AI股集體回調(diào)，大模型敘事危機

很多人覺得現(xiàn)在AI越來越好用，那么公司發(fā)展就會越來越好，企業(yè)股價也會越來越高。但實際情況不是這樣，對于股價而言，除了產(chǎn)品能力外，成本和敘事邏輯也是非常重要的考量因素。

簡單來說，目前就是普通用戶感受的AI是模型越來越聰明、越來越好用。但企業(yè)客戶看到的，是AI賬單越來越厚。

最近這輪股價回調(diào)，敘事邏輯就是這個：大模型成本太高，導致用戶使用意愿下降。數(shù)據(jù)顯示，Silicon Data的LLM Token支出指數(shù)從2025年底到2026年5月底幾乎翻倍，峰值逼近2美元/百萬Tokens，但進了6月就快速回落到1.6到1.7美元區(qū)間。AI推理單價從高位松動了，這是個行業(yè)轉(zhuǎn)折的信號。

過去半年，Anthropic靠產(chǎn)品實力成了市場焦點。Claude系列模型在企業(yè)服務和專業(yè)編程場景的表現(xiàn)穩(wěn)居第一梯隊，優(yōu)勢扎實。Anthropic 2026年上半年年化營收快速攀升，其中Claude Code靠著高精度代碼審查和復雜邏輯開發(fā)能力，拿下大量企業(yè)客戶，是它營收增長的主要拉動力。

之前行業(yè)增長邏輯很順，模型性能升級帶動企業(yè)使用意愿提升，市場付費需求不斷釋放，高單價高端模型的落地占比也在提高，頭部AI企業(yè)營收順勢滾雪球式增長，商業(yè)化前景大家都看好。

但企業(yè)采購從來都是極致理性的商業(yè)決策，不是跟風投情懷。AI算力和Token消耗成本一路走高，擠壓企業(yè)利潤空間的時候，CFO必然下場管控。財務視角一進來，企業(yè)的AI選型標準就變了。行業(yè)通用的"模型越強越好"，在企業(yè)實操中迅速變成了"夠用就行、性價比優(yōu)先"。

2026年6月起，企業(yè)AI應用開始轉(zhuǎn)型。從粗放式的"先用起來、快速落地"，轉(zhuǎn)向"算清楚再用、控成本落地"。

Business Insider的行業(yè)調(diào)研印證了這個趨勢。越來越多企業(yè)團隊不再盲目追求高Token消耗、堆砌高端模型，而是按業(yè)務復雜度分層匹配模型資源，高價高精度模型用在核心場景，低成本通用模型落地到日常標準化流程，算力和成本做到最優(yōu)配置。瑞銀（UBS）最新數(shù)據(jù)也顯示，約60%的企業(yè)已經(jīng)出臺AI支出管控規(guī)則、搭起了成本護欄，原因很直接，AI投入產(chǎn)出比失衡，成本壓力擺在那。

這個變化直接戳中了Anthropic年化營收（ARR）的軟肋。Claude的模型硬實力確實還領(lǐng)先，GPT系列也還是多數(shù)企業(yè)的首選高端模型，但企業(yè)的AI工作流早就過了單一模型壟斷的階段，混合模型、分層調(diào)用成了新的常態(tài)。

現(xiàn)在一套成熟的企業(yè)AI應用架構(gòu)已經(jīng)成型。企業(yè)只把20%到30%的核心高難度任務，比如業(yè)務規(guī)劃、復雜邏輯推理、高精度代碼審查、關(guān)鍵經(jīng)營決策支持，交給Claude、GPT這些高價閉源模型處理。剩下70%到80%的標準化、低難度日常任務，像智能客服、基礎(chǔ)文案生成、數(shù)據(jù)清洗、普通代碼補全、內(nèi)部知識庫問答，全部切到GLM、Qwen、DeepSeek、Kimi這些高性價比低價模型。

這種分層調(diào)用結(jié)構(gòu)普及后，行業(yè)整體Token消耗總量還會增長，但高價模型的Token占比會一直往下掉。對OpenAI、Anthropic這些頭部高端模型廠商來說，表面看用戶調(diào)用量數(shù)據(jù)還很亮眼，但營收結(jié)構(gòu)質(zhì)量、盈利增長韌性都會逐步弱化，高毛利增長紅利在退。

更有沖擊力的是，平價開源、普惠模型的迭代速度遠超市場預期。路透社最近報道，智譜的GLM-5.2模型靠著性能和性價比的雙重優(yōu)勢，在海外開發(fā)者社區(qū)快速出圈，通用場景和常規(guī)編碼領(lǐng)域的存在感越來越強，不斷分流高端模型的日常業(yè)務需求。這個趨勢繼續(xù)擴散，頭部模型廠商的營收曲線會直面三重壓力。

