Token成為"硬通貨"之后，四股力量正快速布局。
文｜趙艷秋
編｜石兆
“現在你有多少Token就能賣多少，整個市場供不應求。”百度智能云AI與大模型平臺總經理忻舟告訴數智前線，原來大家Token都是打折賣的，現在加價都買不到，推理訴求變得非常強。AI Infra企業是石科技聯合創始人毛運航則觀察，整個市場正從買方市場轉向賣方市場，“以前API是降價的，是虧錢的，Token現在必須保證一定消耗量，才能夠給到比較好的價格和供應。”阿里云資深副總裁劉偉光給出了一個數字，過去5個月，阿里云Token調用量增長了15倍。
在Token變得緊俏之后，四個力量——云大廠、模型公司、運營商，以及AI Infra企業，已快速布局Token服務市場。
01 Token，從打折賣到加價都買不到
雖然Token銷售緊俏，但各家云廠商并未借機敞開對外售賣，反而謹慎分配自家的GPU資源，平衡內部模型訓練和對外Token銷售。“大家意識到，訓練出更好的模型能賣出更多Token。”一位大廠人士說，內部各部門都在搶卡，幾方最后通過算賬來爭奪。而且，去年Token打折賣，直接賣硬件設備掙得多；現在局面反轉，大家都在收縮純硬件銷售，“賣硬件不如賣Token”。
Token為何“一夜之間”如此搶手？原因是真實需求爆發。
劉偉光說，Coding成為巨大分水嶺，它不僅生成新應用，還將在未來一年內解鎖大量老系統——那些“程序太老、不能搬上云”的遺留應用，借助AI Coding可獲得新生。更關鍵的是，非程序員也開始“編程”，每個人都可以自己做報表、做分析、做項目預算，生產力得到釋放。
而智能體的普及，從技術層面放大了Token消耗。毛運航形容，“還什么都沒做，Token就沒了”。Agent有了“手腳”之后，完成一項任務每一步都在消耗Token，消耗量急劇增加。
過去兩年，每家大廠都有Token銷售的考核，字節看Token總量，阿里、百度、騰訊看模型調用次數，但執行起來很難。忻舟解釋，“市場沒有那么多真需求，很多都用的不太對，或者大材小用，比如拿大模型去做數據清洗或者小模型也能做的事，我們叫低質調用。”隨著智能體技術和模型、Coding能力的躍升，一些真正有價值的應用涌現，而這些應用也是Token重度消耗者。
為此，今年每家大廠對Token都定了不小的目標，“這個目標來源于對市場真需求的判斷”。
面對這場需求爆發，中國工程院院士鄭緯民觀察到一個行業轉向：從MaaS（模型即服務）轉向TaaS（Token as a Service）服務。雖然很多企業并不特別劃分MaaS和TaaS，但關注點已開始緊緊圍繞Token。
Token是大模型處理信息的最小計量單位，1000個Token大約對應700到800個中文字符。鄭緯民解釋，Token現在是三種度量衡：它是大模型處理信息的基本單位，是AI運行時不同算力消耗的計量映射，也正在成為行業定價計費的標準單位。
之前，MaaS解決“模型的可用性”，計費方式相對粗放，比如按調用次數結算。TaaS則讓AI算力像水、電、流量一樣封裝成標準化服務，把計費顆粒度精細到Token這個最小單位。
鄭緯民解釋這個演進背后的深層矛盾：目前AI基礎設施主要是為大模型訓練而設計的，行業陷入“算力基建昂貴、推理工程薄弱、Token產出薄弱”困局。他的判斷是，AI基礎設施的競賽，已從比拼算力集群規模，轉向比拼每瓦Token生產效率。
對Token市場的爭奪，也快速展開。阿里劉偉光估算，AI原生創業企業，Token支出占比接近100%；國內互聯網企業已在15%到20%；傳統企業目前仍在5%以下。而阿里云對銷售的要求，客戶的Token支出至少不低于其今年支出的20%，并專門設置了純做MaaS的銷售崗位，在AI原生創業公司和OPC（個人公司）以MaaS銷售為主。劉偉光同時透露三條抓手：一是全員出動，數千銷售鋪向全國，解決覆蓋率，讓客戶先用起來，哪怕只是最基礎的Coding改造；二是模型策略開放，只要部署在阿里云上的模型，一律按一方模型對待；三是考核指標重構，重點看三件事：付費Token客戶數的每日增長、客戶核心系統接入Token的數量與效率，以及Agent在企業內自主完成閉環的效率。
