Recherche IA : L'essor de l'optimisation des jetons
Titre original：AI Research The Ramp in Token Optimization
La pile IA se bifurque — et le marché ne l'a pas encore intégrée dans les prix. L'optimisation des tokens exerce une pression sur les revenus des API des modèles frontaliers, mais la demande en matériel reste robuste et les fournisseurs de modèles open source comme Alibaba gagnent des parts de marché.
Analyse institutionnelle utilisée par les desks actions avant les événements de réévaluation. 23 pages.
Report fact snapshot
- Publisher
- UBS
- Date
- 2026-06-23
- Type
- Rapport de marché
- Region
- Monde
- Companies
- Alibaba, Evidence, Timothy Arcuri, Analyst
Le marché suppose que l'optimisation des tokens ralentira la croissance globale des revenus de l'IA à travers toutes les couches.
L'optimisation des tokens en IA d'entreprise n'a eu aucun impact sur la croissance des dépenses d'investissement en IA, et la demande en matériel/semi reste robuste.
Les investisseurs devraient différencier les couches de la pile IA : éviter l'exposition aux revenus des API des modèles frontaliers et surpondérer le matériel et les bénéficiaires de modèles open source.
Basé sur la recherche UBS, données de juin 2026 et ventilations régionales
Signaux clés
L'optimisation des tokens d'IA en entreprise est interprétée à tort comme un risque de demande généralisé.
Les coûts des tokens augmentent parce que l'utilisation de l'IA explose—personne ne freine le déploiement de l'IA.
Pourquoi cela compte : Identifie le point exact où les modèles de consensus divergent des données réelles—l'optimisation des tokens est un problème sain, pas un signal de demande.
La formation de puces de nouvelle génération pourrait réduire davantage les coûts des tokens.
UBS note que les nouveaux modèles formés sur des puces de nouvelle génération pourraient réduire les coûts des tokens.
Pourquoi cela compte : Encadre la fenêtre du catalyseur avant que la réévaluation violente ne commence.
Les fournisseurs de modèles chinois open-source gagnent des parts de marché auprès des laboratoires de pointe.
Les entreprises rétrogradent vers des modèles moins chers comme Qwen d'Alibaba pour les tâches non liées au codage.
Pourquoi cela compte : Suit la rotation des capitaux vers les gagnants structurels avant qu'elle ne devienne un consensus.
Ce que vous gagnez avec ce rapport
Perspective de Décision
L'erreur de valorisation entre la couche de modélisation et la couche matérielle n'est pas reflétée dans les modèles de consensus.
Risque Manqué
L'allocation de capital doit passer d'une exposition uniforme à l'IA à un positionnement sélectif sur la pile technologique.
Avantage de Timing
La fenêtre de catalyseur provenant de la formation de puces de nouvelle génération et des données d'adoption en entreprise est imminente.
Ce que vous manquez sans le rapport complet :
- Positionnement au niveau de l'entreprise et sélection d'actions
- Hypothèses de valorisation et entrées de modèle
- Logique de prix cible et calendrier des catalyseurs
Pourquoi les investisseurs institutionnels y font attention
Les modèles de consensus considèrent l'optimisation des tokens comme un frein uniforme pour l'IA, mais les données montrent que la demande de matériel n'est pas affectée.
Les capitaux devraient se déplacer des noms exposés aux API des modèles de pointe vers les bénéficiaires du matériel et des modèles open-source.
La fenêtre de catalyseur d'entraînement des puces de nouvelle génération se referme d'ici quelques mois.
Résumé du rapport
Le marché traite l'optimisation des tokens comme un risque de demande uniforme à travers la pile IA, mais les données révèlent une divergence structurelle : la demande de matériel reste résiliente en raison de l'essor de l'utilisation de l'IA, tandis que les revenus des API des couches modèles sont confrontés à des vents contraires. Les fournisseurs de modèles open-source gagnent des parts de marché alors que les entreprises réduisent leurs coûts. Cette erreur de valorisation crée une opportunité de re-rating pour le matériel et les bénéficiaires de l'open-source, tandis que l'exposition aux API des modèles de pointe doit être évitée.
Contenu institutionnel ci-dessous
Le rapport complet d'UBS comprend des anecdotes détaillées d'entreprises, une analyse d'impact couche par couche et des hypothèses de valorisation pour les principaux bénéficiaires comme Alibaba. Débloquez l'accès aux graphiques des courtiers et aux analyses de qualité institutionnelle.
Points clés
- Bifurcation de la pile IA : L'optimisation des tokens par les entreprises élargit le fossé de croissance entre les couches modèle et matériel, avec des revenus d'API de modèle sous pression tandis que la demande de matériel reste robuste, une scission structurelle que le marché n'a pas encore intégrée.
- Gains de parts de marché des modèles open-source : Les entreprises soucieuses des coûts se tournent vers des modèles open-source moins chers comme Qwen d'Alibaba pour les tâches non liées au codage, entraînant des gains structurels de parts de marché pour des fournisseurs comme Alibaba.
- Résilience de la demande de matériel : Les efforts d'optimisation des tokens des entreprises n'ont eu aucun impact sur la croissance des dépenses d'investissement en IA, la demande de semi-conducteurs et de matériel étant structurellement soutenue par l'essor de l'utilisation de l'IA.
- Fenêtre de catalyseur : La formation de la prochaine génération de puces pourrait encore réduire les coûts des tokens, accélérant la bifurcation de la pile et servant de catalyseur pour le re-rating des noms du matériel et de l'open-source.
- Erreur de valorisation : Les valorisations de la couche matérielle ne reflètent pas la demande résiliente, avec un écart significatif entre les prix actuels et les objectifs basés sur des tendances robustes de dépenses d'investissement, créant un rapport risque-récompense asymétrique.
Sujets couverts
Entreprises mentionnées
À qui s'adresse ce résumé
Ce résumé est pour les utilisateurs recherchant UBS AI Research The Ramp in Token Optimization report. Il aide les utilisateurs à examiner la couverture de AI Research The Ramp in Token Optimization, les points clés et les chemins de recherche connexes de courtier ou secteur, couvert : IA, revenus, commerce; Alibaba, Evidence.
Parcours de recherche associés
Utilisez ces liens pour continuer à parcourir les résumés de recherche par broker, secteur et type de rapport.
Demander l'accès complet au PDF
Accédez au rapport complet du broker, y compris les détails au niveau de l'entreprise, les hypothèses de valorisation, les graphiques et la logique de prix cible.
L'accès est fourni via le service VIP ou après confirmation de la demande.