过去两年，市场一直在讨论一个问题：AI热潮什么时候会降温？
答案或许不在模型排行榜，也不在融资新闻里，而是藏在一个看似冷门的指标之中——Token价格。
宏观策略师安德雷亚斯·斯特诺·拉森近日将目光投向Sil早期发行的Data LLM Token支出指数。他认为，这类与大模型推理和计算需求直接挂钩的Token，本质上是AI产业链最前端的价格信号。如果价格持续走弱，那么从GPU、HBM高带宽内存到数据中心建设，整个AI基础设施投资逻辑都可能面临重新评估。
这种观点之所以引发关注，并非因为Token本身有多重要，而是因为它折射出企业真实需求的变化。
过去一轮AI投资周期的底层逻辑其实非常简单：企业愿意为AI能力支付越来越多费用，因此云厂商不断扩建算力，芯片企业持续扩产，资本市场则给予整个产业链高估值。
但如果企业开始减少支出，故事就会变得完全不同。
数据显示，Sil Data LLM Token支出指数在2026年初经历快速上升后，于5月底出现明显回落。这意味着市场对于AI计算资源的边际需求正在减弱。虽然单一指标并不能直接定义行业趋势，但它恰好与近期科技巨头的一系列动作形成呼应。
微软开始收紧内部AI工具使用额度。
亚马逊部分AI项目被暂停或重新审查。
这些信号放在一年前几乎难以想象。
当时的科技行业正陷入一种近乎集体性的AI竞赛。无论是云计算平台、企业软件厂商还是互联网公司，几乎都在加码生成式AI。许多项目甚至在商业模式尚未验证之前就获得了大规模预算支持。
资本市场对此也给予了积极反馈。
英伟达成为最大受益者，HBM供应链持续紧张，北美数据中心建设进入几十年来少见的高峰期。一时间，市场似乎默认AI需求会无限增长。
但商业世界从来不会按照线性逻辑发展。
企业采购AI服务的核心目的终究不是追逐技术潮流，而是提高效率、降低成本或者创造收入。如果投入与产出之间的关系无法持续成立，那么预算收缩只是时间问题。
事实上，从今年开始，不少企业已经进入“AI复盘阶段”。
管理层不再单纯询问部署了多少AI工具，而是开始追问这些工具究竟带来了多少实际收益。很多试验项目在展示环节表现亮眼，但真正落地后使用率并不高。一些企业员工甚至逐渐回归传统工作流程，因为部分AI产品尚未达到替代人工的程度。
这种变化对产业链的影响往往具有放大效应。
软件支出放缓，最先影响云服务需求；云服务增速下降，又会传导至GPU采购计划；芯片订单减少后，存储、服务器、电力设施以及数据中心运营商都会受到波及。
因此，拉森将Token价格视为AI周期的“煤矿金丝雀”。
在他看来，Token价格下跌不仅是市场情绪变化，更可能意味着真实需求开始降温。而一旦需求侧发生转折，过去两年建立在高速增长预期之上的资本开支模型将面临考验。
当然，现在就断言AI基础设施周期结束仍然为时尚早。
历史上每一次技术革命几乎都会经历类似过程。互联网泡沫时期曾出现大量过度投资，但最终留下来的光纤网络和数据基础设施却成为后来数字经济的基础。云计算行业在2010年代也经历过产能过剩质疑，但长期需求最终消化了这些投入。
AI或许同样如此。
问题不在于需求会不会存在，而在于增长速度是否还能支撑当前规模的投资。
市场真正担心的，不是AI失去价值，而是AI从“爆发增长”进入“理性增长”。对于芯片企业和数据中心运营商而言，这两个阶段对应的估值逻辑完全不同。
眼下，Data LLM Token指数的回落更像是一种提醒：AI竞赛已经从拼命扩张阶段，逐渐进入检验商业回报的阶段。接下来决定行业方向的，未必是下一个模型刷新多少项纪录，而是企业是否愿意继续为这些能力买单。只有当需求端持续证明自己的价值，这场席卷全球的AI基础设施建设浪潮才有可能继续向前。