首先是Token用量和營收增長脫鉤。企業(yè)會繼續(xù)深化AI落地、擴大使用規(guī)模，但會把低難度、標準化任務往低價模型遷，出現(xiàn)"調(diào)用量往上走、營收增速往下走"的背離。其次，企業(yè)續(xù)約議價能力大幅提升。客戶已經(jīng)摸清了模型分層選型的邏輯，不再盲目為高端模型溢價買單。廠商想維持高價體系，必須證明高端模型在核心場景不可替代，光說"性能更強"已經(jīng)撐不起高定價了。還有一個變化，AI廠商的競爭賽道在遷移，從單純賣模型算力、算法能力，轉(zhuǎn)向輸出完整的企業(yè)級解決方案。未來企業(yè)愿意付高溢價的，是安全合規(guī)、系統(tǒng)穩(wěn)定、權(quán)限管控、審計追溯、私有化部署、工程集成、行業(yè)專屬知識沉淀這些綜合能力，有完整企業(yè)服務能力的廠商，才能守住高質(zhì)量高毛利收入。

基于這個變革，2026年7到9月會成為AI商業(yè)化的關(guān)鍵壓力測試期。市場觀察維度得升級了，不能只盯著頭部廠商的用戶增量、Claude和GPT的調(diào)用量增速。

觀測的重點在于幾個問題。頭部廠商年化營收、滾動營收會不會跌破市場之前的線性增長預期？大客戶續(xù)約落地單價有沒有明顯下壓？高價閉源模型在企業(yè)真實工作流中的落地占比是不是一直在降？Claude Code這些標桿產(chǎn)品，能不能持續(xù)驗證自己的價值，從"好用的工具"變成企業(yè)"離不開的剛需"。一旦高端模型營收增速放緩，整條AI硬件產(chǎn)業(yè)鏈都要重新評估邏輯。

之前AI半導體、存儲板塊的高景氣敘事，前提是前端AI應用高速增收，模型廠商不斷加大算力投入，買GPU、HBM，擴容數(shù)據(jù)中心，資本開支持續(xù)擴張。只要商業(yè)化敘事成立、營收增長符合預期，算力產(chǎn)業(yè)鏈的高景氣就能延續(xù)。

但如果頭部廠商ARR增長不及預期，資本市場會快速重構(gòu)估值邏輯。質(zhì)疑集中在幾個點上。算力擴張的投資回報周期會不會大幅拉長？推理側(cè)價格一直下行，會不會壓縮單位算力的盈利空間？存儲、網(wǎng)絡、服務器、液冷這些細分硬件賽道的訂單節(jié)奏，有沒有錯配、透支的風險？

這倒不是說AI基礎(chǔ)設(shè)施的長期行情結(jié)束了。企業(yè)AI深度落地、算力規(guī)模化應用的長期趨勢沒變，行業(yè)基本面還堅挺。真正的風險在于，資本市場擁擠的賽道倉位，最怕的是行業(yè)增長斜率放緩，不是行業(yè)消亡。當AI營收從"陡峭高增、確定性拉滿"變成"有待驗證、增速分化"，高杠桿資金會率先收縮容錯空間、調(diào)整持倉結(jié)構(gòu)。OpenAI、Anthropic還是行業(yè)標桿，但龍頭地位不代表沒有波動行情，越是被市場當作確定性資產(chǎn)，越需要真實、超預期的營收數(shù)據(jù)來兌現(xiàn)估值。

6月Token支出指數(shù)從高位回落，就是行業(yè)發(fā)出的提前預警。AI行業(yè)粗放式增長時代落幕了，企業(yè)端成本管控時代開始。接下來的季度窗口，會檢驗AI商業(yè)化的真實韌性。高端模型增長紅利退潮后，AI硬件產(chǎn)業(yè)鏈的景氣度也會階段性降溫，存儲、服務器這些高彈性細分賽道，大概率率先迎來估值和訂單節(jié)奏的調(diào)整。

我的知識星球《譚談財經(jīng)》，內(nèi)容包括：

（1）金融、房產(chǎn)、時政、職場和社會思考等領(lǐng)域的深度思考，由于面向私域，所以并非”刪減版“

（2）收集的有價值的學習資料，包括外資研報原文、電子書籍等

（3）房地產(chǎn)和金融周報各一篇，分析未來房產(chǎn)走勢&有價值的投資領(lǐng)域

（4）每日最新各類有價值的金融數(shù)據(jù)、政策動向簡評

（5）大家的問答，主要覆蓋房產(chǎn)、投資、生活，集思廣益、提升認知