Narratif utama dalam pelaburan infrastruktur AI sedang menghadapi cabaran serius pada tahap ekonomi unit. Harga token jatuh lebih cepat daripada yang dijangka, dengan Indeks Perbelanjaan Token LLM Silicon Data Goldman Sachs turun 29% pada bulan Ogos ke sekitar $0.97, pertama kali jatuh di bawah paras $1 setiap juta token. Sementara itu, penggunaan platform OpenRouter meningkat 47%, tetapi perbelanjaan dolar hanya meningkat 7%. Perbezaan guna naik, harga turun ini mengungkap kontradiksi utama: pulangan pasaran saham dihitung dalam dolar, bukan jumlah token. Ini menandakan perubahan mendasar dalam logik pendapatan yang selama dua tahun terakhir menyokong penilaian sektor AI, dengan pasaran kredit telah lebih dahulu mengeluarkan amaran.

Penulis artikel, sumber: Wall Street Journal

Cerita utama dalam pelaburan infrastruktur AI sedang menghadapi cabaran serius pada tahap ekonomi unit. Laju penurunan harga token telah melampaui jangkaan pasaran sebelumnya, menyebabkan logik pendapatan yang menjadi asas penilaian sektor AI dalam dua tahun terakhir mengalami guncangan mendasar.

Menurut laporan terkini daripada Rich Privorotsky, ketua meja perdagangan One-Delta di Goldman Sachs, Indeks Perbelanjaan Token LLM Silicon Data (kod: SDLLMTK), yang mengukur purata harga berbobot setiap juta token, turun 29% pada bulan Ogos, menutup pada kira-kira US$0.97 pada akhir bulan, mencatatkan rekod terendah sejarah, dengan penurunan kumulatif melebihi 50% berbanding titik tertinggi pada Mei pada kira-kira US$2.05. Ini merupakan kali pertama indeks ini jatuh di bawah paras US$1 setiap juta token.

Sementara itu, menurut laporan pusat data JPMorgan, penggunaan Token di platform OpenRouter pada bulan Ogos meningkat sekitar 47% berbanding bulan sebelumnya, tetapi perbelanjaan dalam dolar hanya meningkat sekitar 7%. Perbezaan antara peningkatan jumlah dan penurunan harga secara langsung mengungkapkan kontradiksi utama dalam logik pelaburan AI semasa ini: pulangan pasaran saham dihitung dalam dolar, bukan dalam bilangan Token, dan perbelanjaan modal untuk pusat data berskala besar dikira berdasarkan jangkaan pendapatan dolar.

Privorotsky dalam laporan itu secara jelas menyatakan, "Lebih banyak permintaan ditambah harga yang lebih rendah, jika harga jatuh lebih cepat daripada kadar pertumbuhan penggunaan, tidak secara automatik menjadi perkara positif."

Harga token runtuh: bukan permintaan hilang, tetapi harga unit sedang runtuh

Indeks Perbelanjaan Token LLM Silicon Data bukanlah ukuran permintaan token, tetapi indeks harga yang ditimbang berdasarkan penggunaan. Syarikat tersebut sendiri telah memperingatkan pasaran bahawa penurunan indeks ini mungkin disebabkan oleh penurunan harga, peralihan pengguna ke model sumber terbuka berkos rendah, atau kedua-duanya, dan tidak bermakna penggunaan AI sedang menyusut.

Namun, inilah tepatnya masalahnya. Jumlah rute OpenRouter meningkat drastis, tetapi harga penyewaan GPU H100 justru turun—ini bertentangan dengan narasi “permintaan token melonjak”. Privorotsky menunjukkan bahawa data bulan Ogos menunjukkan pola yang jelas: volume meningkat tajam, tetapi penurunan harga lebih besar, dan perbelanjaan dalam dolar hampir tidak berubah.

Kesimpulan Goldman Sachs ialah: penetapan harga ekuiti dalam dua tahun terakhir berdasarkan anggapan bahawa "lebih banyak token sama dengan lebih banyak pendapatan", dan data Ogos pertama kali memecahkan anggapan ini dengan jelas.

Peningkatan persaingan dan inferens tempatan: Erosi struktural model penentuan harga setiap token

Privorotsky dalam laporan tersebut secara terus terang menyatakan keraguan terhadap model perniagaan yang berterusan berdasarkan penagihan mengikut Token. Logik penagihan inferens awan mengikut jutaan Token bergantung pada tiga andaian yang semuanya perlu berlaku serentak: model terlalu besar untuk dijalankan secara tempatan, pengguna tidak dapat menggantikannya dengan alternatif sumber terbuka, dan beban kerja cukup mendadak sehingga membina infrastruktur komputasi sendiri tidak ekonomik. Ketiga-tiga andaian ini sedang runtuh secara serentak pada masa ini.

