AnswersPublished16 sources
Goldman advarer om fallende KI-priser: Kan gi for mye regnekraft
Prisen på bruk av store språkmodeller falt til 0,97 dollar per million tokens etter et fall på 29 prosent i august. Det er ikke gitt at utfallet blir negativt: Goldman Sachs Research anslår at KI agenter kan løfte månedlig tokenforbruk 24 ganger, til om lag 120 kvadrillioner tokens innen 2030.
Publisert avRedigert med GPT-5.6 TerraBilder generert med GPT Image 2
Research answer
Key takeaways
- Prisen på bruk av store språkmodeller falt til 0,97 dollar per million tokens etter et fall på 29 prosent i august.
- Det er ikke gitt at utfallet blir negativt: Goldman Sachs Research anslår at KI agenter kan løfte månedlig tokenforbruk 24 ganger, til om lag 120 kvadrillioner tokens innen 2030.
- For investorer blir nøkkeltallene inntektsvekst mot fallende tokenpriser, faktisk utnyttelse av servere og datasentre, samt om KI agenter skaper varige, betalte arbeidsoppgaver.
AI Prompt
openai.comCreate 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
Billigere KI-inferens – altså når en ferdigtrent modell brukes til å svare, analysere eller utføre oppgaver – kan gjøre teknologien tilgjengelig for langt flere. Men Goldman Sachs’ advarsel peker på en krevende balanse for dem som bygger infrastrukturen: Investeringene i brikker, skykapasitet, datasentre og kraft skjer flere år før inntektene er sikre, mens prisen per bruksenhet kan falle svært raskt.
Silicon Datas indeks for utgifter til LLM-tokens falt nylig til 0,97 dollar per million tokens, etter en nedgang på 29 prosent i august. En separat indeks for priser på ledende modeller var 84 prosent lavere enn nivået i mars 2023. 2
4
5
Dersom veksten i bruk ikke veier opp for lavere priser og mer effektiv modellkjøring, kan resultatet bli kostbar regnekraft som konkurrerer om mindre lønnsomme inferensoppgaver. Det er den sentrale risikoen for KI-infrastruktur.
Volumet må vokse raskere enn prisene faller
Et prisfall på tokens er ikke i seg selv negativt. Når KI blir rimeligere, kan flere bedrifter teste den ut og flere tjenester bli lønnsomme. Spørsmålet for leverandørene er om veksten i betalt tokenvolum – sammen med lavere egne kostnader – blir større enn fallet i inntekt per token.
Goldmans bekymring, slik den er omtalt, er at hard konkurranse om modellpriser kan gjøre inntekten per token mindre varig. Hvis databruken ikke øker raskt nok, kan sektoren ende opp med overkapasitet. 1
2
Forskjellen er viktig:
- For brukerne er billigere KI positivt når den gjør nyttige løsninger billigere.
- For eierne av infrastrukturen kan lavere priser være krevende hvis investeringene er gjort med forventning om knapp og dyr kapasitet.
- Utfallet avhenger av etterspørselens følsomhet for pris: Skaper lavere priser nok ny bruk til at samlede inntekter og behovet for regnekraft holder seg oppe eller øker?
Svært store investeringer står på spill
Dette skjer samtidig som det ventes en omfattende utbygging. Goldman Sachs’ basisscenario anslår om lag 7,6 billioner dollar i samlede KI-investeringer i regnekraft, datasentre og strømforsyning fra 2026 til 2031. I modellen stiger årlige investeringer fra rundt 765 milliarder dollar i 2026 til 1,6 billioner dollar i 2031. Goldman understreker at anslagene er følsomme for forutsetningene og ikke sikre prognoser. 9
Mye av pengene går til eiendeler med lang levetid: akseleratorer, servere, nettverk, bygg og kraftinfrastruktur. Slike investeringer krever vedvarende arbeidsbelastning og tilfredsstillende avkastning over tid.
Brikkeprodusentene: Leveranser er ikke det samme som lønnsom bruk
For halvlederselskapene trenger ikke risikoen å vises som et umiddelbart fall i etterspørselen. Kundene kan fortsette å kjøpe kapasitet mens de utvikler nye KI-produkter eller forsøker å sikre seg tilgang på utstyr.
Risikoen blir tydeligere dersom installert kapasitet vokser raskere enn den lønnsomme etterspørselen. Da kan kundene utsette kjøp av nye akseleratorer og servere, bli mer prisbevisste eller kreve mer ytelse per krone. Selskaper med tydelig differensiert maskinvare, sterke programvareøkosystemer eller særlig effektiv inferens kan stå sterkere enn leverandører av mer utbyttbar kapasitet.
Det avgjørende er derfor ikke bare hvor mye utstyr som leveres, men om det blir tatt i bruk i arbeidsoppgaver som skaper inntekter.
Datasentrene får en test av utnyttelsesgraden
Datasenterprosjekter innebærer store og langsiktige forpliktelser knyttet til tomt, strøm og bygg. Hvis modellene blir billigere eller mer effektive, kan kundene trenge mindre infrastruktur for å levere samme mengde KI-tjenester. Det kan legge press på belegg, leieøkonomi og avkastning i prosjekter som bygger på vedvarende kapasitetsmangel.
