在人工智能相關股票市場連續兩個月上漲後，近期市場出現疲軟與回調，促使業界重新審視行業底層邏輯。利率波動與估值過高雖是誘因，但更深層的矛盾在於：企業對智能代幣消耗的激增是否必然轉化爲收入、效率與利潤的提升？過去兩年，行業遵循着一條清晰的增長路徑：企業廣泛部署人工智能技術，智能代幣消耗量攀升，直接推高了模型供應商收入、雲服務商算力銷量以及 GPU、高帶寬內存等硬件需求。只要消耗量持續擴大，市場便將其視爲應用加速的信號，進而給予上游資本支出更高估值。

然而，這一邏輯鏈條正面臨嚴峻挑戰，模型供應商自身已開始主動討論成本優化問題。

午方 AI 梳理發現，OpenAI 正研究進一步降低模型調用費用，以應對企業預算緊縮及來自 Anthropic 等競爭對手的壓力。OpenAI 首席執行官 Sam Altman 公開承認，越來越多的企業將人工智能成本視爲核心痛點，部分客戶甚至在第一季度便耗盡了全年預留預算。這一現象標誌着市場關注點的根本性轉移：從單純追求模型功能，轉向審視成本、定價及投資回報率（ROI）。當前的核心議題已不再是“企業是否繼續使用人工智能”，而是“企業是否還願爲高昂的智能代幣費用無條件買單”。Uber 總裁兼首席運營官 Andrew Macdonald 在播客中直言，智能代幣消耗量與實際商業價值之間尚缺乏明確關聯，這一來自付費方的聲音比銷售方或投行更具警示意義。

Uber 的案例極具代表性，其內部對人工智能工具的投入力度極大，約 5,000 名工程師中每月使用率高達 84% 至 95%，個別工程師月費甚至達數百至 2,000 美元。

然而，當高頻使用轉化爲運營部門的實際開支時，財務部門開始提出尖銳問題：收入是否增加？人力成本是否降低？利潤率是否提升？據 Uber 首席技術官透露，公司每年用於 Claude Code 工具的預算在四個月內即被耗盡，Macdonald 形容此爲“令人震驚”。這種“過度消耗智能代幣”現象表明，高使用頻率並不等同於高價值，對於企業而言，這往往只是一筆難以控制的雲服務支出，而非帶來直接收益的投資。

這種成本壓力正在重塑行業定價模式。GitHub 宣佈自 2026 年 6 月 1 日起，Copilot 將轉爲按使用量計費並引入月度固定 AI 信用額度，這意味着平臺不再願意在固定訂閱費中承擔無限量使用的成本。午方 AI 注意到，微軟內部也出現了類似調整，其體驗與設備部門已取消大部分外部 Claude Code 許可，轉而優先使用自研 Copilot 工具，明確因成本原因停止購買外部類似服務。這一系列動作顯示，即便是科技巨頭也在重新分配人工智能成本，買家的議價能力正逐漸向上滲透至模型層。企業開始限制使用量、選擇低價模型或將任務轉移至開源方案，迫使供應商從“功能競爭”轉向“單位成本競爭”。

數據層面的證據進一步佐證了這一趨勢。2026 年 5 月，Entelligence.AI 發佈的研究分析了 2,444 家企業及超 100 萬份代碼提交請求，結果顯示每花費 1 美元購買智能代幣，僅 0.18 美元用於創造實際價值，0.44 美元用於修復 AI 引發的問題，0.27 美元用於代碼重寫，另有 0.11 美元浪費在審覈流程中。雖然該數據主要反映軟件工程領域，但足以說明在企業層面，對人工智能投資回報率的評估壓力已迫在眉睫。如果 AI 生成的代碼導致更多錯誤，前期節省的時間將被後期的審覈與測試成本抵消，這對大型企業構成了嚴重的財務與運營難題。

宏觀層面，Silicon Data 發佈的 LLM 智能代幣支出指數在 2026 年初呈上升趨勢，但在 5 月底出現回調。午方 AI 分析認爲，這一指數回調並非意味着使用量減少，而是標誌着行業從“計算能力競爭”轉向“智能服務單位成本競爭”。企業仍需人工智能技術，但不再接受原有的定價機制。若 OpenAI 最終決定降價，將意味着模型行業正式進入價格戰階段，未來的增長動力將取決於價格下降後使用量的反彈，而非單純的新增需求。對於雲服務提供商而言，若智能代幣單價下降且企業轉向自建解決方案，其收入增長彈性將顯著減弱，進而影響上游 GPU、高帶寬內存及數據中心建設的資本支出計劃。

當前證據並不支持“人工智能泡沫破裂”的觀點，企業並未停止使用相關技術，而是進入了更理性的預算管理階段。市場正在區分哪些場景能帶來真實回報，哪些僅是徒增成本。未來驗證的關鍵在於微軟、亞馬遜和谷歌等企業的財報數據：AI 雲服務收入增長是否保持彈性？按使用量計費後的續訂率與降級情況如何？若雲服務提供商資本支出持續增加且芯片供應依然緊張，智能代幣費用支出的減少可視爲健康調整；但若收入彈性減弱且上游訂單放緩，則可能預示週期性轉折。人工智能技術的發展並未終結，但其定價機制與估值邏輯已發生根本性重構，從關注“使用了多少智能代幣”徹底轉向“這些代幣帶來了多少利潤”。