AnswersPublished16 sources
Goldmans AI-varning: billigare tokenpriser kan pressa chip, moln och datacenter
Goldmans huvudpoäng är att LLM tokenpriserna har fallit till omkring 0,97 dollar per miljon token efter ett fall på 29 procent i augusti. Nedsidan är inte given: Goldman Sachs Research bedömer att AI agenter kan öka den månatliga tokenanvändningen 24 gånger till omkring 120 kvadriljoner token år 2030.
Publicerad avRedigerad med GPT-5.6 TerraBilder genererade med GPT Image 2
Research answer
Key takeaways
- Goldmans huvudpoäng är att LLM tokenpriserna har fallit till omkring 0,97 dollar per miljon token efter ett fall på 29 procent i augusti.
- Nedsidan är inte given: Goldman Sachs Research bedömer att AI agenter kan öka den månatliga tokenanvändningen 24 gånger till omkring 120 kvadriljoner token år 2030.
- Viktiga indikatorer är AI intäkter i förhållande till tokenprisernas fall, beställningar av acceleratorer och servrar jämfört med faktiska driftsättningar samt datacentrens utnyttjandegrad och kontrakterade kapacitet.
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
AI-inferens – när en färdig AI-modell används för att skapa svar eller utföra uppgifter – blir snabbt billigare. Det kan göra tekniken tillgänglig för fler och skapa helt nya användningsområden. Samtidigt skärps frågan för dem som finansierar chip, molnkapacitet och datacenter: blir den framtida användningen tillräckligt stor och lönsam för att bära investeringarna?
Goldman Sachs varning handlar i grunden om en tidsmässig obalans. Infrastruktur byggs flera år före efterfrågan, medan priset per enhet AI-användning kan falla fort. Silicon Datas LLM Token Expenditure Index föll till 0,97 dollar per miljon token efter en nedgång på 29 procent i augusti, enligt rapporteringen om Goldman-noten. Ett separat prisindex för ledande modeller låg samtidigt 84 procent under nivån i mars 2023. 2
4
5
Om användningen inte växer tillräckligt för att kompensera för prisfallet kan resultatet bli för mycket dyr beräkningskapacitet som konkurrerar om inferensarbete med lägre intäkter. Det berör hela AI-infrastrukturkedjan.
Volymen måste växa snabbare än priset faller
Ett lägre tokenpris är inte i sig negativt. Lägre priser kan göra AI användbar i fler tillämpningar, uppmuntra experiment och öka den samlade konsumtionen. Utmaningen för leverantörerna är i stället om volymen av betalda token – tillsammans med deras egna effektivitetsvinster – kan växa snabbare än intäkten per token faller.
Goldmans oro, enligt rapporteringen, är att konkurrensutsatt modellprissättning kan göra intäkterna per token mindre hållbara. Om datorkonsumtionen inte ökar tillräckligt snabbt kan branschen till slut stå med ett infrastrukturöverskott. 1
2
Skillnaden är central:
- Billigare AI gynnar användarna när fler nyttiga tillämpningar blir ekonomiskt möjliga.
- Billigare AI kan vara svårare för ägare av infrastruktur om kapaciteten har finansierats utifrån antaganden om knapp och högt prissatt beräkningskraft.
- Utfallet beror på efterfrågans priskänslighet: skapar prissänkningen tillräckligt mycket ny användning för att bevara eller öka intäkterna och behovet av beräkningskraft?
En mycket stor investeringsvåg står på spel
Frågan uppstår samtidigt som den väntade utbyggnaden är enorm. Goldman Sachs grundscenario omfattar omkring 7,6 biljoner dollar i AI-relaterade kapitalinvesteringar i beräkningskraft, datacenter och elförsörjning under 2026–2031. I modellen stiger årsutgifterna från ungefär 765 miljarder dollar 2026 till 1,6 biljoner dollar 2031. Goldman betonar att detta är antagandekänsliga uppskattningar, inte säkra prognoser. 9
En stor del av dessa utgifter går till långlivade tillgångar: AI-acceleratorer, servrar, nätverk, anläggningar och kraftinfrastruktur. De kräver uthålliga arbetsbelastningar och rimlig avkastning över tid.
Chipbolagen: leveranser räcker inte som bevis
För halvledarbolag behöver en prisdriven inbromsning inte först synas som ett tvärt ras i efterfrågan. Kunder kan fortsätta bygga kapacitet medan de lanserar nya AI-produkter eller säkrar tillgång till komponenter.
Risken blir tydligare om den installerade kapaciteten börjar överstiga den lönsamma efterfrågan. Då kan kunder dra ned på nya inköp av acceleratorer och servrar, bli mer priskänsliga eller kräva högre prestanda per investerad krona. Bolag med tydligt differentierad hårdvara, starka mjukvaruekosystem eller effektiv inferens kan vara bättre skyddade än leverantörer av mer utbytbar kapacitet.
Den praktiska frågan är alltså om beställningar leder till varaktigt kapacitetsutnyttjande och intäktsskapande arbetslaster – inte bara om utrustning levereras.
