Apollo 的 John Zito 在摩根士丹利美国金融股大会上表示，以 token 为基础的衡量方式通过追踪吞吐量而非商业价值，导致对人工智能（AI）经济性的错误定价。他的判断将 token 重新定义为“副产品”而非生产力指标，并将焦点转向每单位“有用智能”的成本。在这一框架下，即使市场叙事仍围绕 token 数量，AI 的价格也被描述为在下降。
然而，单位成本下降并不必然带来总支出下降：使用量激增仍可能推高整体账单，并促使 CFO 加强治理。企业正从“免费自助餐”阶段转向设置上限、预警、模型路由与更严格的成本控制。在投资回报（ROI）清晰的前沿模型上，高溢价定价料将持续；而低价值任务将迁移至更便宜的选项。更广泛的 AI 交易逻辑可能延续，但随着市场区分“真正的智能杠杆”与“无节制算力消耗带来的增长”，估值倍数将面临更严苛审视。
效率压过增长：AI 投资叙事的新主轴
我们观察到，市场开始理解 AI 叙事正从单纯的增长故事，转向“效率”故事。所谓 AI 支出是一列失控列车的观点正在被挑战，因为企业如今更关注这笔支出的投资回报。这意味着不加区分地买入任何与 AI 相关的资产，可能正走向终结。
这一转变已在数据中体现。主要云服务商最新的 2026 财年第一季业绩显示，尽管整体 AI 消耗量上升，但最昂贵的前沿模型 API 增长率已从按年 60% 放缓至 45%。与此同时，其平台上更小型的开源模型使用量增长逾三倍，印证客户正主动为非关键任务寻找更便宜的替代方案。
在我们看来，这将显著推高大型 AI 基础设施玩家的波动率。以 NVIDIA 为例，其 2026 年 7 月即将公布的业绩将是关键测试；我们认为在企业推动效率的背景下，期权市场低估了指引被下修（或调整）的风险。在财报前买入跨式（straddle）或宽跨式（strangle），可能是布局股价双向大幅波动的审慎方式。
这种模式并非首次出现，尤其类似 2000 年代初市场从看重“眼球”转向看重真实盈利。每单位有用智能的成本正在崩塌，趋势近似摩尔定律，但市场仍在按企业出售的原始算力规模给予奖赏。近期一项分析显示，复杂编码查询的成本在过去 18 个月内下跌逾 90%，对以溢价出售原始处理能力的公司构成强烈的通缩逆风。
交易策略与市场含义
这一局面为配对交易（pair trade）创造了明确机会。我们倾向做多提供 AI 成本管理与效率工具的“卖铲子与镐”的公司，同时做空那些估值倍数未反映未来利润率压缩的纯算力供应商。举例而言，ServiceNow 上月宣布推出新的 AI 成本控制平台，正是能从企业审视强化的新阶段中受益的标的类型。
更广泛市场似乎偏向自满：尽管基本面正在发生结构性变化，VIX 仍徘徊在接近 14 的低位。这意味着当前对冲成本相对便宜。我们认为，买入一篮子高估值 AI 软件公司的看跌期权（put）是一种具成本效益的策略，尤其是那些仅将昂贵的第三方模型“嵌入”产品、但自身缺乏定价权与成本控制能力的公司，可用以押注即将到来的 AI 估值倍数“审计”。
