資本、Token與消費者剩余：2026人工智能經濟待解的三大底層命題

1750億美元年收入、2萬億美元資本承諾、30Q月均Token消耗——AI經濟正以前所未有的速度膨脹。但繁榮之下，三個底層命題決定著這究竟是新一輪長周期的起點，還是一場資本過度燃燒的盛宴。

Exponential View 發布的 《2026人工智能經濟現狀報告》 ，通過自下而上的線級收入模型，首次去重還原了全球（除中國外）生成式AI經濟的真實圖景。報告的核心結論可以濃縮為三個待解命題：資本能否收回？Token能否成為價值的度量衡？消費者剩余最終會流向誰？

一、2萬億美元的資本開支，誰來買單？

這是懸在AI經濟上空最大的問號。

頭部云廠商和新型云服務商到2026年的累計資本支出將達 2萬億美元。僅2026年一年，AI相關資本支出就較此前的趨勢線高出 5350億美元。英偉達的供應承諾從一年前的310億美元增至950億美元；美國電網預計到2030年新增的電力負荷中，數據中心約占 55%。

好消息是：需求真實存在。 截至2026年6月，全球生成式AI經濟年化收入已超 1750億美元（經去重處理）。頭部云廠商的合同 backlog（剩余履約義務）持續攀升，表明企業客戶正在鎖定未來算力。

更關鍵的信號來自租賃市場。報告指出，H100 GPU的一年期租賃價格自2024年底部已反彈約30%，顯示算力需求正在吸收已有供給。

但算一筆簡單的賬：建設 1GW 的AI數據中心，年化擁有和運營成本約為 79億美元，其中資本成本（折舊+資金成本）占 89%。以運行Kimi-class模型為例，每萬億Token需分攤的基礎設施成本在 0.5至1.3美元之間。當前AI收入已能覆蓋季度折舊費用——2026年Q1的“緩沖空間”（收入減去折舊后的剩余比例）約為 19%。這意味著，在扣除運營成本之前，約81%的收入已被折舊消耗。

隨著更多AI資本支出在未來幾年投入使用，折舊基數將持續擴大。如果收入增長、利用率和定價不能持續提升，緩沖空間將再次收窄。

資本命題的本質是時間的賽跑：是收入增長跑贏折舊疊加，還是沉重的固定成本壓垮回報率？

二、Token是AI的“點擊”，但它是“價值”嗎？

“輸入是電子，輸出是Token，中間是Nvidia。”——黃仁勛的這句斷言，定義了AI經濟的計量單位。

全球月度Token處理量已超30Q（3京），同比增長14倍。 從Chat到Agent的轉型正在加速這一趨勢：Agent工作負載中工具調用密度持續上升，單任務的Token消耗從簡單對話的數千級躍升至數十萬級。

Token定價遵循一條清晰的規律：價格每下降10%，用量增長12%至18%，總Token支出仍在上升。 Google的Token價格下降了 97%，用量增長了 50倍；字節跳動豆包的日Token用量在一年內增長了 12倍****，而價格下降了50%。Token需求呈現顯著的 彈性 **。

Token計價正在成為AI時代的“按點擊付費”時刻。從免費的廣告模式，到訂閱制的席位定價，再到按Token計量的使用費——Token讓AI的價值歸因第一次變得可能。

但Token還不是“價值”本身。報告指出兩個關鍵問題：

第一，質量差異巨大。 GPT-5與開源模型的Token，在智能層面差距顯著。報告引用了多種能力評估指標——ECI、METR任務時長、Artificial Analysis智能指數——顯示前沿模型的能力仍在快速提升。

第二，質量調整后的Token產出增長，基本跟上了原始Token量的增速。 從2025年1月到2026年4月，原始Token總量增長了 39倍，而經質量調整后的Token產出增長了約 33倍至59倍（因不同評估指標而有所差異）。這意味著Token的“貶值”被質量的“升值”部分對沖。

Token命題的本質是度量衡的建立：如果沒有一個可靠的價值單位，AI經濟就難以像傳統經濟那樣被精確計量、定價和交易。

三、消費者剩余——GDP測不到的價值，最終屬于誰？

AI經濟的最大悖論在于：它創造的“價值”遠大于“收入”，而大部分價值可能不會被任何公司捕獲。

AI收入僅占美國GDP的 0.42%，而整個IT行業占 9.4%。但報告引用的斯坦福數字經濟實驗室研究顯示，美國消費者愿意每月支付約40美元以保留對AI工具的訪問權，換算為月度消費者福利約 100億美元，是同期消費者AI支出的數倍。

這種“GDP測不到的價值”在歷史上屢見不鮮：電燈讓照明成本下降了99.97%，但GDP幾乎沒有記錄這一收益；免費搜索引擎、地圖和百科全書為每人每年創造了約17,500美元的價值，同樣未被GDP捕捉。

AI正在沿著同一條路徑演進：免費或低價的AI工具正在取代付費服務，產生巨大的消費者剩余，卻不直接體現在收入或GDP中。

更重要的是價值捕獲的遷移。報告的價值鏈分析顯示：應用層和模型層的收入占比正在上升，基礎設施層在下降。 2024年Q1基礎設施還占據約50%的AI收入份額，到2026年Q1已降至約 35%，而應用層從約30%升至近 45%。

與此同時，前沿模型的定價權正在被壓縮。 一年前的模型能力，如今已接近商品化定價——上一代前沿模型的定價下降了 90%以上。開源模型在OpenRouter的Token份額中持續上升，表明即便是付費用戶也在轉向低成本替代品。

這意味著：如果所有層級的成本都持續壓縮，最終捕獲最大剩余價值的可能不是芯片商、不是云廠商、不是模型商，而是終端消費者。

三個命題，一個核心矛盾

資本、Token、消費者剩余——三個命題最終指向同一個核心矛盾：

AI正以前所未有的速度創造價值，但尚未證明它能以足夠高的利潤率回收投入的資本。

需求真實且增長迅猛——AI的增長速度是過去任何一次IT浪潮的3倍。 但資本投入的增長同樣驚人。報告明確指出：AI經濟的關鍵問題不在于需求是否存在，而在于“更便宜的AI能否創造足夠大的用量和利潤空間，來消化人類科技史上最大規模的基建投資”。

接下來12到18個月，將是檢驗這一矛盾能否調和的關鍵窗口。如果答案是肯定的，AI將開啟新一輪長周期繁榮；如果答案是否定的，這場轟轟烈烈的建設潮可能會留下過剩的算力和承壓的資產負債表。

正如報告結語所言：“AI需求比以往任何平臺級變革都更經得起收入檢驗。投資案例最終歸結為一個問題——價格的下降能否推動足夠的Token量，來為這筆資本支出賺取回報。”

數據指向樂觀，但安全邊際尚薄。 這就是2026年人工智能經濟的真實狀態。

報告節選