Andreessen Horowitz-data avslöjar att AI-tokenutgifter svingat upp 122–160% trots att tokenpriser kollapsat 67%, vilket signalerar aggressiv utvecklaradoption mitt i en beräkningskostnadskris. Divergensen markerar en strukturell skift där inferensefterfrågan övergår spekulativ prissättning, men stigande GPU-utgifter hotar protokollnivåns lönsamhet och långsiktig token-velocitet.
a16z-resultaten exponerar en klassisk infrastrukturfas-dynamik: kapital flodar in i beräkningsintensiva primitiver innan hållbara intäktsmodeller mognar. Historiskt föregick liknande mönster 2017 års ICO-boom och 2020 års DeFi-sommar, där användningsmått avkopplades från tokenvärde under kvartaler. Idag är katalysatorn stor språkmodell-inferens – specifikt den marginella kostnaden för GPU-timmar – som nu dikterar golvet för AI-tokens nytta. Portföljförvaltare noterar att detta speglar tidiga molnberäknings-ekonomier, där MicroStrategys Michael Saylor berömt jämförde Bitcoins energianvändning med AWS kapitalintensitet, hävdade att protokollskattkistor eventuellt måste avkasta beräkningsmarginal för att motivera värdering.
Hur utgiftssvängen påverkar marknaden – tre överföringskanaler
Utgiftsökningen överförs genom tre kanaler. Först förstärks GPU-efterfrågeelasticitet: Nvidia H100 leveranstider dras ut, vilket driver upp inferenskostnader och tvingar AI-protokoll att antingen subventionera användning via tokenemission – utspädd ägare – eller höja avgifter, riskerar utvecklaravvaktning. Andra accelererar token-velocitet när projekt säljer egna tillgångar för att täcka fiat-denominationerade molnräkningar, skapande beständig säljtryck okorrelerat med nätverksfundament. Tredje intensiviseras venture capital-återvinning; a16z och liknande satsar uppföljningskapital i portföljbolag för att säkra GPU-allokeringar, effektivt subventionerar efterfrågesidan av egna tokeninvesteringar.
När beräkning blir den marginella kostnaden för intäkt, skiftar tokenmodeller från spekulativa tillgångar till rörelsekapitalinstrument. De protokoll som överlever kommer att vara de som behandlar GPU-timmar som lager, inte overhead.
Kreditmarknader signalerar stress: decentraliserade beräkningsnätverk som Akash och Render ser utnyttjningsgrader över 85%, men deras tokens handlas 60–70% under 2024 års toppar. Denna dislocation antyder att egensinvesterare prissätter AI-infrastruktur som en molnspel – återkommande intäkter, lojala kunder – medan tokenmarknader prissätter det som en spekulativ call-option på AGI-tidslinjer. Arbitrager stängs först när protokoll bevisar att de kan ta ut inferenspremier över spot-GPU-rater.
Viktiga slutsatser för investerare
- Övervaka: Nvidia H100 spotpriser och ledtidsdata från stora molnleverantörer; ett hållbart fall under 2,50 USD/timme signalerar avlästande beräkningsrestriktioner och potential för marginalexpansion för AI-protokoll.
- Förvänta: Ökade tokenemissionsschema hos stora AI-projekt under de kommande två kvartalerna när skattkistor finansierar GPU-inköp, utspädd icke-staking-ägare om inte avgiftsväxlar aktiveras.
- Bedöm: Protokollnivåns enhetsekonomi – specifikt intäkt per inferenskall mot all-in GPU-kostnad – för att skilja hållbara infrastrukturspel från subventionsberoende token-gårdar.
- Utvärdera: Hedge AI-tokenexponering via lång Nvidia/AMD-aktier eller halvledar-ETF:er; beräkningslagret avkastar värde oavsett vilket applikationslager-token som seglar.
Vanliga frågor
Varför ökar AI-tokenutgifterna medan priserna rasar 67%?
Utvecklaraktivitet och inferensefterfrågan växer exponentiellt, drivna av verklig AI-applikationsdistribution. Tokenpriser speglar dock spekulativ likvidisering och tunga emissionsschema som används för att subventionera GPU-kostnader, skapande en tillfällig avkoppling mellan användning och tillgångsvärdering.
Kan AI-protokoll uppnå lönsamhet med dagens GPU-kostnader?
Marginell lönsamhet kräver antingen inferensprissättningskraft över spot-GPU-rater eller tokenuppgång för att kompensera fiat-denominationerade beräkningsräkningar. De flesta protokoll opererar för närvarande med förlust, finansierade av venture capital; hållbarhet beror på enterprise-adoption som låser in flerårskontrakt till premierater.