לפי דיווחים על הערת גולדמן, מדד מחירי השימוש במודלי שפה גדולים של Silicon Data ירד ל 0.97 דולר למיליון טוקנים, לאחר ירידה של 29% באוגוסט. הסיכון אינו ודאי: מחקר גולדמן זאקס צופה שסוכני AI עשויים להגדיל פי 24 את צריכת הטוקנים החודשית עד 2030 — אך שימוש זה צריך להפוך לעומסי עבודה קבועים ומכניסים.
פורסם על ידינערך באמצעות GPT-5.6 Terraהתמונות נוצרו באמצעות GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How is Goldman Sachs’ warning that rapidly falling LLM token prices—down to about $0.97–$0.98 per million tokens after a 29% August decline. Article summary: Goldman’s warning implies a more selective, riskier outlook for AI-infrastructure investors: compute demand can grow sharply while the revenue earned per unit of compute falls even faster. If that happens, utilization, p. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
הסקת מסקנות של בינה מלאכותית (inference) נעשית זולה במהירות. זה עשוי להנגיש מודלים ליותר מפתחים ועסקים וליצור שימושים חדשים — אבל גם לסבך את תזת ההשקעה בשבבים, בקיבולת ענן ובמרכזי הנתונים שנבנים כדי לשרת אותם.
לב האזהרה של גולדמן זאקס הוא פער אפשרי בין קצב ההשקעה לקצב ההכנסה: תשתית נבנית שנים מראש, בעוד שהמחיר שאפשר לגבות עבור יחידת שימוש במודל עלול לרדת במהירות. מדד הוצאות הטוקנים של מודלי שפה גדולים (LLM) של Silicon Data הגיע לאחרונה ל-0.97 דולר למיליון טוקנים, אחרי ירידה של 29% באוגוסט, לפי דיווחים על הערת גולדמן. מדד נפרד למחירי מודלי חזית הצביע על מחיר הנמוך ב-84% מרמת הבסיס של מרץ 2023. 2
4
5
אם הגידול בשימוש לא יקזז את הירידה במחיר, עלולה להיווצר קיבולת מחשוב יקרה מדי המתחרה על עומסי inference שמניבים פחות הכנסה. ההשלכות עשויות להורגש לאורך כל שרשרת תשתיות ה-AI.
מחיר טוקן נמוך יותר אינו בהכרח סימן שלילי. הוזלת השימוש יכולה להפוך AI למעשי עבור יותר יישומים, לעודד ניסויים ולהגדיל את הצריכה הכוללת. האתגר של הספקים הוא אחר: האם נפח הטוקנים בתשלום — יחד עם שיפור ביעילות התפעולית — יגדל מהר יותר מהירידה בהכנסה לכל טוקן.
לפי הדיווחים, החשש של גולדמן הוא שתמחור תחרותי של מודלים יקשה לשמר הכנסה לכל טוקן, ובסופו של דבר יותיר בענף עודף תשתית אם צריכת המחשוב לא תגדל בקצב מספיק. 1
2
ההבחנה הזו חשובה:
הפער האפשרי הזה מתרחש במקביל לתנופת בנייה עצומה. תרחיש הבסיס של גולדמן זאקס מעריך השקעות הון של כ-7.6 טריליון דולר ב-AI, במחשוב, במרכזי נתונים ובחשמל בין 2026 ל-2031. המודל מצביע על עלייה בהוצאה השנתית מכ-765 מיליארד דולר ב-2026 לכ-1.6 טריליון דולר ב-2031; בגולדמן מדגישים שמדובר באומדנים הרגישים להנחות, ולא בוודאות. 9
לכן מגמת מחירי הטוקנים חשובה לא רק לחברות המודלים. חלק גדול מההשקעות הצפויות מופנה לנכסים ארוכי חיים: מאיצים, שרתים, רשתות, מבנים ותשתיות חשמל. אלה זקוקים לעומסי עבודה מתמשכים ולתשואה סבירה לאורך זמן.