忻舟以央國企為例，預估其Token支出占總IT支出的1%左右，未來增量空間巨大。百度要求今年首要把智能體的效果做出來，當客戶有了價值預期之后，再展開滲透和降本。
在算力吃緊的背景下，國產AI基礎設施迎來機會。毛運航觀察，國產芯片開始冒頭，陸續有國產芯片可以支撐大集群供應。而是石科技的國產適配工作，也從過去的小范圍甚至“為愛發電”，在升級為真正的生產級需求。“假如現在適配了某款國產芯片，能把新模型部署上去，達到生產級要求，基本上就把這家芯片的所有貨盤活了。”
劉偉光做了一個更宏觀的預判，當Token覆蓋了“everything”，整個市場的IT支出結構將發生根本變化，軟件外包、傳統IT采購，都將面臨產業重塑。Token正在成為新的水和電。
02 四大流派的動作
Token成為"硬通貨"之后，四股力量已快速布局：云大廠、模型公司、運營商，以及AI Infra企業。
云大廠是最早提出Token服務的一方力量，它們的核心優勢在于全棧能力，有模型、有算力基礎設施，也幾乎都有芯片。百度今年開發者大會提出“芯、云、模、體”，阿里云則在年度峰會提出“芯-云-模型-推理”。阿里云劉偉光去年告訴數智前線，云大廠的“勝負手”是性價比，而全棧技術是實現極致性價比的核心路徑。今年他尤其強調芯片與模型的深度綁定，“每一款模型訓練背后都有強大算力支撐，兩者齒輪咬合、螺旋上升。所以我們一定要走自己的道路，更加強調云、芯、模一體化。”
在產品側，云廠商正從云原生、AI原生邁向“Agent原生”，整套云技術棧和服務體系，幾乎都要為智能體應用重做一遍。目前，各家企業對云產品線展開系統性改造——Skill化、MCP化、CLI化。同時，云廠商不僅推廣Token銷售，也非常重視自己把Token包裝成Agent應用，如Coding、各種Agent和工具等，無論ToC還是ToB，自己先完成一個從Token生產到應用的閉環。
第二股力量是模型公司。這類公司包括智譜、Minimax、Kimi等。不過，他們更押注模型本身，這與云大廠截然不同。
它們提供API和Token服務，也委托其他產業鏈方銷售模型調用服務。雖然一些模型企業已在港股上市，市值數千億，但根據數據中心建設方等產業鏈多方觀察，這些企業的實際營收與現金流規模還不夠大，因此普遍選擇保持輕運營狀態，目前自持算力基礎設施不多。這類企業的重心在模型本身，“讓研發出的模型賣出去”是其核心目標，Token化只是手段。例如，在天翼云最近面向開發者及中小微企業的Token套餐，便接入了智譜GLM5等模型。
第三股力量是運營商。5月，三大運營商集體推出Token套餐服務，動作最快的是中國電信。實際上早在4月的數字中國峰會上，中國電信總經理劉桂清就對外傳達了“傳統產業分工和價值分配模式，正被以Token為核心的新型經營模式重塑”，披露Token相關戰略規劃，天翼云也展開了從IaaS到SaaS的全棧Token服務體系構建。此后，中國電信于5月推出試商用Token套餐。
運營商的核心優勢在于，既擁有大量數據中心、算力與網絡資源，又具備最后一公里客戶觸達平臺，以及覆蓋全國的屬地服務能力。AI被Token化之后，與話費、流量在邏輯上類似，可以像水、電一樣計費運營。運營商聯合生態共同開發AI應用，借助Token化服務，來推動AI普及。
更值得關注的是，運營商是國內第一批大規模采購國產芯片的主力，有強烈動力推動國產芯片生態適配。目前，行業面臨算力利用率偏低、異構算力碎片化、國產化適配難度大、模型迭代又非常快的挑戰。業內看到，目前國產芯片適配新模型，達到生產級要求，可能要花幾個月時間，而這個周期中模型公司又不斷推出新模型，整體適配速度完全不夠。為此，運營商也通過其生態整合能力，動員各方力量進行多芯適配、多模融合，是國產生態關鍵推手。
