AI Token 愈來愈平，但算力愈來愈貴：AI 熱潮點解變成利潤率擠壓？

AI 市場正被兩股相反力量拉扯。

一方面，使用先進模型的價格急跌：一個名為 Ox Alpha 的免費模型據報已接近前沿模型水平；OpenAI 亦在 7 月將兩個 GPT-5.6 價格層級分別削減 80% 及 20%。1716 更廣泛的估算顯示，過去兩年，在能力相若的情況下，AI 推理成本大約下跌 95%。22

另一方面，生產及傳送這些 token 所需的實體設備，成本卻變得更加昂貴。Samsung 將部分先進晶片代工訂單加價最多 15%，並預計全球記憶體短缺會進一步惡化，持續至 2028 年。3233

換句話說，AI 正出現一個相當罕見的經濟現象：產品輸出價格通縮，但關鍵投入成本仍然通脹。

AI 價值鏈正在「一分為二」

要理解這場擠壓，最重要是分清兩個層面：一邊是逐漸商品化的「智能層」，另一邊是受供應限制的「基建層」。

模型存取：愈來愈似商品

一般用途的模型服務，愈來愈容易被其他供應商取代。只要有一間公司減 API 價格、推出更細的模型，或者免費提供能力足夠高的模型，競爭對手就會面對降價壓力。

OpenAI 7 月的調整便是一個例子：GPT-5.6 Luna 的輸入價格由每百萬 token 1 美元降至 0.20 美元，Terra 則由 2.50 美元降至 2 美元。16 Token 是模型處理文字時使用的基本計算單位；對企業而言，價格降低意味着每次查詢、文件分析或自動化流程的直接成本下降。

但對模型供應商而言，問題亦正正由此而來：每個 token 帶來的收入可以下跌，即使整體使用量仍然上升。

基建供應：未能像軟件一樣快速擴張

先進晶圓製造、高頻寬記憶體、網絡設備、電力，以及完整 AI 伺服器系統，均不是按一下按鈕就可以即時增加供應的產品。

Samsung 表示，客戶正要求簽訂多年期供應協議，晶片短缺可能在 2028 年前變得更加嚴重。33 另有報道指，採用 Nvidia 晶片的伺服器價格可能上升超過 15%；不過這是市場報道，並非 Nvidia 官方公布的加價公告。36

對 AI 服務供應商來說，商業難題十分直接：收入每 token 下跌，但算力容量、能源、硬件及融資成本，未必會同步下跌。

Nvidia：需求仍然強勁，但增長質素開始受考驗

Nvidia 2027 財政年度第二季業績顯示，AI 基建熱潮仍然異常強勁。公司季度收入為 962 億美元，按年增加 106%；經調整攤薄每股盈利為 2.22 美元。60 管理層亦表示，2028 財政年度收入可能增長約 70%。51

這些數字證明，市場對加速器系統的需求仍然非常旺盛，並不代表整個 AI 經濟已經解決盈利問題。Nvidia 位於供應鏈瓶頸位置，客戶仍然要爭奪有限的高階系統供應，因此公司仍可享有強大定價能力。

不過，記憶體成本上升已開始影響增長的質素。Nvidia 預計下一季度毛利率約為 74%，低於今季的 75%；相關報道將部分壓力歸因於記憶體價格。51

這未必代表 Nvidia 的盈利模式即將崩潰。更可能的情況是，未來表現會更加依賴加價能力、系統整合、網絡產品、軟件，以及供應鏈管理，而不只是出售供不應求的晶片並維持高毛利。

Broadcom：AI 基建變成融資測試

Broadcom 所面對的是另一種擠壓。Reuters 及 Bloomberg 報道，Broadcom 正與貸款機構商討一項超過 600 億美元的 AI 晶片融資安排，受惠客戶包括 Anthropic 及其他公司。方案可能包括約 300 億美元的次級債，並配合一批優先有抵押債務；具體條款仍在磋商中。12

