Ang pangunahing kuwento sa pag-invest sa AI infrastructure ay nakakaharap sa malubhang hamon sa antas ng unit economics. Ang pagbaba ng presyo ng token ay nangyari nang mas mabilis kaysa sa inaasahan; ang High Silicon Data LLM Token Expenditure Index ay bumaba ng 29% sa isang buwan noong Agosto patungo sa halagang humigit-kumulang $0.97, una nang bumaba sa ilalim ng $1 bawat milyong token. Samantala, ang paggamit sa platform na OpenRouter ay tumataas ng 47% ngunit ang gastos sa dolyar ay tumaas lamang ng 7%. Ang pagkakaiba sa pagitan ng pagtaas ng volume at pagbaba ng presyo ay nagpapakita ng pangunahing konsentrasyon: ang return sa stock market ay nakabatay sa dolyar, hindi sa bilang ng token. Ito ay nagmarka ng fundamental na pagbabago sa lohika ng kita na nagtustos sa valuation ng AI sector sa nakaraang dalawang taon, at ang credit market ay nagsimula nang magbigay ng babala.

May-akda ng artikulo, pinagkukunan: Wall Street Journal

Ang pangunahing kuwento sa pag-invest sa AI infrastructure ay nakakaranas ng malubhang hamon sa antas ng unit economics. Ang bilis ng pagbaba ng presyo ng token ay lumampas sa dating inaasahan ng merkado, na nagdudulot ng pangunahing pagbabago sa lohika ng kita na nagbigay-daan sa pagtataya ng AI sector sa nakaraang dalawang taon.

Ayon sa pinakabagong ulat ni Rich Privorotsky, pangulo ng trading desk ng Goldman Sachs One-Delta, bumaba ang Silicon Data LLM Token Expenditure Index (kode: SDLLMTK), na sumusukat sa weighted average price ng bawat milyong token sa merkado, ng 29% sa buong Agosto, at nagsimula sa halos $0.97 sa huli ng buwan, na naging pinakamababang antas sa kasaysayan, at mas malaki pa sa 50% ang pagbaba kumpara sa mataas na antas noong Mayo na halos $2.05. Ito ang unang pagkakataon na bumaba ang index sa ilalim ng $1 bawat milyong token.

Samantala, ayon sa report ng data center ng JPMorgan, ang paggamit ng Token sa platform na OpenRouter ay tumataas ng humigit-kumulang 47% mula sa nakaraang buwan, ngunit ang gastos sa dolyar ay tumataas lamang ng humigit-kumulang 7%. Ang pagkakaiba sa pagitan ng pagtaas ng volume at pagbaba ng presyo ay diretso na ipinapakita ang pangunahing kontradiksiyon sa kasalukuyang lohika ng pag-invest sa AI: ang return sa stock market ay kalkulahin sa dolyar, hindi sa bilang ng Token, at ang kapital expenditure ng mga supermalaking data center ay batay sa inaasahang kita sa dolyar.

Sinabi ni Privorotsky sa ulat na, "Hindi awtomatikong mabuti ang pagbaba ng presyo kung mas mabilis ang pagbaba nito kaysa sa pagtaas ng konsumo, kahit may mas maraming demand at mas mababang presyo."

Pagbaba ng presyo ng token: Hindi nawawala ang demand, kundi nagkakasira ang presyo bawat yunit

Ang LLM Token Expenditure Index ng Silicon Data ay hindi isang tukoy ng demand para sa mga token, kundi isang price index na may timbang sa paggamit. Ang kompanya mismo ay nagpaalala sa merkado na ang pagbaba ng index ay maaaring dulot ng pagbaba ng presyo, paglipat ng mga user patungo sa mga open-source model na mas mura, o pareho, at hindi nangangahulugan na bumababa ang paggamit ng AI.

Gayon, ito ang problema. Ang paggalaw ng OpenRouter ay umabot sa mataas, ngunit bumaba ang presyo ng pag-rent ng H100 GPU—na nagtatapos sa pagtutol sa kuwento ng “malaking pagtaas ng demand para sa Token”. Sinabi ni Privorotsky na ang datos para sa Agosto ay nagpapakita ng malinaw na pattern: malaking pagtaas sa volume, mas malaking pagbaba sa presyo, at halos walang pagbabago sa gastos sa dolyar.

Ang konklusyon ng Goldman Sachs ay: ang pagpapasya sa equity sa nakalipas na dalawang taon ay batay sa ipinapalagay na “higit pang Token ay mas maraming kita,” at ang datos sa Agosto ay unang malinaw na nagbago sa hipotesis na ito.

Pagsisikap sa kompetisyon at lokal na pag-iisip: Structural erosion ng bawat Token pricing model

Sinabi ni Privorotsky sa ulat na may pag-aalinlangan siya sa “pagbabayad batay sa Token” bilang matatag na negosyong modelo. Ang lohika ng pagpapresyo ng cloud inference sa bawat milyong token ay nakasalalay sa tig-tatlong priyedad na dapat magkakasama: ang modelo ay sapat na malaki upang hindi maaaring tumakbo sa lokal, ang mga user ay hindi makakapalit ng open-source na alternatibo, at ang workload ay sapat na biglaan upang hindi maging mabisa ang pagbuo ng sariling computing power. At ang tatlong priyedad na ito ay kasalukuyang nagkakasama sa pagkabigo.

