中信證券研報表示 ，2025年以來
，谷歌等廠商AI Token消耗量高速增長，部分投資者據此線性外推 ，并對AI算力投入 、貨幣化前景給出過度樂觀預期。以谷歌為樣本，我們認為：1）當下AI Token消耗量增長主要來自AI搜索
、聊天機器人應用等帶動
，若后續缺乏新的、具備商業化潛力的場景突破，Token高增長的趨勢亦可能在短期迅速放緩；2）芯片 、硬件系統、軟件等共同提升下 ，預計AI硬件系統層面的真實經濟投入將顯著低于市場表面的感官數據；3）當前AI高價值商業化場景仍較為有限
，投入產出角度，企業也未必僅由于Token增長而持續加碼投資 。因此 ，AI Token高增長
，AI算力投入持續仍需依賴于更多應用場景
、更高效商業化模式的不斷突破，建議短期持續關注：Gemini 3等前沿模型進展、AI貨幣化進展（AI Overview 、AI Mode
、Gemini）、AI Agent帶來AI+軟件價值的規模化落地等
。

　　前瞻｜AI算力投入持續性與貨幣化潛力：基于Token消耗的視角

　　2025年以來 ，谷歌等廠商AI Token消耗量高速增長
，部分投資者據此線性外推，并對AI算力投入 、貨幣化前景給出過度樂觀預期。以谷歌為樣本 ，我們認為：1）當下AI Token消耗量增長主要來自AI搜索
、聊天機器人應用等帶動
，若后續缺乏新的、具備商業化潛力的場景突破，Token高增長的趨勢亦可能在短期迅速放緩；2）芯片 、硬件系統
、軟件等共同提升下 ，預計AI硬件系統層面的真實經濟投入將顯著低于市場表面的感官數據；3）當前AI高價值商業化場景仍較為有限，投入產出角度
，企業也未必僅由于Token增長而持續加碼投資 。因此，AI Token高增長 ，AI算力投入持續仍需依賴于更多應用場景、更高效商業化模式的不斷突破
，建議短期持續關注：Gemini 3等前沿模型進展 、AI貨幣化進展（AI Overview
、AI Mode、Gemini） 、AI Agent帶來AI+軟件價值的規模化落地等。

　　▍AI Token：市場聚焦Token高增長的持續性
。

　　2025年以來，谷歌AI模型能力和產品滲透水平快速提升 ，Token月消耗量從2024年4月的9.7萬億增長至2025年9月的1300萬億
，引起市場對于應用側算力需求的廣泛討論。我們測算9月份全球Token消耗量或達6400萬億，谷歌約占20%；我們估計谷歌Token消耗主要分布在AI搜索（47%）、API調用（26%）
、Gemini（24%）、Workspace（3%）等場景 ，AI Overview在搜索業務中快速滲透和爆款應用帶來的C端流量是增長主因 。基于正文中流量和滲透率的假設
，我們預測到2026年12月，谷歌AI Token消耗量有望達到3400萬億
。以谷歌為代表 ，我們認為AI搜索等現有產品結合帶動
，是提升Token消耗量主要驅動力。對整體Token占比較大的谷歌而言，若按照當前速度約6~12個月之后AI搜索滲透率將逐步見頂 ，考慮到AI Overview單次查詢Token消耗本身不高，整體Token貢獻或在2026H2前后邊際減弱
，若缺乏新的場景突破可能會導致Token增速明顯放緩 。

　　▍算力需求：中期關注Token增長與單芯片算力優化幅度之間的平衡情況
。

　　需求端，AI推理算力消耗主要與Token量和模型活躍參數有關 ，我們預測2026年底谷歌Token月消耗量將達到3400萬億
，相較于2025年初的480萬億提升7倍，考慮到大模型參數規模提升 ，以及針對不同應用場景的小模型的部署等
，我們粗略測算推理算力消耗大概在未來2年提升10~20X的規模。

　　供給端，單芯片&系統性能提升 、軟件層面優化等均可能帶來單位算力成本的大幅下降 。根據英偉達在其2024年GTC大會公布的信息 ，在8年時間里英偉達計算能力
、浮點運算以及人工智能浮點運算能力增長了1000倍
。如果以近期升級的水平來看
，2024年發布的GB200 NVL72系統相較于2022年發布的HGX H100系列的推理效率提升了30倍，而單芯片售價僅提升約40%。基于上述對AI Token消耗增速、AI硬件系統進步等因素的綜合分析 ，顯然在芯片 、硬件系統
、軟件等層面的共同努力下
，我們在AI硬件系統層面的真實經濟投入將顯著低于表面的感官數據 。

　　▍商業化：當前Token貨幣化程度依舊偏低，關注后續的商業化強度
。

　　谷歌的Token規模激增尚未充分轉化為高效的商業回報。盡管谷歌的AI Token月消耗量保持強勁趨勢 ，但是當下大量Token消耗來自免費或相對低效變現場景，實際商業潛力尚未充分釋放
，主要問題：1）AI搜索直接商業變現較少；2）訂閱模式仍處初級階段，付費率低；3）按量API售賣形式商業價值有限 。我們基于較充分的商業化情景進行假設 ，預計也僅有不足1/3的Token消耗能夠帶來增量商業化價值
，而大多數Token的消耗僅起到提升用戶粘性、鞏固競爭優勢的作用，因此從谷歌等大廠視角 ，采取適度投資保證基本需求而非繼續加碼算力投資可能更具商業可行性。

　　▍風險因素：

　　AI核心技術發展不及預期風險；科技領域政策監管持續收緊風險；私有數據相關的政策監管風險；全球宏觀經濟復蘇不及預期風險；宏觀經濟波動導致歐美企業IT支出不及預期風險；AI存在潛在倫理 、道德
、侵犯用戶隱私風險；企業數據泄露、信息安全風險；行業競爭持續加劇風險；Token變現不及預期等
。

　　▍投資策略：

　　AI Token消耗量的高速增長使得市場對AI算力投入 、商業化前景充滿了大量樂觀預期。我們需注意到：1）如果缺乏新的
、具備商業化潛力的應用場景突破
，當下AI Token高增長的趨勢或在短期內迅速放緩；2）在芯片、硬件系統 、軟件等層面的共同提升下，我們在AI硬件系統層面的真實經濟投入將顯著低于表面的感官數據；3）當下AI高價值商業化場景仍較為有限 ，基于當下可見商業模式
，我們預測即使到2026年底，也僅有不足1/3的Token消耗量與商業化相關 ，因此從投入產出比角度企業也未必僅由于Token增長持續加碼投資 。我們認為在還未出現更多應用場景、更高效商業化模式前
，市場當下對于AI算力需求的中期預期過于樂觀
。建議短期持續關注：Gemini 3等下一代模型進展
、AI貨幣化推進進展（AI Overview、AI Mode 、Gemini）
、AI Agent帶來AI+軟件價值的規模化落地等。

（文章來源：第一財經）