עבור ספקי מוליכים למחצה, האטה הנובעת מלחצי מחיר לא חייבת להיראות מיד כקריסה בביקוש. לקוחות עשויים להמשיך לבנות קיבולת כדי להשיק מוצרי AI או להבטיח אספקה.
הסיכון מתגבר כאשר הקיבולת שנפרסה עולה על הביקוש הרווחי. במצב כזה לקוחות עלולים להאט רכישת מאיצים ושרתים, להיות רגישים יותר למחיר או לדרוש ביצועים גבוהים יותר לכל דולר. חברות בעלות חומרה מובחנת, אקוסיסטם תוכנה חזק או פתרונות inference יעילים עשויות להיות מוגנות יותר מספקים של קיבולת דומה יחסית.
השאלה המעשית היא אם ההזמנות מתורגמות לניצולת מתמשכת ולעומסי עבודה שמייצרים הכנסות — ולא רק למסירת ציוד.
פרויקטים של מרכזי נתונים כרוכים בהתחייבויות גדולות וארוכות טווח לקרקע, לחשמל ולמתקנים. אם ה-inference נעשה זול או יעיל יותר, לקוחות עשויים להזדקק לפחות תשתית עבור אותה תפוקה של יישומים. הדבר עלול ללחוץ על שיעורי תפוסה, כלכלת חוזי השכירות והתשואה של פרויקטים שנבנו בהנחה שמחסור בקיבולת יימשך.
אין פירוש הדבר שהביקוש למרכזי נתונים ייעלם. זמינות חשמל והדרישות הטכניות של פריסות AI עדיין עשויות להגביל את ההיצע. אך מחסור בקיבולת במיקום או בשוק חשמל מסוים יכול להתקיים במקביל לכלכלה חלשה יותר במקום אחר. לכן כדאי להבחין בין מחסור פיזי לבין ראיות לכך שלקוחות צורכים קיבולת ברווחיות, מחדשים חוזים ומרחיבים התחייבויות.
פלטפורמות ענן ומארחי מודלים יכולים ליהנות ממחירי inference נמוכים יותר, משום שהמחיר הנגיש עשוי להביא יותר מפתחים ועומסים ארגוניים לפלטפורמה. מנגד, מחיר נמוך מפחית את ההכנסה ליחידת שימוש.
כדי להגן על הרווח הגולמי, הספקים יצטרכו שילוב של:
תחרות במחירי מודלים קנייניים היא רכיב מרכזי בסיכון שתואר בדיווחים הקשורים לגולדמן. 1
2 הנתון החשוב אינו מחיר הטוקן הנקוב לבדו, אלא היחס בין המחיר ללקוח, עלות הספק והיקף השימוש הכולל בתשלום.
המשקל הנגדי לתרחיש השלילי הוא סוכני AI: מערכות שמבצעות משימות מרובות שלבים ועשויות לצרוך הרבה יותר טוקנים משיחה פשוטה עם צ'אטבוט. Goldman Sachs Research צופה כי אימוץ בידי צרכנים וארגונים עשוי להגדיל פי 24 את צריכת הטוקנים החודשית בין 2026 ל-2030, לכ-120 קוודריליון טוקנים בחודש. 7
התחזית הזו מבהירה מדוע ירידת מחירי טוקנים אינה בהכרח מעידה על ירידה בביקוש למחשוב. אם סוכנים יעברו מהדגמות למשימות תכופות ובעלות ערך, השימוש הכולל עשוי לגדול דיו כדי לתמוך בבניית התשתיות.
אבל זו תחזית, לא הבטחה. תזת התשתיות נשענת על כך שסוכנים ייצרו עומסי עבודה חוזרים שלקוחות פרטיים ועסקיים מוכנים לשלם עבורם — ולא רק מספר גדול של שאילתות ניסוי זולות.