Det betyr ikke at behovet for datasentre forsvinner. Tilgang på strøm og de tekniske kravene til KI kan fortsatt begrense tilbudet. Men knapphet på kapasitet i ett kraftmarked eller på ett sted kan eksistere samtidig med svakere økonomi andre steder. Investorer bør derfor skille mellom fysisk knapphet og tegn på at kundene faktisk bruker kapasiteten lønnsomt og fornyer eller utvider avtalene sine.
Skyaktører og modellverter må hente inn prisfallet gjennom volum og verdi
Skytjenester og selskaper som tilbyr modelltilgang kan vinne på lavere inferenspriser, fordi flere utviklere og virksomheter kan ta KI i bruk. Samtidig gir hver token lavere omsetning.
For å beskytte bruttofortjenesten trenger de en kombinasjon av:
- Vesentlig høyere tokenvolum fra gjentakende bruk i produksjon;
- Effektivitetsgevinster som reduserer kostnadene raskere enn salgsprisene faller; og
- Tjenester med høyere verdi rundt modellene, som utrulling, sikkerhet, dataintegrasjon og arbeidsflytverktøy.
Konkurranse om priser på proprietære modeller er en sentral del av risikoen i rapporteringen knyttet til Goldman. 1
2 Det viktige er ikke tokenprisen isolert, men forholdet mellom kundens pris, leverandørens kostnad og det samlede betalte bruksvolumet.
KI-agenter kan bli motvekten
Det optimistiske motargumentet er agentisk KI: systemer som utfører oppgaver i flere trinn og kan bruke langt flere tokens enn en enkel chatbot-samtale. Goldman Sachs Research anslår at bruk blant forbrukere og bedrifter kan øke det månedlige tokenforbruket 24 ganger fra 2026 til 2030, til rundt 120 kvadrillioner tokens per måned. 7
Dette viser hvorfor fallende tokenpriser ikke automatisk betyr lavere behov for regnekraft. Dersom KI-agenter går fra demonstrasjoner til hyppige og verdifulle oppgaver, kan totalbruken øke nok til å støtte utbyggingen.
Men dette er et anslag, ikke en garanti. Investeringscaset avhenger av at agenter skaper tilbakevendende arbeidsbelastning som brukere og virksomheter vil betale for – ikke bare mange billige forespørsler i en eksperimentfase.
Tallene som kan være viktigere enn tokenprisen i overskriftene
For investorer som vurderer risikoen for overkapasitet, er disse indikatorene særlig relevante:
- KI-inntektsvekst mot fall i tokenpriser: Vokser den samlede inntekten selv når enhetsprisene faller?
- Bestillinger av akseleratorer og servere mot faktisk utrulling: Blir kjøpt kapasitet faktisk satt i arbeid?
- Utnyttelsesgrad i datasentre, kontraktert kapasitet og fornyelser: Holder etterspørselsforpliktelsene seg når anleggene åpner?
- Bruttomarginer i skyen: Veier effektivisering og tjenester med høyere verdi opp for billigere inferens?
- KI-agenter i produksjon: Driver de gjentakende og forretningskritiske arbeidsflyter, eller enkeltstående tester?
- Tilgang på strøm: Er dette en varig begrensning på nyttig kapasitet, eller bare en flaskehals før etterspørselen kommer?
Kort fortalt
Goldmans advarsel er ikke at lavere LLM-tokenpriser i seg selv er dårlige. Billigere inferens kan være det som utløser bredere KI-adopsjon. Risikoen er at prisdeflasjon og bedre modelleffektivitet reduserer inntektene og behovet for regnekraft raskere enn bruken fra KI-agenter vokser.
For investorer i KI-infrastruktur gjør det fortellingen mindre til et spørsmål om å bygge mest mulig kapasitet, og mer til en test av utnyttelse og inntjening. De mest robuste aktørene kan være dem som omsetter billigere tokens til varige arbeidsoppgaver med høy verdi, samtidig som de beholder et fortrinn i kostnad, ytelse eller tjenestebredde. 1
7
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Goldman advarer om fallende KI-priser: Kan gi for mye regnekraft"?
Prisen på bruk av store språkmodeller falt til 0,97 dollar per million tokens etter et fall på 29 prosent i august.
What are the key points to validate first?
Prisen på bruk av store språkmodeller falt til 0,97 dollar per million tokens etter et fall på 29 prosent i august. Det er ikke gitt at utfallet blir negativt: Goldman Sachs Research anslår at KI agenter kan løfte månedlig tokenforbruk 24 ganger, til om lag 120 kvadrillioner tokens innen 2030.
What should I do next in practice?
For investorer blir nøkkeltallene inntektsvekst mot fallende tokenpriser, faktisk utnyttelse av servere og datasentre, samt om KI agenter skaper varige, betalte arbeidsoppgaver.