人工智能研究：代币优化的激增
原始标题：AI Research The Ramp in Token Optimization
AI堆栈正在分化——而市场尚未对此定价。代币优化正在给前沿模型API收入带来压力，但硬件需求依然强劲，像阿里巴巴这样的开源模型提供商正在获得市场份额。
机构级分析，用于定价重估事件前的股票交易台决策。共23页。
研报事实快照
- 发布机构
- UBS
- 日期
- 2026-06-23
- 类型
- 市场报告
- 区域
- 全球
- 公司
- Alibaba, Evidence, Timothy Arcuri, Analyst
市场认为代币优化将减缓AI整体收入增长，涵盖所有层级。
企业AI代币优化对AI资本支出增长没有影响，硬件/半导体需求依然强劲。
投资者应区分AI堆栈各层：避免暴露于前沿模型API收入，超配硬件和开源模型受益者。
基于 UBS 研究，2026年6月数据与区域拆分
关键信号
企业AI代币优化被误读为广泛的需求风险。
代币成本上升是因为AI使用量激增——没有人正在放缓AI部署的步伐。
为何重要： 识别出共识模型与实际数据产生分歧的确切点——代币优化是一个健康的问题，而非需求信号。
下一代芯片训练可能进一步推动代币成本下降。
瑞银指出，基于下一代芯片训练的新模型可能会降低代币成本。
为何重要： 在剧烈重新定价开始前，框定催化剂窗口期。
开源中国模型提供商正在从前沿实验室手中夺取市场份额。
企业正在降级使用更便宜的模型，如阿里巴巴的通义千问，用于非编码任务。
为何重要： 在资本轮动成为共识之前，追踪其向结构性赢家的转移。
本报告为你带来的价值
决策洞察
模型层与硬件层之间的错误定价未在共识模型中反映。
错失风险
资本配置必须从统一的AI敞口转向选择性堆栈定位。
时机优势
来自下一代芯片训练和企业采用数据的催化剂窗口即将到来。
没有完整报告你会错过：
- 公司层面定位与个股选择
- 估值假设与模型输入
- 目标价逻辑与催化剂时间线
机构投资者为何关注
共识模型将代币优化视为统一的AI逆风，但数据显示硬件需求未受影响。
资本应从前沿模型API敞口标的轮动至硬件及开源模型受益方。
下一代芯片训练催化剂窗口将在数月内关闭。
报告摘要
市场将AI token优化视为对整个AI生态的普遍需求风险，但现实是，这一优化浪潮正在加剧AI堆栈各层的结构性分化。硬件层需求因AI使用量激增而保持韧性，而模型层API收入则面临压力，开源模型提供商正从中受益。投资者应据此调整仓位，超配硬件与开源模型受益者，规避前沿模型API敞口。
以下为机构内容
完整的瑞银报告包括详细的企业案例、逐层影响分析以及阿里巴巴等关键受益者的估值假设。解锁访问券商图表和机构级分析。
核心要点
- AI堆栈分化: 企业AI token优化正在加剧模型层与硬件层的增长分化，前者收入承压而后者需求稳健，市场尚未定价此结构性差异。
- 开源模型崛起: 成本敏感的企业正转向阿里Qwen等开源模型用于非编码任务，推动Alibaba等提供商市场份额结构性增长。
- 硬件需求韧性: 企业token优化努力未对AI资本支出增长产生任何影响，半导体和硬件需求由AI使用量激增支撑。
- 催化剂窗口: 下一代芯片训练的新模型可能进一步降低token成本，加速堆栈分化，成为硬件与开源名称重新定价的催化剂。
- 估值错位: 硬件层估值未反映其需求韧性，当前价格与基于稳健资本支出趋势的目标之间存在显著差距，创造了不对称的风险回报。
主题覆盖
涉及公司
适合哪些搜索需求
本页适合正在搜索 UBS AI Research The Ramp in Token Optimization report 的用户，帮助快速了解 AI Research The Ramp in Token Optimization 的报告主题、核心要点和相关券商或行业研究入口，覆盖 AI, revenue, trade; Alibaba, Evidence。
相关搜索路径
通过这些入口继续查找同类券商研报摘要和行业报告要点。
申请完整PDF访问
获取完整券商报告，包括公司层面详情、估值假设、图表和目标价逻辑。
通过VIP服务或请求确认后提供访问权限。