看了一篇token期货化的论文，蛮有意思的。

过去几年token价格一路跌，以 GPT-4 级别能力为参照，推理价格已经从 2023 年初每百万输出token约 60 美元，跌到 2025 年初不到 15 美元。

这是算法优化、硬件迭代和供给过剩共同推动的结果。但今天的低价，很大程度上是因为如今是一个供给充裕、竞争激烈、甚至带有补贴意味的买方市场。

作者认为供给可以慢慢扩，需求却可能突然爆。

如果 AI 的主要用途始终只是聊天、写文案、做搜索，那么token当然更像一种持续降价的软件服务。但一旦 AI 从“聊天机器人”进入更大规模的生产流程，比如自动驾驶、工业机器人、实时决策系统、医疗推理系统，那么token的性质就会变化。它不再只是终端用户购买的一次回答，而会变成企业生产过程中的持续性投入，像电力、带宽、云算力那样，成为影响利润率和商业模式的底层成本。论文的核心比喻也正在这里：未来的 AI token，可能更像电，而不是更像软件。

电力和token有两个非常接近的特征：都难以储存，且短期供给弹性都很弱。电发出来就要被消耗，token生成出来也立刻被使用；而无论是 GPU、数据中心，还是电力接入，本质上都属于建设周期长、扩产慢、受物理约束的供给体系。

论文因此提出一个很重要的判断：token价格未来未必是单边下跌，而更可能从“供给驱动的持续降价”，转向“需求驱动的高波动”。一旦应用层爆发，需求上来得很快，但供给扩不出来，token就可能像电力市场那样，进入价格时高时低、甚至阶段性飙升的状态。

今天很多人把token当作一个不断贬值的技术指标看，但未来它更可能变成一个需要风险管理的工业品价格。对于上层 AI 应用公司来说，这会带来一个非常现实的问题——如果你的产品利润建立在“推理足够便宜”之上，那么一旦token价格反弹甚至剧烈波动，利润表就会立刻受到冲击。对一家 AI SaaS 公司而言，这和航空公司面对油价波动、制造业面对铜价波动，本质上没有太大区别。

token和加密资产的区别在于，前者背后有明确的物理成本基础：每一个代币都对应电力消耗、GPU 时间和数据中心资源，因此它的价格并非纯粹依赖叙事，而是同时受到生产成本和应用价值约束。也正因此，作者认为它更应被视作商品期货，而不是投机性金融玩具。

论文甚至进一步做了模拟。它用一个均值回归叠加跳跃扩散的模型，去刻画未来三年token价格路径，结论是：价格分布将明显偏向上行跳变，真正的风险不是持续缓慢下跌，而是某些阶段突然涨价；在这种情景下，如果企业能够用期货对冲，计算成本波动有望降低 62%到78%。