AI 令牌增长被夸大，Anthropic 警示现实

导语

大型语言模型的头条使用指标——处理的“令牌”（tokens）原始计数——已膨胀为AI增长的核心叙事，然而其底层数据值得更仔细审视。CNBC 于2026年4月17日报道称商用模型的令牌量同比上升约300–400%（CNBC，2026年4月17日），这一激增在表面上支持了云提供商、芯片制造商和模型运营商的多年营收增长假设。Anthropic 最近的公开表态与许多市场假设形成对比：该公司指出，令牌指标可能被预处理、合成请求和内部基准测试流量放大，而现实的客户需求增长远低于一些头条数据所暗示的水平（CNBC，2026年4月17日）。对于机构投资者而言，头条令牌增长与具有经济相关性的令牌消费——可计费的、外部的、生产环境流量——之间的区分，对于收入模型、资本支出计划和半导体需求预测至关重要。

背景

令牌计数具有吸引力，因为它简单且表面上客观：每次 API 调用或模型执行都会消耗令牌，将它们汇总可以得到一个易于传播的增长率。然而，不同模型中令牌与经济价值的映射存在差异。一次 1,000 令牌的对话交流可能代表一个付费客户在使用关键业务流程，也可能只是开发者测试、内部基准运行，或是合成生成的工作负载，这些都会在不转换为持续收入的情况下膨胀总体量。CNBC 于2026年4月17日的报道强调，观测到的数百个百分点增长中的很大一部分可能反映这些非代表性类别，而非可货币化使用的相应增长（CNBC，2026年4月17日）。

历史上，当叙事被证明具有误导性时，市场会从原始使用指标转向可变现的关键绩效指标（KPIs）——例如月活跃用户数（MAU）、人均收入（ARPU）和收入留存率等。可比的案例包括2010 年代社交平台指标中报告的参与度被机器人流量掩盖，以及2010 年代末云服务中试用和内部测试在转化前虚增使用量。鉴于大型现有厂商已基于基于令牌的需求轨迹构建资本分配和估值模型，如果观察到实质性更低的转化或计费比率，可能引发重新估值。

时机亦很关键。令牌激增及随后出现的质疑恰逢 GPU 和云基础设施的投资周期。如果 300–400% 的令牌增长很大程度上不可计费或是短暂的，那么芯片制造商与云运营商可能面临产能扩张与实际生产性需求之间的不匹配。相反，如果激增中的重大部分最终转化为企业级 SaaS 支出，则基础设施周期将由实际计费支撑。未来 12 个月的计费转换指标因此将对资本市场具有决定性意义。

数据深度解析

CNBC 报道中的具体数据提供了起点：截至2026年4月17日，令牌量同比估计增长约300–400%（CNBC，2026年4月17日）。据 CNBC 报道，Anthropic 的内部描述表明，当剔除合成和内部流量后，增量的客户驱动令牌可能比头条总量低 30–60%。该区间意味着对市场预测可能需要向下调整，而这对预计的云与 GPU 需求具有即时影响。

将这些令牌增长数据与更广泛的算力需求指标比较。主要云提供商（AWS、Azure、GCP）的公共云收入在最近几个季度通常维持在年率高十位数到低二十位数的增长；因此 300–400% 的 AI 令牌增长似乎与整体企业云采购模式存在不一致（公司文件，2024–2026）。这一差异提出了问题：令牌增长是否集中在少数实验项目和内部工作负载，而非广泛的企业采用。如果令牌增长不能转化为相应的云计费提升，则在高资本开支暴露的厂商中风险最大。

从估值角度看，市场已将 AI 曝光计入部分股票的溢价。NVIDIA（NVDA）以预期持续的 AI 驱动收入与利润扩张计价；若因令牌计数被虚增而导致可寻址市场下修，则对这些预期构成下行风险。同样，拥有基于消费合同的软件供应商和云集成商，若令牌到计费的线性转换假设被削弱，收入与利润轨迹可能与按示范情景大幅偏离。

行业影响

半导体制造商面临最直接的资本化风险。诸如 NVIDIA 等公司已扩大产能并计入对数据中心 GPU 的多年需求；若令牌增长中有显著比例不可计费，则产能吸收的时间线会延长，库存周转放缓。对于云提供商而言，影响具有非对称性：虽然资本开支指引可能被调整，但云提供商更容易灵活安排采购时间，并将在更广泛的服务组合上摊销固定成本。该动态在短期内有利于超大规模云服务商（hyperscalers），相较于专门的芯片制造商而言。

对于软件供应商和系统集成商而言，令牌增长与可货币化需求的区分对合同结构至关重要。按 API 调用或按令牌计价的服务直面收入敏感性；采用固定价格订阅的 SaaS 供应商在一定程度上被隔离，但若客户未从 AI 部署中看到相应的业务成果，则可能出现客户流失。因此，投资者应重新校准模型，以区分开发者/测试消费（低货币化）与企业生产消费（高货币化）之间的增长。

一个相关的比较是数字媒体从基于点击的变现向基于订阅的变现转变：ra