解密Token經濟 2026.08.19

財經一路發 · 2026-08-19

重點

章節

其他節目怎麼看

這一集談到的個股裡，有 6 檔在發布前 30 天內也被其他節目談到（同期共 9 個節目）：0 檔與其他節目同向、0 檔相反。

比較的是各節目公開說法之間的異同，不是對股價的判斷。看多、看空怎麼判定

AI Token經濟學：從Anthropic與OpenAI營收揭露，透視算力變現的關鍵轉折

AI巨頭Anthropic與OpenAI的第二季營收數據揭曉，Anthropic雖繳出年增14倍的驚人成績，卻因市場預期更高而引發AI概念股重挫；OpenAI營收放緩且虧損擴大，更讓投資人對AI變現路徑產生疑慮。本文將從Token經濟學的角度，深入剖析美中AI大模型的成本結構、競爭格局與應用場景落地，探討AI產業是否正從「資本支出驅動股價」轉向「實質獲利檢驗」的關鍵評價調整階段。

AI雙巨頭營收揭曉：Anthropic高成長未達標，OpenAI虧損擴大，市場以重挫回應

在AI 大語言模型的競賽中，兩家最受矚目的公司——Anthropic與OpenAI，不約而同地在近期公布了最新的營收數據。Anthropic已於6月1日遞交IPO申請，預估今年秋天正式上市，目前估值已達2兆美元，市場對其營收能否持續大幅成長、AI是否真能變現，抱持極高期待。

然而，數字揭曉後卻引發市場劇烈震盪。OpenAI第二季營收達67億美元，季增18%，但營業虧損（含股權激勵）從第一季的93億美元大幅擴張至123億美元，顯示實現獲利的路徑可能比預期更漫長。Anthropic第二季營收則達115億美元，季增幅高達140%，與去年同期相比更大增14倍之多；若以7月底的年化營收預估來看，約為650億美元，較今年初成長7倍。

儘管Anthropic繳出極為強勁的營收成長，市場卻毫不買單。原因在於，調研機構Trick or Trends原先預估其年化營收應達700億至800億美元，甚至有人喊出今年可能上看1000億至1200億美元。實際公布的650億美元與預期之間存在約100億美元的落差，這直接觸發了市場的失望性賣壓。

市場反應極為直接且慘烈——從記憶體一路砍到光通訊，費城半導體指數全面重挫，再度跌破月線。這顯示投資人對AI的評價標準正在轉變：過去兩年，資本支出越大、股價漲越兇；如今資本支出越大，股價反而跌得越兇，市場心態已從「無條件樂觀」轉向「實質獲利檢驗」。

Token經濟學入門：從晶片到模型，誰主導AI價值鏈的定價權？

要理解當前AI產業的評價重整，必須回到最根本的「Token經濟學」。所謂Token，就是AI模型在處理文字、圖像或程式碼時所消耗的基本運算單位，也是整個AI價值鏈中最終變現的商品。台灣投入大量資源製造AI晶片，其產生價值的根源，正是因為市場認為這些Token未來能創造巨大的經濟價值。

然而，Token經濟的核心問題在於：究竟是「模型主導」還是「雲端主導」？如果是雲端主導，那麼只要關注微軟、谷歌等CSP（雲端服務供應商）的資本支出即可；但如果是模型主導，那麼OpenAI、Anthropic等大模型公司的獲利能力就成為關鍵。正如台積電所說，他們需要去確認「客戶的客戶的客戶」——從晶片公司到雲端公司，再到模型公司，這層層疊疊的價值鏈中，任何一環出現裂痕，都可能拖累整個生態系。

今年初，輝達執行長黃仁勳曾預言，未來每100萬Token的價格可能落在0到150美元之間。然而，實際查詢後發現，OpenAI對外輸出的高端Token價格已達180美元，遠超當初的預估。這也解釋了為何許多用戶反映，當上傳大量文件要求AI分析時，系統會因「配額用盡」而要求等待——因為Token的消耗成本確實相當高昂。

值得注意的是，美中在AI領域的競爭格局與當年的網路時代截然不同。上一次只有美國在拱網路泡沫，這次中國也拼命吸納資金、發表模型（如Kimi K3），試圖在AI浪潮中分一杯羹。美國的策略是憑藉最高階的晶片與最強大的模型，拉開與中國的AI差距，希望中國花大錢購買模型，重演當年網路時代美國企業「坐地收錢20年」的劇本。