第四股力量是AI Infra企業，這也是當前融資熱度最高的一類。Agent應用爆發推高Token消耗，也正在重塑這類企業的商業邏輯，此前“賺差價、算不過賬”，而目前行業從買方市場走向賣方市場，讓這一賽道的商業化路徑愈發清晰。
這類企業中，是石科技對標美國Corewave公司，希望能在中國做好獨立第三方國產GPU云生態，主攻大規模集群運營與國產芯片適配，三年前已實現盈利，正在向重資產的獨立第三方云平臺演進。硅基流動去年因與華為云合作、最快部署DeepSeek模型一舉進入行業視野，主要聚焦MaaS層，靠近用戶側；無問芯穹是最早在行業內提出“MxN”概念，定位M種模型、N種芯片間的中間層產品。
業界觀察，美國AI Infra企業Corewave因受頭部模型公司與英偉達的雙重擠壓，利潤空間有限。但毛運航告訴數智前線，國內AI Infra企業面臨國產適配這一重要機會。國內市場對國產芯片適配有迫切需求，每款芯片架構不同、適配難度各異，光靠硬件廠商去解決從時間到力量都遠遠不夠，需要芯片廠商、AI Infra企業、應用方共同跑通整個鏈條。“一個是國產，一個是調優，這是我們在這一波發展中找到的機會。”毛運航說。
03 Coding與Agent：最確定的“印鈔機”
在眾多Token服務的方向中，收益最大的是Coding與Agent方向的大語言模型。有業內人士告訴數智前線，各大廠推出的Coding Plan（Coding訂閱套餐）看似價格不高，但實際并不虧錢。原因是包月定價模式下，大多數用戶實際消耗量遠低于上限，“Coding Plan平均下來比單純賣Token要賺錢”。
一位資深人士對數智前線進一步補充，現在看來，視頻生成的商業價值遠低于大語言模型。忻舟的判斷更為直接：大語言模型一旦真正進入生產環境，能夠產生巨大收益，且“收入沒有上限”。
劉偉光對此做了進一步分析。他認為，廣告、傳媒、影視、短視頻確實有巨大市場空間，但與Coding和Agent方向的大語言模型相比，完全不在同一量級。他的拆解邏輯是，Coding不只是編程，Coding催生了Agent，Agent能獨立完成任務、幫助人類提升生產力，而這一切都與大語言模型深度綁定。“我們現在所有火力集中的最大點，就是Coding和Agent方向的大語言模型，這個模型的市場會比其他模型大非常非常多。”
劉偉光觀察，自Coding工具出現以來，應用發展速度已明顯加快。他預判，一旦“人人Coding”成為現實，每年產生的應用數量或Agent數量將是過去的數倍。這不僅是生產力的躍升，更是整個軟件行業的結構性重塑。
AI Infra企業也關注到了這一賽道形勢。是石科技毛運航說，如今幾乎沒有不用AI的程序員，海內外大廠都在用模型做Coding，整個行業已被悄然改變。Agent的興起進一步放大了這一效應。“如何讓代碼穩定輸出、打滿緩存、將代碼做成完整項目，如何在可控范圍內讓Agent高效產出——這也是當下業界討論最集中的工程化方向。”
對于Token下一步增長趨勢，業界持不同看法。大部分人士認為2026年行業算力供給非常緊張，而且將愈發緊張，延續到明后兩年；也有人士認為，這波Token吃緊，與國內外芯片供應相關，但更長遠階段還需觀察。
但大家的共識是，在有限算力資源約束下，如何能夠最大化單位Token生產效率，已經是成為釋放AI生產力的一個核心命題。“我自己觀察一點，語言模型是一維的，駕駛其實是一個二維平面的，到低空、具身、世界模型就是三維的。從開始訓練需求起來，到推理全場景去用，又是一個量級的提升，所以我們能夠看到在計算這個事情上，大家還會花很長時間、很多功夫去做。”毛運航說。
分享