這個細節相當重要：目前是「商討中的融資」，不是已經完成的借貸。因此，相關金額應視為談判中的範圍，而不是最後敲定的交易規模。

真正的經濟問題是：由這些晶片產生的 AI 收入，是否足以長期支付債務成本？一批晶片在技術上有價值，並不代表以高槓桿方式投資後一定有好回報。只要模型價格下跌、客戶過度集中、設備殘值下降，或者再融資成本上升，投資回報就可能受到影響。

因此，AI 的價格戰不再只是軟件公司的定價問題。當基建以大量債務融資，token 價格下跌亦會影響租賃、特殊目的公司、供應商及貸款機構所依賴的預期現金流。

雲端巨企有優勢，但並非「無敵」

大型雲端公司比獨立模型供應商更有條件承受這場擠壓。它們可以將 AI 與現有雲服務、企業軟件、廣告、數據及分銷渠道綁在一起，也可以先補貼 AI 功能，再從其他業務變現。

但這並不自動代表每一項 AI 投資都有吸引力的回報。模型價格下降，可能令使用量增加，卻同時令每單位收入減少。假如市場出現過剩算力，AI 最終可能只是雲端計算內一項較低毛利的功能，而非一個獨立的高利潤池。

真正關鍵的指標，不是處理了幾多 token，而是客戶願意為由此帶來的生產力、收入或可核實節省支付幾多錢。

Token 變平，對企業當然是好事——但未必代表投資回報變好

推理成本下跌，對企業確實是利好。公司可以更容易測試 AI 應用、自動化較窄的工作流程，亦可以將較強模型用於過往成本效益不足的任務。

但 token 費用只是部署成本其中一部分。企業仍要處理系統整合、數據整理、保安控制、治理、成效評估，以及員工工作方式轉變等問題。API 帳單平了，並不保證整體投資回報就會變成正數。

所以，市場正逐步轉向一個更加嚴格的問題：每一單位 AI 算力，究竟帶來甚麼可以量度的商業成果？

能夠將模型使用量連繫到收入增長，或者可驗證的成本節省，公司會比單純囤積算力、但沒有清晰用途的企業更有機會受惠。

投資者同信貸市場應該睇甚麼？

投資者首先要分清楚，自己持有的是「稀缺投入品」風險，還是「模型服務商品化」風險。

供應受限的一邊，包括記憶體、先進晶圓製造、網絡設備、電力，以及整合式加速器系統。當客戶爭奪容量，這些供應商仍可能保留議價能力。Samsung 的加價行動及短缺展望，正反映目前供應鏈的強勢地位。3233

模型存取的一邊則面對更艱難的考驗。免費或大幅折價的模型可以擴大市場，但亦令沒有差異化的推理服務難以維持高價。較可持續的商業模式，可能要依賴獨有分銷渠道、專有數據、專門工作流程、合約式需求，或者能夠捕捉 token 以外價值的軟件。

對信貸投資者而言，應該留意合約現金流、客戶集中度、硬件剩餘價值、債務結構及再融資日期。Broadcom 的擬議交易值得關注，正因為它顯示 AI 基建可以好快由科技問題變成融資問題。12

結語：便宜的智能，未必等於便宜的 AI 生意

AI 並沒有一條統一的成本曲線。

智能本身正變得更便宜、更普及；但製造及交付這些智能所需的實體容量，仍然稀缺而昂貴。

這種錯配解釋了兩件看似矛盾的事：Nvidia 可以交出極為驚人的收入增長，同時提醒市場毛利率會受壓；而一項數以百億美元計、仍在磋商中的晶片融資方案，亦可以在 AI 需求仍然強勁之際，引起信貸市場關注。

AI 下一階段的勝負，將不再只由模型有幾叻決定，而是取決於客戶能否在高成本、靠債務融資的算力容量需要再融資之前，將便宜的智能轉化為持續而可量度的現金流。