משקיעים הבוחנים את תזת עודף קיבולת המחשוב יכולים להתמקד בכמה מדדים מחוברים:
האזהרה של גולדמן אינה שמחירי טוקנים נמוכים הם רעים מטבעם. inference זול יותר עשוי להיות בדיוק המנגנון שיפתח אימוץ רחב של AI. הסיכון הוא שירידת המחירים והיעילות המשופרת של המודלים יפחיתו הכנסות ואת כמות המחשוב הדרושה מהר יותר מכפי שהשימוש, בהובלת סוכני AI, גדל.
עבור משקיעי תשתיות AI, הסיפור הופך מבניית קיבולת פשוטה למבחן של ניצולת ומונטיזציה. החברות העמידות יותר עשויות להיות אלו שיודעות להפוך טוקנים זולים לעומסי עבודה מתמשכים ובעלי ערך גבוה, תוך שמירה על יתרון בעלות, בביצועים או בעומק השירות. 1
7
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
לפי דיווחים על הערת גולדמן, מדד מחירי השימוש במודלי שפה גדולים של Silicon Data ירד ל 0.97 דולר למיליון טוקנים, לאחר ירידה של 29% באוגוסט.
לפי דיווחים על הערת גולדמן, מדד מחירי השימוש במודלי שפה גדולים של Silicon Data ירד ל 0.97 דולר למיליון טוקנים, לאחר ירידה של 29% באוגוסט. הסיכון אינו ודאי: מחקר גולדמן זאקס צופה שסוכני AI עשויים להגדיל פי 24 את צריכת הטוקנים החודשית עד 2030 — אך שימוש זה צריך להפוך לעומסי עבודה קבועים ומכניסים.
למשקיעים חשוב לעקוב אחר הכנסות AI מול ירידת מחירים, הזמנות מאיצים לעומת פריסות בפועל, וניצולת וקיבולת חוזית במרכזי נתונים.
לפי דיווחים על הערת גולדמן, מדד מחירי השימוש במודלי שפה גדולים של Silicon Data ירד ל 0.97 דולר למיליון טוקנים, לאחר ירידה של 29% באוגוסט. הסיכון אינו ודאי: מחקר גולדמן זאקס צופה שסוכני AI עשויים להגדיל פי 24 את צריכת הטוקנים החודשית עד 2030 — אך שימוש זה צריך להפוך לעומסי עבודה קבועים ומכניסים.
פורסם על ידינערך באמצעות GPT-5.6 Terraהתמונות נוצרו באמצעות GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How is Goldman Sachs’ warning that rapidly falling LLM token prices—down to about $0.97–$0.98 per million tokens after a 29% August decline. Article summary: Goldman’s warning implies a more selective, riskier outlook for AI-infrastructure investors: compute demand can grow sharply while the revenue earned per unit of compute falls even faster. If that happens, utilization, p. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
הסקת מסקנות של בינה מלאכותית (inference) נעשית זולה במהירות. זה עשוי להנגיש מודלים ליותר מפתחים ועסקים וליצור שימושים חדשים — אבל גם לסבך את תזת ההשקעה בשבבים, בקיבולת ענן ובמרכזי הנתונים שנבנים כדי לשרת אותם.
לב האזהרה של גולדמן זאקס הוא פער אפשרי בין קצב ההשקעה לקצב ההכנסה: תשתית נבנית שנים מראש, בעוד שהמחיר שאפשר לגבות עבור יחידת שימוש במודל עלול לרדת במהירות. מדד הוצאות הטוקנים של מודלי שפה גדולים (LLM) של Silicon Data הגיע לאחרונה ל-0.97 דולר למיליון טוקנים, אחרי ירידה של 29% באוגוסט, לפי דיווחים על הערת גולדמן. מדד נפרד למחירי מודלי חזית הצביע על מחיר הנמוך ב-84% מרמת הבסיס של מרץ 2023. 2
4
5
אם הגידול בשימוש לא יקזז את הירידה במחיר, עלולה להיווצר קיבולת מחשוב יקרה מדי המתחרה על עומסי inference שמניבים פחות הכנסה. ההשלכות עשויות להורגש לאורך כל שרשרת תשתיות ה-AI.
