在过去一年多的AI狂热中，企业不惜代价接入大语言模型、部署AI应用，催生了一个新词“**tokenmaxxing**”——即拼命堆高模型使用的token数量来彰显AI实力。然而，Yahoo Finance最近的一篇评论文章援引多位专家观点称，这一风潮正在悄然消退。

报道指出，许多公司发现年度AI预算在短短数月内就被燃烧殆尽，不得不收敛起初“先冲量再算账”的激进策略。专家们观察到，随着财务部门介入，企业开始更严格地审视每单位token产出的实际业务价值，推动AI开支管理趋于审慎。这种从“尽可能多地调用模型”到“用得更精、更省”的转变，被形容为“tokenmaxxing”的降温。

这一转变对产业链上的核心玩家意味深远。对**英伟达**而言，过去两年其数据中心GPU需求暴涨，很大程度上得益于企业为支撑大规模模型训练和推理而疯狂采购算力。如果企业因预算压力缩减AI规模，或放慢基础设施扩张，对**H100**和即将出货的**Blackwell**芯片的渴求可能从极度紧缺走向边际宽松。评论认为，虽然大型云服务商的资本开支计划仍维持高位，但企业端需求若显著放缓，将无可避免地影响英伟达远期营收的增速预期。

同样承受压力的还有**OpenAI**和**Anthropic**。这些模型厂商的商业模式高度依赖企业客户通过API调用token量的持续增长，以及ChatGPT Enterprise、Claude等产品的订阅收入。当企业客户开始量化每个token的投入产出比，甚至主动减少调用、转向更轻量的模型时，模型公司的经常性收入故事便面临考验。专家评论指出，这不只是短期业绩波动，更可能改变资本市场对这些AI原生公司增长曲线的估值逻辑。

从更宏观的视角看，评论将此解读为AI产业从“不计成本地实验”过渡到“追求可持续商业回报”的必然阶段。有声音认为，泡沫挤出一部分后，真正解决行业痛点、具有清晰ROI的应用才会脱颖而出，这对产业长期健康并非坏事。不过，对于已习惯超线性增长叙事的投资者而言，需求端信号的任何弱化都可能触发对AI板块的重估。这一讨论恰好呼应了产业界近期关于“AI投入产出不对等”的争议——企业究竟是在构建未来，还是在内耗当下，答案将直接影响英伟达、OpenAI、Anthropic乃至整个AI供应链的步伐。