KI-Forschung: Der Anstieg der Token-Optimierung
Originaltitel：AI Research The Ramp in Token Optimization
Der KI-Stack spaltet sich auf – und der Markt hat dies noch nicht eingepreist. Token-Optimierung setzt die API-Umsätze von Frontier-Modellen unter Druck, aber die Hardware-Nachfrage bleibt robust, und Open-Source-Modellanbieter wie Alibaba gewinnen Marktanteile.
Institutionelle Analyse, genutzt von Equity-Desks vor Neubewertungsereignissen. 23 Seiten.
Report fact snapshot
- Publisher
- UBS
- Date
- 2026-06-23
- Type
- Marktbericht
- Region
- Global
- Companies
- Alibaba, Evidence, Timothy Arcuri, Analyst
Der Markt geht davon aus, dass Token-Optimierung das gesamte KI-Umsatzwachstum über alle Ebenen hinweg verlangsamen wird.
Die Token-Optimierung in Unternehmens-KI hatte keine Auswirkungen auf das Wachstum der KI-Investitionsausgaben, und die Hardware-/Halbleiternachfrage bleibt robust.
Anleger sollten zwischen den Ebenen des KI-Stacks differenzieren: Engagements in API-Umsätzen von Frontier-Modellen vermeiden und Hardware sowie Open-Source-Modellbegünstigte übergewichten.
Basierend auf UBS-Research, Juni 2026 Daten und regionale Aufschlüsselungen
Schlüsselsignale
Die Optimierung von Enterprise-AI-Token wird fälschlicherweise als breites Nachfragerisiko interpretiert.
Die Token-Kosten steigen, weil die KI-Nutzung sprunghaft zunimmt – niemand bremst den KI-Einsatz aus.
Warum es wichtig ist: Identifiziert den genauen Punkt, an dem Konsensmodelle von den tatsächlichen Daten abweichen – Token-Optimierung ist ein gesundes Problem, kein Nachfragesignal.
Das Training mit der nächsten Chip-Generation könnte die Token-Kosten weiter senken.
UBS stellt fest, dass neue Modelle, die auf Chips der nächsten Generation trainiert werden, die Token-Kosten senken könnten.
Warum es wichtig ist: Rahmt das Katalysatorfenster ein, bevor eine heftige Neubewertung beginnt.
Open-Source-Chinesische Modellanbieter gewinnen Marktanteile von den führenden Laboren.
Unternehmen steigen auf günstigere Modelle wie Alibabas Qwen für nicht-kodierende Aufgaben um.
Warum es wichtig ist: Verfolgt die Kapitalrotation hin zu strukturellen Gewinnern, bevor sie zum Konsens wird.
Was Sie aus diesem Bericht gewinnen
Entscheidungs-Einblick
Die Fehlbewertung zwischen Modellebene und Hardwareebene wird in Konsensmodellen nicht abgebildet.
Verpasstes Risiko
Die Kapitalallokation muss von einer uniformen KI-Exposition zu einer selektiven Stack-Positionierung übergehen.
Zeitvorteil
Das Katalysatorfenster durch das Training von Chips der nächsten Generation und Daten zur Unternehmensadoption steht unmittelbar bevor.
Was Sie ohne den vollständigen Bericht verpassen:
- Positionierung auf Unternehmensebene und Aktienauswahl
- Bewertungsannahmen und Modelleingaben
- Kursziellogik und Katalysator-Zeitleiste
Warum institutionelle Investoren achten
Konsensmodelle bewerten die Token-Optimierung als einheitlichen Gegenwind für KI, aber Daten zeigen, dass die Hardware-Nachfrage unbeeinflusst bleibt.
Kapital sollte von Namen mit Exposition gegenüber Frontier-Modell-APIs zu Hardware- und Open-Source-Modell-Profiteuren rotieren.
Das Zeitfenster für den nächsten Trainingskatalysator durch Chips der nächsten Generation schließt sich innerhalb von Monaten.
Berichtszusammenfassung
Der Markt behandelt Token-Optimierung als einheitliches Nachfragerisiko im gesamten KI-Stack, doch die Daten zeigen eine strukturelle Divergenz: Die Hardware-Nachfrage bleibt aufgrund des stark steigenden KI-Einsatzes widerstandsfähig, während die API-Umsätze auf Modellebene Gegenwind erfahren. Open-Source-Modellanbieter gewinnen Marktanteile, da Unternehmen auf günstigere Modelle umsteigen. Diese Fehlbewertung schafft eine Neubewertungschance für Hardware und Open-Source-Profiteure, während Engagements in API-Diensten von Frontier-Modellen vermieden werden sollten.
Institutioneller Inhalt unten
Der vollständige UBS-Bericht enthält detaillierte Unternehmensanekdoten, eine Analyse der Auswirkungen auf die einzelnen Ebenen und Bewertungsannahmen für wichtige Begünstigte wie Alibaba. Schalten Sie Zugang zu Broker-Charts und institutionellen Aufschlüsselungen frei.
Wichtigste Erkenntnisse
- Bifurkation des KI-Stacks: Die unternehmenseigene Token-Optimierung vergrößert die Wachstumsdivergenz zwischen Modell- und Hardware-Ebene, wobei die API-Umsätze auf Modellebene unter Druck geraten, während die Hardware-Nachfrage robust bleibt – eine strukturelle Spaltung, die der Markt noch nicht eingepreist hat.
- Marktanteilsgewinne von Open-Source-Modellen: Kostenbewusste Unternehmen steigen für nicht-kodierende Aufgaben auf günstigere Open-Source-Modelle wie Alibabas Qwen um, was zu strukturellen Marktanteilsgewinnen für Anbieter wie Alibaba führt.
- Widerstandsfähigkeit der Hardware-Nachfrage: Unternehmenseigene Token-Optimierungsbemühungen hatten keine Auswirkungen auf das KI-Capex-Wachstum, wobei die Halbleiter- und Hardware-Nachfrage durch den stark steigenden KI-Einsatz strukturell gestützt wird.
- Katalysatorfenster: Das Training von Chips der nächsten Generation könnte die Token-Kosten weiter senken, die Stack-Bifurkation beschleunigen und als Katalysator für die Neubewertung von Hardware- und Open-Source-Titeln dienen.
- Fehlbewertung der Bewertung: Die Bewertungen der Hardware-Ebene spiegeln nicht die widerstandsfähige Nachfrage wider, mit einer erheblichen Lücke zwischen aktuellen Kursen und Zielen, die auf robusten Capex-Trends basieren, was ein asymmetrisches Risiko-Rendite-Profil schafft.
Behandelte Themen
Erwähnte Unternehmen
Für wen diese Zusammenfassung ist
Diese Zusammenfassung ist für Nutzer, die nach UBS AI Research The Ramp in Token Optimization report recherchieren. Sie hilft Nutzern, AI Research The Ramp in Token Optimization-Abdeckung, Kernpunkte und verwandte Broker- oder Sektor-Recherche-Pfade zu überprüfen, abgedeckt: KI, Umsatz, Handel; Alibaba, Evidence.
Verwandte Suchpfade
Nutzen Sie diese Links, um weitere Broker-, Sektor- und Berichtstyp-Recherchezusammenfassungen aufzurufen.
Vollständigen PDF-Zugang anfordern
Zugang zum vollständigen Broker-Bericht, einschließlich Details auf Unternehmensebene, Bewertungsannahmen, Diagrammen und Kursziellogik.
Der Zugang wird über den VIP-Service oder nach Anforderungsbestätigung bereitgestellt.