AI研究：代幣優化的加速增長階段
原始標題：AI Research The Ramp in Token Optimization
AI堆棧正在分化——而市場尚未對此定價。代幣優化正在給前沿模型API收入帶來壓力，但硬件需求依然強勁，像阿里巴巴這樣的開源模型提供商正在獲得市場份額。
機構級分析，用於定價重估事件前的股票交易台決策。共23頁。
研報事實快照
- 發布機構
- UBS
- 日期
- 2026-06-23
- 類型
- 市場報告
- 區域
- 全球
- 公司
- Alibaba, Evidence, Timothy Arcuri, Analyst
市場認為代幣優化將減緩AI整體收入增長，涵蓋所有層級。
企業AI代幣優化對AI資本支出增長沒有影響，硬件/半導體需求依然強勁。
投資者應區分AI堆棧各層：避免暴露於前沿模型API收入，超配硬件和開源模型受益者。
基於 UBS 研究，2026年June資料與區域拆分
關鍵訊號
企業AI代幣優化被誤讀為廣泛的需求風險。
代幣成本上升是因為AI使用量激增——沒有人正在放緩AI部署的步伐。
為何重要： 識別出共識模型與實際數據產生分歧的確切點——代幣優化是一個健康的問題，而非需求信號。
下一代芯片訓練可能進一步推動代幣成本下降。
瑞銀指出，基於下一代芯片訓練的新模型可能會降低代幣成本。
為何重要： 在劇烈重新定價開始前，框定催化劑窗口期。
開源中國模型提供商正在從前沿實驗室手中奪取市場份額。
企業正在降級使用更便宜的模型，如阿里巴巴的通義千問，用於非編碼任務。
為何重要： 在資本輪動成為共識之前，追蹤其向結構性贏家的轉移。
本報告為您帶來的價值
決策洞察
模型層與硬件層之間的錯誤定價未在共識模型中反映。
錯失風險
資本配置必須從統一的AI敞口轉向選擇性堆棧定位。
時機優勢
來自下一代芯片訓練和企業採用數據的催化劑窗口即將到來。
沒有完整報告您會錯過：
- 公司層面定位與個股選擇
- 估值假設與模型輸入
- 目標價邏輯與催化劑時間線
機構投資者為何關注
共識模型將代幣優化視為統一的AI逆風，但數據顯示硬件需求未受影響。
資本應從前沿模型API敞口標的輪動至硬件及開源模型受益方。
下一代芯片訓練催化劑窗口將在數月內關閉。
報告摘要
市場將AI token優化視為對整個AI生態的普遍需求風險，但現實是，這一優化浪潮正在加劇AI堆棧各層的結構性分化。硬件層需求因AI使用量激增而保持韌性，而模型層API收入則面臨壓力，開源模型提供商正從中受益。投資者應據此調整倉位，超配硬件與開源模型受益者，規避前沿模型API敞口。
以下為機構內容
完整的瑞銀報告包括詳細的企業案例、逐層影響分析以及阿里巴巴等關鍵受益者的估值假設。解鎖訪問券商圖表和機構級分析。
核心要點
- AI堆棧分化: 企業AI token優化正在加劇模型層與硬件層的增長分化，前者收入承壓而後者需求穩健，市場尚未定價此結構性差異。
- 開源模型崛起: 成本敏感的企業正轉向阿里Qwen等開源模型用於非編碼任務，推動Alibaba等提供商市場份額結構性增長。
- 硬件需求韌性: 企業token優化努力未對AI資本支出增長產生任何影響，半導體和硬件需求由AI使用量激增支撐。
- 催化劑窗口: 下一代芯片訓練的新模型可能進一步降低token成本，加速堆棧分化，成為硬件與開源名稱重新定價的催化劑。
- 估值錯位: 硬件層估值未反映其需求韌性，當前價格與基於穩健資本支出趨勢的目標之間存在顯著差距，創造了不對稱的風險回報。
主題涵蓋
涉及公司
適合哪些搜尋需求
本頁適合正在搜尋 UBS AI Research The Ramp in Token Optimization report 的用戶，幫助快速了解 AI Research The Ramp in Token Optimization 的報告主題、核心要點和相關券商或產業研究入口，涵蓋 AI, revenue, trade; Alibaba, Evidence。
相關搜尋路徑
透過這些入口繼續查找同類券商研報摘要和產業報告要點。
申請完整PDF存取
取得完整券商報告，包括公司層面詳情、估值假設、圖表和目標價邏輯。
透過VIP服務或請求確認後提供存取權限。