成本與盈利的賽跑：美國閉源模型的劣勢與中國開源模型的進逼

大模型公司能否賺錢，涉及兩個最核心的面向：Token的產生成本，以及Token能賣多少錢。Anthropic目前已開始盈利，顯示其成本與銷售之間已產生明顯的優勢；而OpenAI仍在虧損，反映出成本控制與變現能力的差距。

然而，美國大模型公司面臨一個結構性的成本劣勢。在電力、基礎建設等方面，美國的成本居高不下，難以調控；相對而言，中國在這些方面具有更大的調控空間。更深層的問題在於，美國的OpenAI與Anthropic走的是閉源模型路線，而中國走的是開源模型路線。中國的開源模型（如Kimi K3）效能已達美國模型的七至八成，但成本僅為十分之一，這對許多必須採用開源模型以保護資料隱私的企業而言，具有極大的吸引力。

分析師預估，若要維持50倍的股價營收比（PS Ratio），Anthropic被寄望在2028年達到2000億美元的收入規模。然而，當前最樂觀的預估今年年化營收也僅1000億至1200億美元，明年還要在千億美元的基礎上再成長一倍，客戶從何而來？從企業端到個人端，全球客戶要如何增加一倍的使用量？這恐怕是Anthropic最大的挑戰。

美國若要突圍，關鍵在於模型效能的大幅躍進。如果美國的閉源模型能在效能上實現跳躍式突破，就能壓過開源與閉源的路線之爭——因為當效能差距夠大時，客戶就沒有選擇的餘地，必須採用最高階的模型。這正是美國AI產業當前最重要的戰略方向。

場景落地決定Token經濟成敗：從編碼到全生態系，誰能找到下一個殺手級應用？

對於AI晶片的長期發展，市場分析師並不悲觀，原因在於美中兩國都在激烈競爭，這與當年僅有美國主導的網路時代不同。AI價值的第一層應用已經找到——程式編碼（Coding）。透過AI輔助寫程式，企業可以大幅節省人力與時間成本，一個好的模型搭配有經驗的工程師，效能就能大幅提升。這也是為何企業願意支付較高的Token費用：與其使用效能較差的模型反覆修改，不如一次就用最好的模型完成工作。

更高階的AI用法正在浮現：用Anthropic這類高端模型擔任「架構師」角色，指揮中國的開源模型執行具體任務。這種混合使用的策略，既控制了成本，又確保了關鍵環節的品質，顯示Token經濟的生態系正在快速演化。

然而，場景的競爭才剛開始。OpenAI曾推出的影像生成工具Sora，如今已被字節跳動等中國競爭者超越，顯示AI應用的競爭極為激烈，並非美國企業獨占的領域。阿里巴巴更是全方位鋪開場景應用，從幫企業競標、讓個人開發小程序，到建立Token Pay等經銷體系，實現Token的「零賣」——這才是真正健康的Token經濟生態系：有經銷商、有各種應用場景、有落地，Token的用量才會持續擴大。

當前AI產業正處於評價調整的關鍵階段。雖然AI的需求將持續成長，但「給分」的標準正在改變。輝達的GPU是否仍將是唯一選擇？雲端大廠如谷歌、亞馬遜等是否會加速自研ASIC晶片，以降低成本並實現差異化？當雲端大廠同時掌握晶片與模型，就能綁住客戶、從頭賺到尾。這些戰略考量的背後，正是Token經濟學的核心命題：算力是否真能如水電一般，成為百行各業不可或缺的基礎資源？

結論

Anthropic與OpenAI的營收數據，為市場提供了一個重新檢視AI產業評價的契機。Token經濟學揭示了AI價值鏈的複雜性：從晶片製造、雲端算力到模型輸出，每一個環節的成本與定價權都影響著最終的獲利能力。短期內，市場對AI的估值正從「本夢比」回歸到「本益比」的務實檢驗；長期而言，誰能在應用場景上取得突破、建立完整的生態系，誰就能在這場Token大戰中勝出。投資人在追逐AI浪潮的同時，更應關注成本結構、競爭格局與變現路徑的實質進展。

相關個股

產業 / 題材