Sa hardware side, ang mga laptop na RTX Spark, ang mga workstation na DGX Spark, ang Mac Studio na nakapagpapatakbo ng mga model na may 70 bilyong parameter, at ang mga NPU na may compute power na 40 hanggang 75+ TOPS ay naiwasan ang marginal cost ng maraming Token hanggang sa halos katumbas ng gastos sa kuryente. Kapag lalampas ang buwanang API bill ng isang kumpanya sa amortization cost ng isang device na halagang $5,000 hanggang $15,000, maging nagiging isang isang-time hardware buyer ang kumpanya, hindi na isang continuous software subscription user na nagdadala ng 40% profit margin.

Sa kompetisyon ng mga modelo, ang Muse Spark 1.3 na ipinakilala ni Meta noong Setyembre 2 ay nasa parehong antas na may GPT-5.6 Sol at Claude Opus 5 sa mga independiyenteng benchmark, at lalo na nakikita ang malakas na pagganap sa mga gawain ng agent at code generation. Sinabi ni Privorotsky, “Ang lider na advantage ay kalkuladong sa linggo, hindi ito isang moat—ito ay bahagi lamang ng product cycle.” Kapag ang susunod na pinakamahusay na modelo ay sapat na malapit at mas mura, ang mga kumpanya ay iiwas sa premium tier, at ang index ng presyo ng token ay ang agregadong pagpapakita ng desisyong ito.

Napapress ang lohika ng capital expenditure: Ang credit market ay nagsimula nang magbigay ng babala

Ang report ni Goldman Sachs ay nagpapakita na ang current cycle ng paggastos sa kapital para sa AI ay hindi isang flexible na operational expense, kundi isang naka-lock na komitment sa malalaking asset. Ayon sa report, ang kabuuang paggastos sa kapital ng limang pinakamalaking cloud provider na may rating ay inaasahang umabot sa halos $737 bilyon noong 2026, o humigit-kumulang 38% ng kanilang kita. Ang Moody’s ay naglabas ng babala tungkol sa pagbaba ng free cash flow, ang pagbabago ng balance sheet mula sa light asset patungo sa heavy asset, at ang mga lease commitment na hindi nakikita sa bonds ngunit may praktikal na pagpapahintulot sa mga issuer.

Ang reaksyon ng credit market ay nangyari bago ang stock market. Ayon sa isang pag-aaral sa mga kaugnay na bond, sa 91 na malaking bond na inilabas ng mga malalaking cloud provider para sa 2026, may 78 na naba-below na ang issue price bago ang katapusan ng Agosto. Tinawag ni Privorotsky ito bilang “repricing ng credit,” at binanggit niya na ang valuation multiples ng stock ay isang lagging indicator.

Malinaw ang kanilang logika: Pagbaba ng presyo ng Token ng 30%, pagtaas ng paggamit ng 20%, nagresulta sa pagbaba ng kita mula sa inference; habang ang depreciation at interes sa panahon ng pagtatayo mula 2025 hanggang 2027 ay patuloy na tumataas, bumagsak ang rate ng return sa investm ent; pagkatapos bumagsak ang rate ng return sa investment, hindi kailangan ng market ng dramatikong kuwento ng “pagsabog ng bubble”—sapat na lamang na i-adjust ang valuation multiples upang maipakita ang antas ng isang utility company na may malaking assets ngunit may limitadong kakayahang tatakasan ang presyo.

GPT-6 Astra: Ang tanging natitirang variable ng narrative twist

Sa ulat, isinama ni Privorotsky ang susunod na henerasyon ng modelo ng OpenAI, ang Astra, bilang tanging malapit na katalis na maaaring magbago ng sitwasyon. Noong Setyembre 1, sinabi ng OpenAI na natapos na ng Astra ang kritikal na pagsusuri sa网络安全 sa ilalim ng kanilang Preparedness Framework, gawing unang modelo na isama sa kategoryang ito.

Gayunpaman, nananatiling maingat ang trading desk ng Goldman Sachs. Hindi awtomatikong nagpapuno ng token income pool ang isang agresibong modelo na may limitadong pag-access, kailangan ng pagmamasid, at mataas na paggamit na pagkakasira. Kung palaging nananatili ang mga mataas na halaga ng workload sa kontroladong pagsubok at hindi pumasok sa publikong sistema ng pagbabayad, maaaring bawasan ng Astra ang bilang ng mga token sa pagbabayad.

Ang konklusyon ng ulat ay: Ang Astra ay ang huling malapit na pambabagong pagbabago na makakapagpabalik sa portfolio ng kita sa mas mataas na halaga. Bago ito, ang data ng presyo ng Token noong Agosto ay ang pinakatotoong signal ng kasalukuyang kalagayan ng merkado—ang pangangailangan ay maaaring lumago nang walang hanggan, ngunit kung ang presyo sa panahon ng pagdating ng walang hanggang pangangailangan ay hindi makakapagbalik sa gastos ng utang na ginawa para sa pagbuo ng data center, maaari pa ring bumaba ang presyo ng mga aktibo.