中信证券研报表示，2025年以来，谷歌等厂商AI Token消耗量高速增长，部分投资者据此线性外推，并对AI算力投入、货币化前景给出过度乐观预期。以谷歌为样本，我们认为：1）当下AI Token消耗量增长主要来自AI搜索、聊天机器人应用等带动，若后续缺乏新的、具备商业化潜力的场景突破，Token高增长的趋势亦可能在短期迅速放缓；2）芯片、硬件系统、软件等共同提升下，预计AI硬件系统层面的真实经济投入将显著低于市场表面的感官数据；3）当前AI高价值商业化场景仍较为有限，投入产出角度，企业也未必仅由于Token增长而持续加码投资。因此，AI Token高增长，AI算力投入持续仍需依赖于更多应用场景、更高效商业化模式的不断突破，建议短期持续关注：Gemini 3等前沿模型进展、AI货币化进展（AI Overview、AI Mode、Gemini）、AI Agent带来AI+软件价值的规模化落地等。
全文如下
前瞻｜AI算力投入持续性与货币化潜力：基于Token消耗的视角
2025年以来，谷歌等厂商AI Token消耗量高速增长，部分投资者据此线性外推，并对AI算力投入、货币化前景给出过度乐观预期。以谷歌为样本，我们认为：1）当下AI Token消耗量增长主要来自AI搜索、聊天机器人应用等带动，若后续缺乏新的、具备商业化潜力的场景突破，Token高增长的趋势亦可能在短期迅速放缓；2）芯片、硬件系统、软件等共同提升下，预计AI硬件系统层面的真实经济投入将显著低于市场表面的感官数据；3）当前AI高价值商业化场景仍较为有限，投入产出角度，企业也未必仅由于Token增长而持续加码投资。因此，AI Token高增长，AI算力投入持续仍需依赖于更多应用场景、更高效商业化模式的不断突破，建议短期持续关注：Gemini 3等前沿模型进展、AI货币化进展（AI Overview、AI Mode、Gemini）、AI Agent带来AI+软件价值的规模化落地等。
▍AI Token：市场聚焦Token高增长的持续性。
2025年以来，谷歌AI模型能力和产品渗透水平快速提升，Token月消耗量从2024年4月的9.7万亿增长至2025年9月的1300万亿，引起市场对于应用侧算力需求的广泛讨论。我们测算9月份全球Token消耗量或达6400万亿，谷歌约占20%；我们估计谷歌Token消耗主要分布在AI搜索（47%）、API调用（26%）、Gemini（24%）、Workspace（3%）等场景，AI Overview在搜索业务中快速渗透和爆款应用带来的C端流量是增长主因。基于正文中流量和渗透率的假设，我们预测到2026年12月，谷歌AI Token消耗量有望达到3400万亿。以谷歌为代表，我们认为AI搜索等现有产品结合带动，是提升Token消耗量主要驱动力。对整体Token占比较大的谷歌而言，若按照当前速度约6~12个月之后AI搜索渗透率将逐步见顶，考虑到AI Overview单次查询Token消耗本身不高，整体Token贡献或在2026H2前后边际减弱，若缺乏新的场景突破可能会导致Token增速明显放缓。
▍算力需求：中期关注Token增长与单芯片算力优化幅度之间的平衡情况。
需求端，AI推理算力消耗主要与Token量和模型活跃参数有关，我们预测2026年底谷歌Token月消耗量将达到3400万亿，相较于2025年初的480万亿提升7倍，考虑到大模型参数规模提升，以及针对不同应用场景的小模型的部署等，我们粗略测算推理算力消耗大概在未来2年提升10~20X的规模。
供给端，单芯片&系统性能提升、软件层面优化等均可能带来单位算力成本的大幅下降。根据英伟达在其2024年GTC大会公布的信息，在8年时间里英伟达计算能力、浮点运算以及人工智能浮点运算能力增长了1000倍。如果以近期升级的水平来看，2024年发布的GB200 NVL72系统相较于2022年发布的HGX H100系列的推理效率提升了30倍，而单芯片售价仅提升约40%。基于上述对AI Token消耗增速、AI硬件系统进步等因素的综合分析，显然在芯片、硬件系统、软件等层面的共同努力下，我们在AI硬件系统层面的真实经济投入将显著低于表面的感官数据。
▍商业化：当前Token货币化程度依旧偏低，关注后续的商业化强度。
谷歌的Token规模激增尚未充分转化为高效的商业回报。尽管谷歌的AI Token月消耗量保持强劲趋势，但是当下大量Token消耗来自免费或相对低效变现场景，实际商业潜力尚未充分释放，主要问题：1）AI搜索直接商业变现较少；2）订阅模式仍处初级阶段，付费率低；3）按量API售卖形式商业价值有限。我们基于较充分的商业化情景进行假设，预计也仅有不足1/3的Token消耗能够带来增量商业化价值，而大多数Token的消耗仅起到提升用户粘性、巩固竞争优势的作用，因此从谷歌等大厂视角，采取适度投资保证基本需求而非继续加码算力投资可能更具商业可行性。
▍风险因素：
AI核心技术发展不及预期风险；科技领域政策监管持续收紧风险；私有数据相关的政策监管风险；全球宏观经济复苏不及预期风险；宏观经济波动导致欧美企业IT支出不及预期风险；AI存在潜在伦理、道德、侵犯用户隐私风险；企业数据泄露、信息安全风险；行业竞争持续加剧风险；Token变现不及预期等。
▍投资策略：
AI Token消耗量的高速增长使得市场对AI算力投入、商业化前景充满了大量乐观预期。我们需注意到：1）如果缺乏新的、具备商业化潜力的应用场景突破，当下AI Token高增长的趋势或在短期内迅速放缓；2）在芯片、硬件系统、软件等层面的共同提升下，我们在AI硬件系统层面的真实经济投入将显著低于表面的感官数据；3）当下AI高价值商业化场景仍较为有限，基于当下可见商业模式，我们预测即使到2026年底，也仅有不足1/3的Token消耗量与商业化相关，因此从投入产出比角度企业也未必仅由于Token增长持续加码投资。我们认为在还未出现更多应用场景、更高效商业化模式前，市场当下对于AI算力需求的中期预期过于乐观。建议短期持续关注：Gemini 3等下一代模型进展、AI货币化推进进展（AI Overview、AI Mode、Gemini）、AI Agent带来AI+软件价值的规模化落地等。
