GLMS机械Token经济学下最近的反思看对 看错的地

基本面应该还是对的： 1.鬼故事很多，还是回归基本原理。目前市场期待的高速ARR背后的推手确实是Agent模式带来的推理Token增长：这个逻辑下存＞光＞GPU产业链，原理如下： 主流方案目前是降低模型参数权重+提高推理循环次数（记为k次），降低模型权重对HBM的负载，全堆到了循环k次后的KVcache链。简单说：笨脑子（小参数模型）多做几次（k提升）准确率也能大幅提升，还便宜。 所以算力的Capex权重上，Decoding阶段最吃kVcache的HBM带宽＞GPU的需求（GPU需求和模型参数更挂钩） 而对于光，由于模型参数权重可以调小，逻辑上单推理任务更有机会压缩到机柜内（光负责机柜间搬运kVcache），那柜外光的需求权重＜HBM带宽。最终报表体现存储财报最好，所以我们推了存储的上游【半导体设备+气体】 看错的是交易部分： 市场比想的要脆弱，跳过了中间筛选比较分化的环节（比如半导体/存储强势，但是也跌），直接交易Ai叙事的反面（Token经济学的悲观叙事） 逻辑上既然能推导出来目前Token贵+这个背景下Token扩充场景比较难，还是依赖Coding，就直接交易了哪怕存储涨价，也是倒逼用户缩减Capex，而不是去顺价。 所以所有涨价线近期回调都最大（哪怕你是【存储上游气体】），扩产线相对更好【半导体设备】，但是整体还是有分歧。 结论：现在市场彻底高度一致了。我们很早就提了，只用看P厂商还是否愿意买单，是买单推理，还是也会同步买单继续训练更大参数模型。最早就是7.22谷歌财报 如果买单更大参数训练模型，对全产业链利好。如果只是在推理侧继续卷Agent。目前还是存储/半导体最硬