AI token价格下跌引发Jevons悖论，英伟达黄仁勋押注需求驱动硬件溢价

一句话结论

AI token价格持续走低但用量激增，Jevons悖论推动H100 GPU租赁价格坚挺，成为黄仁勋最期待的市场剧本。

关键要点

• 2026年8月数据（来自Ornn、Silicon Data、Bloomberg）显示：AI token价格持续下降，但H100 GPU租赁价格持平或上涨，形成典型Jevons悖论。
• 16z称此为“教科书式Jevons悖论”：单位成本下降幅度小于总需求增长幅度，硬件稀缺性与高价得以维持。
• 需求来源结构不透明：Agentic AI（智能体AI）以极高速率消耗token，人类用户贡献占比未知；系统自驱动消耗可能人为放大计算需求。
• 整个价值链依赖一个前提假设：AI使用量增速必须持续超过token单价降幅，否则芯片制造商、内存供应商、能源提供商与云服务商将同步承压。
• 市场敏感度高：此前有报道称OpenAI年化收入可能低于早前披露值，美国股市即因此下跌，显示投资者对该增长假设的依赖程度。

背景与事实

2026年8月，多方数据源（Ornn、Silicon Data及彭博社）记录到AI市场呈现明确的Jevons悖论特征：随着大语言模型推理效率提升与规模化部署，单位token价格持续下探，但下游应用对计算资源的总需求并未按线性比例收缩。相反，H100 GPU的租赁价格维持高位甚至出现上行趋势。这一现象与经典经济学中“效率提升反而增加总消费量”的Jevons悖论高度吻合。a16z（Andreessen Horowitz）在评述中将其定义为“教科书式”案例，强调价格下降解锁了更多智能体应用、自动化工作流及此前因成本过高而无法商业化的新场景，从而使用量增速超越单价跌幅。

市场对该逻辑链条的依赖性已通过近期波动得到验证。当关于OpenAI年化收入可能低于此前市场预期的报道出现时，美国股市相关科技板块随即下跌。这一反应表明，投资者与硬件供应链已将“AI使用量持续高速扩张以抵消token降价”作为核心定价假设。若该假设破裂——即需求增速放缓或停滞——传导路径将从云端服务商向上游延伸至芯片设计、制造、内存及能源基础设施，形成系统性冲击。黄仁勋作为英伟达CEO，其公开立场与产品策略高度契合Jevons悖论场景：持续扩大AI算力市场，使GPU成为类似石油的战略性稀缺资源。

影响分析

对中文开发者与从业者而言，这一趋势的实际影响首先体现在基础设施采购策略上。过去两年的常见假设是“token降价将快速降低AI应用成本，开发者可等待硬件性能自然演进”，但Jevons悖论表明，单位成本下降会被用量增长抵消，H100等高端GPU的租赁与采购价格在可预见周期内不会随模型价格下跌而松动。开发者应重新评估长期算力合同的性价比，避免在token价格下跌窗口期误判硬件需求走势。

此外，市场对OpenAI收入预期的敏感反应提示，国内AI初创企业的融资叙事若过度依赖“token降价利好”逻辑，可能在资本市场遭遇估值回调。硬件供应链的紧张程度将与AI应用增长预期直接挂钩，从事AI基础设施服务、数据标注、模型微调的团队需关注上游芯片供应节奏变化，而非仅关注模型API定价。

适用边界

上述Jevons悖论分析建立在AI使用量持续显著增长的前提之上。若出现以下任一情形，结论不成立：（1）Agentic AI商业化进程受阻，系统自驱动token消耗未达预期规模；（2）人类用户增长进入平台期，新增应用无法拉动总调用量；（3）模型推理效率提升速度远超需求增速，使token单价降幅长期超过用量增幅，导致GPU租赁价格承压。此外，该分析基于2026年8月的数据快照，若未来芯片架构迭代（如下一代GPU能效比大幅提升）或能源成本结构发生根本变化，H100租赁价格与token价格的关联度将重新校准。本文不涉及对特定企业财务数据、芯片出口管制政策或国内算力中心建设规划的判断。

孤本观察

来源：The Decoder