מחיר טוקן נמוך יותר אינו בהכרח סימן שלילי. הוזלת השימוש יכולה להפוך AI למעשי עבור יותר יישומים, לעודד ניסויים ולהגדיל את הצריכה הכוללת. האתגר של הספקים הוא אחר: האם נפח הטוקנים בתשלום — יחד עם שיפור ביעילות התפעולית — יגדל מהר יותר מהירידה בהכנסה לכל טוקן.
לפי הדיווחים, החשש של גולדמן הוא שתמחור תחרותי של מודלים יקשה לשמר הכנסה לכל טוקן, ובסופו של דבר יותיר בענף עודף תשתית אם צריכת המחשוב לא תגדל בקצב מספיק. 1
2
ההבחנה הזו חשובה:
הפער האפשרי הזה מתרחש במקביל לתנופת בנייה עצומה. תרחיש הבסיס של גולדמן זאקס מעריך השקעות הון של כ-7.6 טריליון דולר ב-AI, במחשוב, במרכזי נתונים ובחשמל בין 2026 ל-2031. המודל מצביע על עלייה בהוצאה השנתית מכ-765 מיליארד דולר ב-2026 לכ-1.6 טריליון דולר ב-2031; בגולדמן מדגישים שמדובר באומדנים הרגישים להנחות, ולא בוודאות. 9
לכן מגמת מחירי הטוקנים חשובה לא רק לחברות המודלים. חלק גדול מההשקעות הצפויות מופנה לנכסים ארוכי חיים: מאיצים, שרתים, רשתות, מבנים ותשתיות חשמל. אלה זקוקים לעומסי עבודה מתמשכים ולתשואה סבירה לאורך זמן.
עבור ספקי מוליכים למחצה, האטה הנובעת מלחצי מחיר לא חייבת להיראות מיד כקריסה בביקוש. לקוחות עשויים להמשיך לבנות קיבולת כדי להשיק מוצרי AI או להבטיח אספקה.
הסיכון מתגבר כאשר הקיבולת שנפרסה עולה על הביקוש הרווחי. במצב כזה לקוחות עלולים להאט רכישת מאיצים ושרתים, להיות רגישים יותר למחיר או לדרוש ביצועים גבוהים יותר לכל דולר. חברות בעלות חומרה מובחנת, אקוסיסטם תוכנה חזק או פתרונות inference יעילים עשויות להיות מוגנות יותר מספקים של קיבולת דומה יחסית.
השאלה המעשית היא אם ההזמנות מתורגמות לניצולת מתמשכת ולעומסי עבודה שמייצרים הכנסות — ולא רק למסירת ציוד.
פרויקטים של מרכזי נתונים כרוכים בהתחייבויות גדולות וארוכות טווח לקרקע, לחשמל ולמתקנים. אם ה-inference נעשה זול או יעיל יותר, לקוחות עשויים להזדקק לפחות תשתית עבור אותה תפוקה של יישומים. הדבר עלול ללחוץ על שיעורי תפוסה, כלכלת חוזי השכירות והתשואה של פרויקטים שנבנו בהנחה שמחסור בקיבולת יימשך.
אין פירוש הדבר שהביקוש למרכזי נתונים ייעלם. זמינות חשמל והדרישות הטכניות של פריסות AI עדיין עשויות להגביל את ההיצע. אך מחסור בקיבולת במיקום או בשוק חשמל מסוים יכול להתקיים במקביל לכלכלה חלשה יותר במקום אחר. לכן כדאי להבחין בין מחסור פיזי לבין ראיות לכך שלקוחות צורכים קיבולת ברווחיות, מחדשים חוזים ומרחיבים התחייבויות.
