引言：一个反直觉的信号

2026年，AI行业出现了一个让市场分化的信号。 一方面，Token总支出指数在5月后掉头下行，市场开始担忧AI硬件投资的“泡沫”正在破裂。另一方面，超大规模云厂商的资本支出却在2026年集体飙涨：亚马逊约2000亿美元、微软约1900亿美元、谷歌约1850亿美元、Meta约1450亿美元——四家合计突破6500亿美元，较2025年增长60%以上。 同一个市场，给出了两个完全矛盾的信号。这究竟意味着什么？

答案藏在一个160年前的经济学悖论里。

1865年，英国经济学家威廉·斯坦利·杰文斯在《煤炭问题》一书中提出了一个与直觉相反的洞见：当技术进步提高了资源的使用效率时，这项资源的总消耗量反而会增加，而不是减少。

杰文斯观察到，瓦特改良蒸汽机使煤炭燃烧效率大幅提升。按照直觉，效率高了，用煤应该更少才对。但现实恰恰相反：更便宜、更高效的蒸汽机刺激了钢铁、铁路等行业空前扩张，英国的煤炭消耗总量急剧飙升，煤荒反而更加严重。

这就是著名的杰文斯悖论：技术越进步，资源消耗反而越多。

什么是“杰文斯时刻”？

1.1 为什么叫“悖论”？

“悖论”这个词听起来很复杂，但杰文斯悖论的核心逻辑其实非常简单。我们可以用一个日常生活场景来理解它。

假设你住在一个小镇上，油价是每升10元，你每周开车去一次超市，来回消耗10升油，每周油费是100元。突然有一天，加油站宣布油价降到每升2元——便宜了80%。你猜会发生什么？理性人可能会以为，油价降了，你每周的油费开支会从100元降到20元。但现实是：因为油价变得太便宜了，你可能每周去超市的频率从1次增加到3次，还会开车去更远的餐厅、更远的朋友家串门。最终，你每周消耗的汽油总量可能从10升变成了30升，虽然每升便宜了，但总油费60元比油价暴跌后的“理论最低值”20元高出很多。

这就是杰文斯悖论的本质：需求会吃掉技术进步带来的效率红利。

1.2 AI时代的“煤炭”——Token

在AI领域，Token就是新的“煤炭”。

Token是AI处理信息的最小单位：一个汉字约1个Token，一句英文约几十个Token。每一次AI对话、每一段文本生成，都在消耗Token——可以理解为AI的“口粮”。

那么，AI的“油价”在过去几年发生了什么变化？

根据斯坦福大学《人工智能指数报告》，从2022年11月到2024年10月，GPT-3.5级别模型的推理成本下降了280倍。换句话说，完成同样一次AI任务，今天的价格仅为两年前的几百分之一。

按照直觉，成本降了这么多，AI公司的支出应该大幅减少。但事实恰好相反：据行业分析机构测算，OpenAI的推理总支出从2024年的约37亿美元，增长到2025年前9个月的约87亿美元，反而增长了约2.4倍。

为什么？因为Token变便宜之后，原本受预算限制的AI场景快速落地：

以前，一个客服系统主要靠人工，AI只处理少量问题；现在Token便宜了，AI可以处理80%的常规问题——企业省下的成本远超增加的AI支出。

以前，程序员每天调用AI辅助写代码50次；现在可以调用200次，生产率大幅提升，但个人Token消耗量也翻了四倍。

这就是AI领域的杰文斯时刻：技术进步降低了单位成本，却反而刺激了总需求爆炸式增长。

与互联网时代的对比——我们处在哪个位置？

2.1 一个重要的问题：这是泡沫吗？

对于投资者来说，一个自然的担忧是：AI这么热，会不会重演2000年的互联网泡沫？

要回答这个问题，需要理解两个时代的本质区别。

互联网泡沫时期（1994-2000）：Netscape浏览器让普通人第一次“触网”，资本疯狂涌入。1998年下半年开始，纳斯达克相对标普500的超额收益一度接近400%。但当时绝大多数互联网公司几乎没有真实营收，依靠的只是一个“故事”。

AI时代（2022－今）：ChatGPT开启了技术革命，但AI企业的基本面与互联网泡沫时代的公司有本质不同。

区别可以用两组数据概括：

斯坦福大学数据显示，AI推理成本两年内下降280倍——这是真实的技术进步。

与此同时，OpenAI的推理总支出反而增长2.4倍——这是真实的市场需求，而非补贴催生的虚假繁荣。

2.2 三个不应被忽视的核心差异

第一，AI已开始实质性重塑企业运营。

互联网泡沫时期，科技对宏观经济增长的贡献十分有限。华泰证券宏观研究测算，AI对2025年美国GDP增速的直接贡献约为0.2—0.4个百分点，2026年有望上升至0.3—0.6个百分点。贝莱德在2026年展望报告中指出，AI资本支出规模大到足以影响整体宏观，其对GDP的贡献是历史平均水平的3倍。

企业的反应更加直观。据瑞银对12家企业的访谈，没有一家企业表示要缩减AI投入上限。相反，它们通过压缩传统IT开支、优化外部采购等方式，将释放出的资源持续注入AI。这说明AI不是“试水”项目，而是正在成为企业的核心生产力工具。

