财联社7月3日讯（编辑 夏军雄）摩根大通在其最新《数据中心观察》报告中指出，大模型调用量仍在快速扩张，Token支出重新加速，非超大规模云厂商市场的GPU租赁价格继续上行，DRAM现货价格维持强势。
该行认为，模型价格下降并未削弱AI需求，反而正在通过更低门槛和更广使用场景，推动推理需求进一步扩张。
Token价格下降，但AI使用量正在更快扩张
摩根大通跟踪的OpenRouter数据显示，6月LLM Token总量环比增长70%，显著高于5月的33%和4月的5%；同比增速达到20倍，高于5月的12倍和4月的15倍。Token支出也同步回升，6月环比增长70%，同比增长16倍，结束了此前两个月增速放缓的状态。
（OpenRouter数据显示，6月全球周度Token用量跃升至约45万亿，其中非美国模型增速显著快于美国模型）
从商业逻辑看，这意味着模型价格下降并未导致市场收入缩减。平均Token价格在6月环比上涨7%，但同比仍下降5%；不过同比降幅已明显小于5月的21%和4月的24%。换言之，行业仍处于长期单位价格下行阶段，但价格下滑速度正在收窄，而使用量的增长速度远快于价格调整速度。
（平均Token价格走势）
这也是AI商业化能否成立的关键。大模型服务本质上具有典型的软件和云服务特征：单次调用价格下降，可能降低客户使用门槛，并刺激更多开发者、企业和消费者将模型嵌入搜索、客服、编程、办公、广告和智能体应用中。只要调用量增长持续快于价格下降，模型供应商的总收入池仍然可以扩大。
摩根大通据此判断，在其样本和简化假设下，即使采用较保守的Token价格，模型提供商的单位经济性仍呈改善趋势。这并不代表所有模型公司已经实现稳定盈利，但至少说明市场需求端尚未出现“价格战压垮商业模式”的迹象。
美国模型份额下降，但仍掌握主要收入池
值得注意的是，Token使用量与收入贡献之间出现了明显分化。
6月，美国模型，包括OpenAI、Anthropic、谷歌和xAI等，占OpenRouter总Token量的35%，低于5月的46%和4月的56%。其Token量环比增长30%、同比增长8倍，增速依然很快，但弱于整体市场。
这意味着以DeepSeek、MiniMax、MiMo、GLM等为代表的中国模型和低成本模型，正在开发者、初创企业、代理式编程等对成本高度敏感的场景中，快速扩大使用份额。
按Token用量计算，6月排名前五的模型分别为DeepSeek V4 Flash、MiMo-V2.5、MiniMax M3、Hy3 preview和Claude Opus 4.7，合计占总Token量的45%。
（Token用量排名前20的大模型）
但如果看支出端，美国模型仍占据明显优势。美国模型贡献了85%以上的Token支出，6月相关支出环比增长65%、同比增长14倍。按Token支出计算，排名前五的模型依次为Claude Opus 4.7、Claude Opus 4.8、GPT-5.5、Claude Sonnet 4.6和GLM 5.2，合计占总支出的75%。
其中，Claude Opus 4.7是唯一同时进入Token使用量和支出前五的模型。这一现象反映出市场正在形成双层结构：低成本、开源或中国模型更擅长扩大调用规模；高性能、闭源和企业级模型则仍掌握更多高价值应用和付费需求。
GPU租赁价格上涨，非云巨头市场仍然缺算力
摩根大通跟踪的彭博数据表明，6月非超大规模云厂商市场的GPU租赁价格继续上涨。A100平均租赁价格为每GPU小时1.63美元，环比上涨6.3%，已连续第五个月上涨；H100平均价格为2.72美元，环比上涨3.7%，连续第七个月上涨；B200平均价格为5.33美元，环比上涨2.7%。
三类GPU同步涨价的意义在于，AI算力需求并未只集中于微软、亚马逊、谷歌和Meta等超大规模云厂商。大量模型初创公司、企业客户、GPU云服务商和区域性数据中心，仍在争夺有限的高端计算资源。
从价格结构看，A100租价上涨最快，说明上一代GPU并未因新产品推出而迅速失去市场。对于大量推理任务、轻量训练任务和成本敏感型应用而言，A100仍具有较高性价比。H100则因其在大模型训练和推理中的通用性，需求持续坚挺。
不过，高端GPU之间的价格溢价正在收窄。H100对A100的价格比从4月的1.77倍下降至6月的1.67倍；B200对H100的价格比从4月的2.04倍下降至1.96倍，较2025年9月指数推出时的2.58倍明显回落。
这可能意味着，市场对最新一代GPU的绝对需求依然旺盛，但随着供给逐步增加、替代产品扩散，以及客户更多根据单位算力成本选择设备，B200的稀缺溢价正在趋于理性。对英伟达而言，这并不必然意味着需求减弱，更多可能反映AI算力市场正从“只要最新产品”逐步走向更精细的性能和成本优化。
DRAM继续飙升，NAND先行进入分化阶段
6月DDR5 16Gb现货价格升至43.14美元，环比上涨10%，较去年同期的5.13美元上涨740%，并且已连续第三个月上升。相比之下，NAND 1Tb现货价格为27.03美元，环比仅下降0.3%，但已经连续第三个月小幅回调；尽管如此，其价格仍较去年同期的5.28美元上涨412%。
DRAM和NAND走势分化，反映AI基础设施对不同存储品类的拉动并不均衡。
DRAM，尤其是高端DDR和HBM相关产品，直接受益于AI服务器配置升级。大模型训练和推理需要处理更大的参数量、更长的上下文窗口和更高的并发请求，对内存容量、带宽和稳定性的要求明显高于传统服务器。因此，AI服务器对高端DRAM的需求增长，不仅提升了内存使用量，也挤压了部分常规DRAM供应。
NAND则更多关联企业级SSD、数据存储和传统终端需求。虽然AI数据中心同样需要大量SSD，但NAND产能弹性、库存调整和终端需求变化通常更快，因此其价格更容易在短期内出现波动。连续三个月小幅下跌，意味着NAND市场的紧张程度可能正在缓解，但同比超过5倍的价格涨幅仍表明行业并未回到供给宽松状态。
对于美光、SK海力士、三星等DRAM和HBM供应商而言，DRAM价格强势有利于盈利能力和产品结构改善；对西部数据、闪迪、希捷等存储相关公司而言，NAND价格仍处于高位，但未来利润弹性可能弱于DRAM。
对于服务器整机厂、云服务商和模型公司来说，内存成本上涨则意味着AI基础设施投资成本仍有上行压力。
