Kiinan AI-hintakilpa painoi tokenien hinnan alle dollariin – mutta AI-menot kasvavat yhä

Silicon Datan LLM Token Expenditure Index, eli SDLLMTK, putosi 1. syyskuuta 2026 tasolle 0,97 dollaria miljoonalta tokenilta. Lukema on indeksin ennätys ja alle puolet alkukesän huipusta. Se ei kuitenkaan tarkoita, että AI:n kysyntä tai yritysten kokonaismenot olisivat romahtaneet. Indeksi mittaa käytöllä painotettua toteutunutta hintaa miljoonalle kielimallitokenille – ei kaikkien käytettyjen tokenien määrää eikä kaikkia AI-investointeja. 24

Token on kielimallin käsittelemä pieni tekstin tai muun datan yksikkö. Käytännössä API-laskutus ilmoitetaan usein miljoonaa tokenia kohti, ja syöte- sekä tulostetokenit hinnoitellaan erikseen.

Mitä 97 sentin indeksilukema kertoo – ja mitä ei

Silicon Data kuvaa SDLLMTK:ta yhdistelmämitaksi, jossa mallipalveluntarjoajien hinnat yhdistyvät havaittuun käyttöön määritellyssä mallijoukossa. Tuloksena on markkinan efektiivinen hinta miljoonalle tokenille. 24

Siksi indeksin lasku ei yksin kerro markkinan kokonaislaskutuksen pienentyneen. Jos yhä suurempi osa työkuormista ohjataan edullisempiin malleihin, keskihinta voi laskea samaan aikaan, kun tokenien kokonaismäärä ja AI:hin käytetty rahamäärä kasvavat. Indeksi kuvaa siis sekä hintatasoa että työkuormien jakautumista mallien välillä, ei koko markkinan liikevaihtoa.

Kiinan API-kilpailu siirsi käyttöä halvempiin malleihin

Kiinan mallitarjoajat ovat tuoneet markkinoille erittäin edullisia vaihtoehtoja tehtäviin, jotka eivät edellytä kalleinta huippumallia. DeepSeek V4-Flashin listahinta oli esimerkiksi 0,14 dollaria miljoonalta syötetokenilta ja 0,28 dollaria miljoonalta tulostetokenilta. 49

DeepSeek leikkasi V4-Pro-mallinsa hintoja toukokuussa 2026 75 prosenttia, mikä tulkittiin kilpailun kiristymiseksi kiinalaisten mallipalveluntarjoajien välillä. 58 Myös muut hinnanalennukset ja edulliset tarjoukset Kiinan AI-ekosysteemissä lisäsivät painetta palveluntarjoajille, jotka kilpailevat suurivolyymisestä inferenssistä eli mallien tuotantokäytöstä. 452

Näyttö tukee vahvaa yhteyttä kilpailutilanteen ja käytöllä painotettujen tokenihintojen laskun välillä. Se ei silti erottele tarkasti, kuinka suuri osuus muutoksesta johtuu yhdestä laboratoriosta, mallista tai hinnanalennuksesta. Myös mallien tehokkuus, laskentakapasiteetin kasvu ja asiakkaiden omat mallinvalintapäätökset vaikuttavat indeksiin.

Miksi halvempi token voi kasvattaa AI-budjettia

Ilmiö selittyy yksinkertaisella kaavalla:

tokenimeno = efektiivinen tokenihinta × tokenien määrä

Kun yksikköhinta laskee, useampi käyttötapaus muuttuu taloudellisesti järkeväksi. Yritys voi automatisoida enemmän prosesseja, käyttää pidempiä kehotteita ja asiayhteyksiä, generoida enemmän ohjelmakoodia tai ajaa useampia AI-agentteja. Jos tokenimäärä kasvaa hintaa nopeammin, kokonaismenot kasvavat.

Tämä sopii yhteen havaintojen kanssa, joiden mukaan tokenin hinta on laskenut yli 90 prosenttia vuodesta 2023, mutta kielimallien käyttöön liittyvät menot ovat suunnilleen kaksinkertaistuneet vuoden 2025 lopusta lähtien. 4143 Hinnanalennukset eivät siis välttämättä epäonnistu kulujen alentamisessa yksikkötasolla – ne laajentavat niiden tehtävien joukkoa, jotka kannattaa automatisoida.

Kiinan tokenimäärät kuvaavat kysynnän mittakaavaa

Reutersin siteeraamien hallinnon ennusteiden mukaan Kiinan päivittäinen AI-tokenien kulutus ylitti 140 biljoonaa maaliskuussa 2026. Vuoden 2025 lopussa vastaava luku oli 100 biljoonaa. 18

Myös yritys- ja pankkisektorin tiedot viittaavat samaan suuntaan. China Merchants Bank kertoi keskimääräisen päivittäisen tokeniläpivirtauksensa kasvaneen yli 78 prosenttia vuodentakaisesta. Erillisen raportoinnin mukaan pankin päivittäinen kulutus oli toukokuun lopussa noin 33 miljardia tokenia. 1929 Joidenkin kiinalaispankkien keskimääräisen päivittäisen tokenikäytön raportoitiin kasvaneen vielä selvästi tätä enemmän. 20

Luvut eivät mittaa suoraan API-liikevaihtoa eivätkä todista, että jokainen AI-työkuorma tuottaisi taloudellista hyötyä. Ne kuitenkin osoittavat, että edullisempaa inferenssiä muunnetaan hyvin suureksi käyttömääräksi.

Mallitarjoajille syntyy kannattavuuspaine

AI:n ostajille laskevat inferenssihinnat ovat myönteinen asia. Mallitoimittajille asetelma on vaikeampi: tokenikohtainen liikevaihto voi pienentyä samalla, kun siruihin, datakeskuksiin, mallien kouluttamiseen ja tuotekehitykseen kuluu edelleen paljon pääomaa.

Keskeinen kysymys ei enää ole, käyttävätkö asiakkaat halpoja tokeneita. Näyttö viittaa siihen, että käyttävät. Ratkaisevaa on, pystyvätkö suuremmat volyymit, premium-mallit ja yritystuotteet tuottamaan kestävää liikevaihtoa sekä mitattavia tuottavuushyötyjä riittävän nopeasti jatkuvien infrastruktuuri-investointien tueksi. Indeksin laskua käsittelevä raportointi on nostanut esiin juuri tämän riskin mallitarjoajien hinnoitteluvoimalle. 436

Mitä kannattaa seurata seuraavaksi

Yksittäisen mallin listahinta ei kerro kokonaiskuvaa. Olennaisempia mittareita ovat:

• Käytöllä painotetut tokenihinnat, kuten SDLLMTK, jotka kertovat, mihin malleihin ostajat todellisuudessa ohjaavat työkuormia. 2
• Tokenivolyymit, joista näkyy, laajentaako hintojen lasku kysyntää.
• Liikevaihto ja katteet, jotka kertovat, muuttuuko kasvava käyttö kannattavaksi liiketoiminnaksi.
• Työkuormien laatu ja tuottavuusvaikutukset, sillä suuri tokenimäärä ei yksin todista liiketoiminta-arvoa.

Ydinviesti on selvä: Kiinan edullisten API-palvelujen kilpailu on auttanut painamaan kielimallien inferenssin käytöllä painotetun markkinahinnan alle dollariin miljoonalta tokenilta. Halvempi hinta kuitenkin kannustaa käyttämään malleja enemmän, joten tokenien kulutus ja AI:n kokonaismenot voivat nousta samanaikaisesti. 2441