第二，AI的渗透率仍处于早期阶段。

AI的渗透率仍处于早期扩散阶段，远未触及市场饱和边界。当前产业呈现显著的“头部集中、长尾稀疏”分布特征：头部用户在AI投入强度上极为激进，但绝大多数用户的支出水平仍停留在基础软件订阅的经济当量上。这种极不对称的采用结构意味着，从早期采纳者向主流企业用户群的扩散过程刚刚启动，潜在需求空间尚未被充分定价。

第三，AI Agent正在根本性地改变Token消耗的规模。

传统聊天机器人每次交互只消耗少量Token。而AI Agent——能够自主拆解任务、调用工具、验证结果的智能体——单次完整工作流消耗的Token量是聊天机器人的百倍以上。

据全球权威IT研究机构Gartner预测，到2026年底，约40%的企业应用将内置任务型AI智能体，而2025年这一比例尚不足5%。Zapier的调查显示，72%的企业已在测试或使用AI Agent。这意味着，随着Agent从实验走向规模化部署，Token总需求将从线性增长转变为非线性跃迁。

2.3 “怕错过”与“看数据”的区别

互联网泡沫的核心驱动力是“怕错过”（FOMO）——投资者害怕错过下一个重大机会而疯狂涌入。而当前AI的驱动力中，“怕错过”的成分固然存在，但更重要的是“看数据”——企业正在将AI的投资回报进行量化核算，而数据大多支持继续投入。

当然，这并不意味着AI板块没有局部泡沫。OpenAI在2026年3月的最新融资中估值约8520亿美元，对应约34倍的市销率，而微软的市销率约为10倍。国产大模型的峰值市销率更是高达数百甚至上千倍。这种估值溢价能否被未来盈利消化，需要时间验证。

但归根结底，如果2000年的互联网泡沫是“故事讲得太早、产品跟不上”，那么2026年的AI面临的情况是：产品已经很好用，但商业化进程仍在早期。杰文斯悖论告诉我们，成本下降会驱动需求增长——这正是AI投资逻辑不同于互联网泡沫的底层基础。

投资启示——杰文斯悖论下的四层AI投资结构

3.1 AI产业链正在分层

杰文斯悖论成立的核心含义是：Token价格下降→使用量增长→总支出上升→算力需求持续扩张。但不同层级的算力面临截然不同的前景。

我们可以把AI产业链想象成四层金字塔：

第一层：消费级推理算力——正在“商品化”

面向日常场景（内容生成、文档摘要）的AI推理服务，由于开源模型性能快速提升，价格竞争激烈。据行业数据，推理成本已从2024年初的每百万Token约0.5美元降至目前的0.1美元甚至更低。这一层级的超额利润正在迅速蒸发。

第二层：高端训练与复杂推理算力——仍然稀缺

前沿大模型的训练以及需要极高精度的推理场景，仍然受限于先进算力产能。据市场研究机构估算，英伟达目前占据AI加速器市场约70%—80%的份额，在高端领域的主导地位更为稳固。这一层级的定价权仍然较强。

第三层：任务型Agent算力——需求弹性最大

AI从“回答问题”转向“完成任务”，Agent单次消耗的Token量是传统聊天的百倍以上。随着Gartner预测的40%企业应用内置Agent的目标逐步实现，这一层级的算力需求将是最具爆发力的。

第四层：AI应用——产业链价值最大的那一端

当Token成本降下来，最终真正受益的是能用AI改造业务流程的企业。这一层级的价值不依赖于前沿模型能力，而依赖于对行业场景的理解和对企业工作流的嵌入。

3.2 当前市场的主要分歧与理性态度

2026年以来，市场对AI是否“泡沫见顶”存在分歧。

乐观派认为，AI编程与Agent应用井喷正带动Token算力需求“百倍增长”，叠加北美四大科技巨头数千亿美元的资本开支，AI仍处于爆发早期。

谨慎派指出，全球科技股估值偏高、持仓拥挤是主要挑战，且大模型赛道存在局部估值泡沫。

站在中间立场，理性的投资者应该注意三点：

不必因为估值高就全盘否定AI板块。据中信建投证券研报，当前AI算力产业链的PEG（市盈率相对盈利增长比率）中位数约为0.96，远低于历史牛市主线的见顶水平（2015年TMT行情为3.38倍，2021年核心资产为3.41倍）。这意味着许多高估值的背后对应着高速盈利增长预期。

但要精挑细选，抓住产业链结构性分化的主线。

区分“买故事”和“买数据”——拥有真实盈利支撑、企业客户续费率高的公司更抗周期波动。

结语：历史没有重演，但正在押韵

马克·吐温有一句名言：“历史不会重演，但总会押韵。”

互联网泡沫告诉我们：技术革命可以创造惊人的财富，但也会在泡沫破裂时制造惨痛的亏损。然而，今天的AI与2000年的互联网存在一个本质区别——AI的每一次技术突破，都伴随着Token价格的大幅下降，而价格的每一次下降，都在解锁更大规模的需求。

这，就是杰文斯悖论给AI时代的启示。

当一个行业的效率在不断提升、成本在不断下降、需求反而在加速增长的时候，这个行业的增长故事不会轻易终结。AI不会让算力变得更“省”，而是会让社会用AI用得更“多”。

对于普通投资者而言，真正的投资机会不是猜测泡沫何时破裂，而是理解产业链的价值转移方向——从芯片制造到瓶颈环节，从算力基础设施到应用层的规模化落地。

Token成本的下降不是周期终结的信号，而是新一轮价值创造周期的开始。杰文斯悖论的韵律，正在AI行业奏响。

风险及免责提示：以上内容仅代表作者的个人观点，不构成任何投资建议。