Datacenter ställs inför ett utnyttjandetest
Datacenterprojekt innebär stora och långsiktiga åtaganden för mark, el och byggnader. Om inferens blir billigare eller effektivare kan kunder behöva mindre infrastruktur för samma mängd AI-resultat. Det kan sätta press på beläggning, hyresvillkor och projektens avkastning, särskilt om kalkylerna byggt på fortsatt kapacitetsbrist.
Det betyder inte att efterfrågan på datacenter försvinner. Tillgången till el och AI-installationernas tekniska krav kan fortfarande begränsa utbudet. Men fysisk brist i en viss region eller på en viss elmarknad kan samexistera med svagare ekonomi på andra håll. Investerare behöver därför skilja mellan fysisk knapphet och tecken på att kunder använder kapaciteten lönsamt, förnyar avtal eller utökar sina åtaganden.
Molnaktörer måste ersätta pris med volym och mervärde
Molnplattformar och värdar för AI-modeller kan gynnas av lägre inferenspriser eftersom fler utvecklare och företag kan börja använda tjänsterna. Men lägre priser innebär samtidigt mindre intäkt per användningsenhet.
För att skydda bruttovinsten behöver leverantörerna en kombination av:
- Betydligt högre tokenvolymer från återkommande användning i produktion;
- Effektivitetsvinster som sänker kostnaden snabbare än priserna faller; och
- Tjänster med högre värde kring modellerna, exempelvis driftsättning, säkerhet, dataintegration och verktyg för arbetsflöden.
Konkurrens om prissättningen av proprietära modeller är en central del av risken i rapporteringen kopplad till Goldman. 1
2 Det avgörande är inte enbart det nominella tokenpriset, utan sambandet mellan kundpriset, leverantörens kostnad och den totala mängden betald användning.
AI-agenter är den möjliga motvikten
Det optimistiska motargumentet är AI-agenter: system som utför uppgifter i flera steg och kan förbruka betydligt fler token än en enkel chattfråga. Goldman Sachs Research bedömer att konsumenters och företags användning kan öka den månatliga tokenkonsumtionen 24 gånger mellan 2026 och 2030, till omkring 120 kvadriljoner token per månad. 7
Det visar varför fallande tokenpriser inte automatiskt innebär minskad efterfrågan på beräkningskraft. Om agenter går från demonstrationer till frekventa och värdefulla arbetsuppgifter kan den totala användningen växa tillräckligt för att stödja infrastruktursatsningen.
Men det är en prognos, inte en garanti. Investeringscaset för infrastrukturen bygger på att agenter skapar återkommande arbetslaster som användare eller företag faktiskt vill betala för – inte bara många billiga testfrågor.
Nyckeltal att följa bortom tokenpriset
För den som bedömer risken för ett överskott av beräkningskapacitet är följande indikatorer särskilt relevanta:
- AI-intäkternas tillväxt jämfört med tokenprisernas fall: Ökar de totala intäkterna trots lägre styckepriser?
- Beställningar av acceleratorer och servrar jämfört med driftsättningar: Köper kunder kapacitet som verkligen tas i bruk?
- Datacenters utnyttjandegrad, kontrakterade kapacitet och avtalsförnyelser: Består efterfrågeåtagandena när anläggningarna öppnar?
- Molnbolagens bruttomarginaler: Kompenserar effektiviseringar och tjänster med högre värde för lägre inferenspriser?
- AI-agenter i produktion: Driver de återkommande, verksamhetskritiska arbetsflöden eller främst enstaka tester?
- Eltillgång: Är den en varaktig begränsning för användbar kapacitet, eller främst en flaskhals före efterfrågan?
Slutsats
Goldmans varning är inte att lägre priser på LLM-token i sig är dåliga. Billigare inferens kan vara just det som öppnar för bredare AI-användning. Risken är att prisdeflation och effektivare modeller minskar intäkterna och det nödvändiga beräkningsbehovet snabbare än agentdriven användning växer.
För investerare i AI-infrastruktur blir berättelsen därmed mindre en fråga om att bara bygga mer kapacitet och mer ett test av utnyttjandegrad och intäktsförmåga. De mest motståndskraftiga bolagen kan vara de som omvandlar billigare token till varaktiga arbetslaster med högt värde, samtidigt som de behåller ett försprång i kostnad, prestanda eller tjänsteutbud. 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 "Goldmans AI-varning: billigare tokenpriser kan pressa chip, moln och datacenter"?
Goldmans huvudpoäng är att LLM tokenpriserna har fallit till omkring 0,97 dollar per miljon token efter ett fall på 29 procent i augusti.
What are the key points to validate first?
Goldmans huvudpoäng är att LLM tokenpriserna har fallit till omkring 0,97 dollar per miljon token efter ett fall på 29 procent i augusti. Nedsidan är inte given: Goldman Sachs Research bedömer att AI agenter kan öka den månatliga tokenanvändningen 24 gånger till omkring 120 kvadriljoner token år 2030.
What should I do next in practice?
Viktiga indikatorer är AI intäkter i förhållande till tokenprisernas fall, beställningar av acceleratorer och servrar jämfört med faktiska driftsättningar samt datacentrens utnyttjandegrad och kontrakterade kapacitet.