价值之间尚缺乏明确关联，这一来自付费方的声音比销售方或投行更具警示意义。

Uber 的案例极具代表性，其内部对人工智能工具的投入力度极大，约 5,000 名工程师中每月使用率高达 84% 至 95%，个别工程师月费甚至达数百至 2,000 美元。

然而，当高频使用转化为运营部门的实际开支时，财务部门开始提出尖锐问题：收入是否增加？人力成本是否降低？利润率是否提升？据 Uber 首席技术官透露，公司每年用于 Claude Code 工具的预算在四个月内即被耗尽，Macdonald 形容此为“令人震惊”。这种“过度消耗智能代币”现象表明，高使用频率并不等同于高价值，对于企业而言，这往往只是一笔难以控制的云服务支出，而非带来直接收益的投资。

这种成本压力正在重塑行业定价模式。GitHub 宣布自 2026 年 6 月 1 日起，Copilot 将转为按使用量计费并引入月度固定 AI 信用额度，这意味着平台不再愿意在固定订阅费中承担无限量使用的成本。午方 AI 注意到，微软内部也出现了类似调整，其体验与设备部门已取消大部分外部 Claude Code 许可，转而优先使用自研 Copilot 工具，明确因成本原因停止购买外部类似服务。这一系列动作显示，即便是科技巨头也在重新分配人工智能成本，买家的议价能力正逐渐向上渗透至模型层。企业开始限制使用量、选择低价模型或将任务转移至开源方案，迫使供应商从“功能竞争”转向“单位成本竞争”。

数据层面的证据进一步佐证了这一趋势。2026 年 5 月，Entelligence.AI 发布的研究分析了 2,444 家企业及超 100 万份代码提交请求，结果显示每花费 1 美元购买智能代币，仅 0.18 美元用于创造实际价值，0.44 美元用于修复 AI 引发的问题，0.27 美元用于代码重写，另有 0.11 美元浪费在审核流程中。虽然该数据主要反映软件工程领域，但足以说明在企业层面，对人工智能投资回报率的评估压力已迫在眉睫。如果 AI 生成的代码导致更多错误，前期节省的时间将被后期的审核与测试成本抵消，这对大型企业构成了严重的财务与运营难题。

宏观层面，Silicon Data 发布的 LLM 智能代币支出指数在 2026 年初呈上升趋势，但在 5 月底出现回调。午方 AI 分析认为，这一指数回调并非意味着使用量减少，而是标志着行业从“计算能力竞争”转向“智能服务单位成本竞争”。企业仍需人工智能技术，但不再接受原有的定价机制。若 OpenAI 最终决定降价，将意味着模型行业正式进入价格战阶段，未来的增长动力将取决于价格下降后使用量的反弹，而非单纯的新增需求。对于云服务提供商而言，若智能代币单价下降且企业转向自建解决方案，其收入增长弹性将显著减弱，进而影响上游 GPU、高带宽内存及数据中心建设的资本支出计划。

当前证据并不支持“人工智能泡沫破裂”的观点，企业并未停止使用相关技术，而是进入了更理性的预算管理阶段。市场正在区分哪些场景能带来真实回报，哪些仅是徒增成本。未来验证的关键在于微软、亚马逊和谷歌等企业的财报数据：AI 云服务收入增长是否保持弹性？按使用量计费后的续订率与降级情况如何？若云服务提供商资本支出持续增加且芯片供应依然紧张，智能代币费用支出的减少可视为健康调整；但若收入弹性减弱且上游订单放缓，则可能预示周期性转折。人工智能技术的发展并未终结，但其定价机制与估值逻辑已发生根本性重构，从关注“使用了多少智能代币”彻底转向“这些代币带来了多少利润”。