Di peranti keras, laptop kelas RTX Spark, stesen kerja DGX Spark, Mac Studio yang menjalankan model dengan parameter sebanyak 70 bilion, serta NPU dengan keupayaan komputasi antara 40 hingga 75+ TOPS, telah mengurangkan kos marjinal untuk banyak Token hampir kepada tahap kos elektrik. Apabila bil API bulanan syarikat melebihi kos pengurangan peralatan bernilai USD5,000 hingga USD15,000, syarikat tersebut berubah daripada pengguna Token kepada pembeli peralatan sekali sahaja, bukan lagi pelanggan langganan perisian yang memberi keuntungan 40%.

Dalam persaingan model, Muse Spark 1.3 yang dilancarkan oleh Meta pada 2 September telah berada di kelas yang sama dengan GPT-5.6 Sol dan Claude Opus 5 dalam ujian berasingan, dengan prestasi menonjol dalam tugas agen dan penghasilan kod. Privorotsky menyatakan, “Keunggulan terkini diukur dalam minggu, bukan merupakan parit perlindungan, hanya siklus produk.” Setiap kali model suboptimal cukup dekat dan lebih murah, perusahaan akan mengelakkan lapisan premium, dan indeks harga token merupakan agregasi keputusan rute ini.

Logik perbelanjaan modal mengalami tekanan: Pasar kredit telah terlebih dahulu mengeluarkan amaran

Laporan Goldman Sachs menunjukkan bahawa siklus perbelanjaan modal AI kali ini bukanlah perbelanjaan operasi yang fleksibel, tetapi komitmen aset berat yang telah ditetapkan. Menurut laporan tersebut, perbelanjaan modal lima pembekal awan skala besar yang mendapat penilaian dijangka mencapai sekitar US$737 bilion pada 2026, atau sekitar 38% daripada pendapatan mereka. Moody telah mengeluarkan amaran mengenai tekanan terhadap arus tunai bebas, transformasi neraca dari aset ringan kepada aset berat, serta komitmen sewa yang tidak direkodkan dalam bentuk bon tetapi secara praktis mengikat penerbit.

Tindakan pasaran kredit telah mendahului pasaran saham. Menurut statistik terhadap obligasi berkaitan, daripada 91 obligasi pengeluar awan berskala besar yang dikeluarkan pada 2026, 78 telah jatuh di bawah harga penerbitan sebelum akhir Ogos. Privorotsky menyebut ini sebagai "penilaian semula kredit" dan menunjukkan bahawa gandaan penilaian saham adalah indikator tertinggal.

Rantai logikanya jelas: Harga token turun 30%, penggunaan meningkat 20%, mengakibatkan pendapatan inferens menurun; pendapatan inferens menurun sementara penyusutan dan bunga selama siklus pembangunan 2025 hingga 2027 masih meningkat, menyebabkan tingkat pengembalian investasi runtuh; setelah tingkat pengembalian investasi runtuh, pasar tidak memerlukan narasi dramatis "pecahnya gelembung", cukup dengan menyesuaikan ganda valuasi untuk mencerminkan tingkat perusahaan utilitas yang memiliki banyak aset tetapi kemampuan penetapan harga terbatas.

GPT-6 Astra: Satu-satunya pemboleh ubah naratif yang masih tinggal

Dalam laporan itu, Privorotsky memandang model generasi seterusnya OpenAI, Astra, sebagai katalis terdekat tunggal yang berpotensi membalikkan keadaan. Pada 1 September, OpenAI menyatakan bahawa Astra telah mencapai ambang keselamatan siber utama di bawah Kerangka Kesiapan, menjadikannya model pertama yang dimasukkan ke dalam kategori ini.

Namun, meja perdagangan Goldman Sachs tetap berhati-hati. Model agresif yang memiliki akses terhadap pembatasan, memerlukan pemantauan, dan memiliki hambatan penggunaan tidak secara otomatis mengisi kolam pendapatan Token. Jika beban kerja bernilai tinggi tetap berada dalam pengujian terkendali dan tidak memasuki sistem penagihan publik, Astra bahkan mungkin mengurangi jumlah Token penagihan.

Kesimpulan laporan adalah: Astra adalah pemboleh ubah terakhir dalam jangka dekat yang mampu mengembalikan portfolio pendapatan kepada kelas bernilai tinggi. Sebelum itu, data harga Token pada bulan Ogos adalah isyarat paling sebenar mengenai keadaan pasaran semasa—permintaan boleh tumbuh tanpa had, tetapi jika harga pada masa permintaan tak terhingga datang tidak mampu menutup kos hutang yang dikeluarkan untuk membangunkan pusat data, harga saham masih boleh turun.