新興金融前沿：華爾街為何競相解讀 AI 代幣經濟學（AI Tokenomics）

隨著人工智慧產業日趨成熟，生成式 AI（Generative AI）巨擘 OpenAI 與 Anthropic 即將上市的預期，正迫使傳統金融分析發生劇烈轉變。幾十年來，華爾街一直依賴現金流折現模型（DCF）、本益比（P/E Ratio）及經常性營收指標來評估科技公司。然而，隨著這些 AI 強權的發展超越了簡單的軟體即服務（SaaS）模式，投資者正面臨嚴峻的學習課題：將「代幣經濟學」（token economics）作為價值的首要指標。

在 Creati.ai，我們觀察到大型語言模型（LLM）與基於代幣的計算成本之間的交集，已不再僅是開發者面臨的技術障礙，更是未來企業估值的核心支柱。正如 CNBC 所報導，金融業正爭分奪秒地更新其策略，以應對這些備受矚目的首次公開募股（IPO）。

解析 AI 代幣經濟學的複雜性

要了解為何傳統分析師感到困惑，必須審視 OpenAI 與 Anthropic 的運作方式。與銷售授權的傳統科技公司不同，這些公司銷售的是計算能力與以代幣衡量的輸出結果。代幣（token）作為互動的基本單位，既是決定服務提供成本的因素，也是決定每次查詢所產生營收的基礎變數。

AI 代幣動態的關鍵組成部分

指標類別	定義	金融重要性
輸入代幣（Input Tokens）	模型處理的數據封包	基礎設施負載高，決定營運成本
輸出代幣（Output Tokens）	AI 產生的內容	主要營收來源，代表系統效用
代幣兌美元轉換（Token-to-Dollar Conversion）	每百萬代幣營收	衡量定價權與利潤率的關鍵績效指標（KPI）

對於 華爾街 而言，挑戰在於這些指標的波動性。與固定且可預測的軟體訂閱不同，代幣的使用量變動極大。如果公司無法優化其推理（inference）成本，代幣使用量的快速擴張可能會導致營收增長但利潤率下滑。

為何投資者需要對 AI 基礎設施進行「速成培訓」

從評估傳統軟體轉向評估 生成式 AI，就像從製造業轉向高頻交易。投資者現在必須評估專有模型的效率。如果一家公司能以較少的代幣產生高質量的輸出，它就建立了一座具競爭力的「推理護城河」。

我們確定了三個投資者必須改變關注點的核心領域，以避免在即將到來的 IPO 中陷入困境：

• 推理效率： 模型在不犧牲準確性的前提下，以更少計算資源運行的能力，是可擴充性的新基準。
• 代幣定價權： 當 AI 模型逐漸商品化時，公司能否維持溢價？每百萬代幣的定價結構就是新的「毛利率」。
• 計算依賴性： 對第三方雲端基礎設施（如 OpenAI 依賴 Azure，或 Anthropic 依賴 AWS/Google Cloud）的高度依賴，增加了一層傳統 SaaS 模式通常能避免的營運風險。

導航 IPO 格局：OpenAI 對決 Anthropic

雖然兩家組織都以推動人工通用智慧（AGI）為共同目標，但其貨幣化路徑截然不同，這將影響市場對它們的接受度。

OpenAI：生態系統打法

OpenAI 將自身定位為一個平台。透過與現有的軟體套件整合，其代幣經濟學與廣泛的企業採納程度緊密相連。Creati.ai 的分析師認為，OpenAI 的 IPO 將被視為一種生態系統打法，其價值源於開發者在 GPT 基礎設施之上建構應用程式所帶來的「網路效應」。

Anthropic：安全與可靠性溢價

Anthropic 專注於「憲法 AI」（Constitutional AI）及像 Claude 這類高可靠性模型，將自己塑造成更安全、企業級的替代方案。其估值可能取決於「信任溢價」——即大型且受高度監管的產業，願意為經過審計、合規且不易產生幻覺的輸出結果支付更高費用的意願。

未來估值：超越資產負債表

展望這些預期的公開募股，顯然標準的財務揭露將不足以應對。我們預計這些公司的 SEC 申報文件將包含對代幣消耗、每次查詢推理成本以及長期計算債務的嚴格且具體報導。

對於機構投資者而言，忽略 代幣經濟學 的細微差別可能是致命的。「AI 革命」從根本上是一場計算革命。因此，未來的考核指標將不再顯現於傳統的用戶增長圖表中，而是在於每一個處理代幣的效率、數量與貨幣化能力。

給現代投資者的最終觀察

隨著華爾街持續對這些新興數位指標進行「速成培訓」，市場在這些 AI 巨頭首次公開上市時可能會經歷劇烈的波動。在 Creati.ai，我們建議利害關係人看透「AI 顛覆」的炒作，轉而專注於單位經濟效益。

那些能夠在大規模運作與高效代幣利用之間取得平衡的公司，才是能維持長期成長的贏家。隨著 OpenAI 與 Anthropic 的 IPO 日期日益臨近，解讀這些技術績效指標的能力，將決定這究竟是一筆成功的投資，還是一個 AI 時代的警世故事。