פלטפורמות ענן ומארחי מודלים יכולים ליהנות ממחירי inference נמוכים יותר, משום שהמחיר הנגיש עשוי להביא יותר מפתחים ועומסים ארגוניים לפלטפורמה. מנגד, מחיר נמוך מפחית את ההכנסה ליחידת שימוש.
כדי להגן על הרווח הגולמי, הספקים יצטרכו שילוב של:
תחרות במחירי מודלים קנייניים היא רכיב מרכזי בסיכון שתואר בדיווחים הקשורים לגולדמן. 1
2 הנתון החשוב אינו מחיר הטוקן הנקוב לבדו, אלא היחס בין המחיר ללקוח, עלות הספק והיקף השימוש הכולל בתשלום.
המשקל הנגדי לתרחיש השלילי הוא סוכני AI: מערכות שמבצעות משימות מרובות שלבים ועשויות לצרוך הרבה יותר טוקנים משיחה פשוטה עם צ'אטבוט. Goldman Sachs Research צופה כי אימוץ בידי צרכנים וארגונים עשוי להגדיל פי 24 את צריכת הטוקנים החודשית בין 2026 ל-2030, לכ-120 קוודריליון טוקנים בחודש. 7
התחזית הזו מבהירה מדוע ירידת מחירי טוקנים אינה בהכרח מעידה על ירידה בביקוש למחשוב. אם סוכנים יעברו מהדגמות למשימות תכופות ובעלות ערך, השימוש הכולל עשוי לגדול דיו כדי לתמוך בבניית התשתיות.
אבל זו תחזית, לא הבטחה. תזת התשתיות נשענת על כך שסוכנים ייצרו עומסי עבודה חוזרים שלקוחות פרטיים ועסקיים מוכנים לשלם עבורם — ולא רק מספר גדול של שאילתות ניסוי זולות.
משקיעים הבוחנים את תזת עודף קיבולת המחשוב יכולים להתמקד בכמה מדדים מחוברים:
האזהרה של גולדמן אינה שמחירי טוקנים נמוכים הם רעים מטבעם. inference זול יותר עשוי להיות בדיוק המנגנון שיפתח אימוץ רחב של AI. הסיכון הוא שירידת המחירים והיעילות המשופרת של המודלים יפחיתו הכנסות ואת כמות המחשוב הדרושה מהר יותר מכפי שהשימוש, בהובלת סוכני AI, גדל.
עבור משקיעי תשתיות AI, הסיפור הופך מבניית קיבולת פשוטה למבחן של ניצולת ומונטיזציה. החברות העמידות יותר עשויות להיות אלו שיודעות להפוך טוקנים זולים לעומסי עבודה מתמשכים ובעלי ערך גבוה, תוך שמירה על יתרון בעלות, בביצועים או בעומק השירות. 1
7
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
לפי דיווחים על הערת גולדמן, מדד מחירי השימוש במודלי שפה גדולים של Silicon Data ירד ל 0.97 דולר למיליון טוקנים, לאחר ירידה של 29% באוגוסט.
לפי דיווחים על הערת גולדמן, מדד מחירי השימוש במודלי שפה גדולים של Silicon Data ירד ל 0.97 דולר למיליון טוקנים, לאחר ירידה של 29% באוגוסט. הסיכון אינו ודאי: מחקר גולדמן זאקס צופה שסוכני AI עשויים להגדיל פי 24 את צריכת הטוקנים החודשית עד 2030 — אך שימוש זה צריך להפוך לעומסי עבודה קבועים ומכניסים.
למשקיעים חשוב לעקוב אחר הכנסות AI מול ירידת מחירים, הזמנות מאיצים לעומת פריסות בפועל, וניצולת וקיבולת חוזית במרכזי נתונים.