卖Token，不好赚钱的新生意

文 | 定焦One，作者 | 李梦冉，编辑 | 魏佳 一批靠“Token”做生意的公司，正在走向资本市场。 9月29日，AI基础设施服务商九章云极向港交所递交招股书，冲刺“智算新云第一股”。此前，AI推理服务商硅基流动也已于6月底递表港交所。10月初，据媒体报道，无问芯穹已秘密向港交所提交上市申请，同月12日，无问芯穹宣布完成23亿元C轮融资，累计融资达43亿元，公司称单轮及累计融资规模均创下中国AI原生基础设施赛道新高。 三家业务各有侧重，却都在押注与Token有关的生意。 Token（词元）是大模型处理信息的基本单位。用户向AI提出一个问题，模型理解输入、生成回答，都需要消耗Token。国家数据局数据显示，2024年初，我国日均Token调用量约为1000亿，到2025年底增长至100万亿，2026年3月进一步突破140万亿。短短两年多，日均调用量增长超过1000倍，仅2026年前三个月就增长了40%以上。 资本在下注，不同背景的玩家在加入，但更现实的情况是，Token需求持续增长，价格竞争加剧，部分模型大幅降价。对于投入大量资金采购算力、建设基础设施的企业而言，调用量增加不一定意味着利润增长。九章云极2025年收入达10.98亿元，但超九成仍来自智算基础设施解决方案。2025年，硅基流动收入增长超6倍，毛利率却跌至-24%。 谁在做这门生意，各自赚的是什么钱？卖Token，是不是一门好生意？ 01.Token工厂，为什么火了？ “Token工厂”这个说法，在英伟达CEO黄仁勋的GTC 2026主题演讲后流行开来。在他的设想里，未来的数据中心不再是存放文件的仓库，而是生产Token的工厂。 与直接出租GPU或服务器不同，Token工厂更强调将底层算力转化为可直接调用的模型推理能力，再通过Token消耗量等方式向客户收费。打个比方，算力是产能，Token是产品。 对企业来说，这省去了不少麻烦。过去，假设一家企业想自建AI客服系统，需要购买或租赁服务器、部署模型，并安排技术人员维护。如今，它可以直接购买模型推理服务，按实际调用量付费，不必自己操心背后的服务器和模型如何运转。这里的使用量，通常就用Token来衡量。 这种模式降低了使用AI的门槛，中小企业尤其受益，不必一次性投入大量资金建设算力设施。 当然，两种模式并非完全对立。一家Token工厂也可以同时提供算力租赁、模型部署和API调用服务。变化在于，部分企业开始尝试把经营重点从出售算力资源，转向出售算力产生的实际使用价值。 推动这一变化的，是算力需求结构的转变。 过去，AI算力很大一部分用于训练大模型，随着越来越多的人和企业用上AI，推理需求快速增长。Agent的兴起进一步放大了这一趋势：AI从回答问题变成执行任务，一次用户请求背后，可能是多轮模型调用。 这门生意的想象空间也不小。据中金公司测算，在自建算力、Token能够按假设价格销售等理想条件下，Token工厂的理论毛利率可达60%。 但理论和现实之间隔着一道坎。Token价格竞争激烈，服务商要守住利润，就必须持续提升计算效率。 因此，Token工厂的核心竞争力，并不只是拥有多少张GPU，更是能否在保证模型效果、响应速度和服务稳定性的前提下，用同样的算力生产更多Token。算力调度、推理加速、模型适配，由此成为竞争的关键。 在这场效率竞赛中，不同背景的玩家，起点并不相同。 02.谁在掘金Token工厂？ 同样是卖Token，目前国内的玩家大致可以分为三类：拥有模型和云计算平台的互联网大厂，专注于推理服务和算力优化的AI基础设施创业公司，以及从服务器、智算中心等传统算力业务向Token服务延伸过来的企业。 第一类是阿里云、火山引擎、百度智能云等云厂商，它们是目前Token市场的主导者。这类企业既拥有云计算基础设施，又有自研大模型和庞大的客户群体。 例如，阿里云通过百炼平台提供通义千问等模型的调用服务，火山引擎依托豆包大模型及相关平台向客户提供服务。企业客户从模型选择、接入到后续使用，都可以在同一个平台完成。 对大厂来说，Token收入本身未必是重点。它们可以把Token服务与云计算、存储、数据库等产品打包销售，就算Token业务利润有限，只要客户因此留在自家云上，后续还能靠云服务获得持续收入。 这类玩家的规模优势也很明显。弗若斯特沙利文数据显示，按2025年词元年吞吐量计，硅基流动是中国第四大词元供应平台，市场份额1.5%。前三为火山引擎、阿里云、百度智能云，合计份额高达87%。国内Token供应市场呈现明显的“大厂主导”格局。 第二类是无问芯穹、硅基流动等AI基础设施创业公司。这类创业公司更直接地将Token供应和推理服务作为核心业务方向。 它们通常不自研通用大模型，而是围绕模型部署、推理加速、算力调度等环节提供服务。简单来说，它们要解决的是，如何让不同的大模型在不同的芯片上运行得更快、更便宜，并把这些能力提供给下游客户。 例如，硅基流动通过模型云平台向开发者和企业提供多种模型的调用服务；无问芯穹则强调异构算力调度、模型推理和AI基础设施服务能力。 它们主要通过提供模型推理服务，在服务收入与算力等成本之间赚取利润：向上游采购或租用算力，经过推理优化后，按Token用量向客户收费。此外，它们也会为大企业和机构做私有化部署项目。 一位长期关注AI行业的一级市场投资人告诉「定焦One」，独立推理服务商的机会主要来自两个方面，一是模型和芯片生态的多样化。企业客户不一定只使用一家公司的模型，也不一定希望被单一云平台绑定；二是推理效率。如果同样的硬件、同样的模型，独立服务商能够降低单位Token成本，就可能建立一定的竞争优势。 但这类企业也存在短板，他指出，“大厂也在持续优化推理效率，开源推理框架也在进步。如果一家创业公司的优势差距不大，很快会被追平。” 在他看来，大厂已经掌握模型、算力和客户，独立推理服务商有机会，但空间不够宽。 第三类则是从传统算力基础设施向Token服务延伸的企业，包括部分智算中心运营商、算力服务商和产业链企业。 九章云极就是其中一个代表。公司过去主要从事智算基础设施解决方案和智算云服务业务，帮助客户建设智算中心，并提供算力服务。2026年上半年，公司开始提供按Token使用量计费的Alaya Token服务，将计算集群与第三方大语言模型封装为标准化API接口，客户通过调用接口获取推理输出，并按实际消耗的Token数量付费。 对这类企业来说，Token更像是算力的一种新卖法。服务器建成后，无论有没有客户调用，折旧、租赁和运维成本都在持续发生。把算力包装成Token服务，可以承接更多零散的推理需求，提高设备利用率。 它们的优势在于已有智算基础设施建设、算力资源组织和项目交付经验。短板在于，从建设智算中心到运营Token服务，并不是简单地改变计费单位，还需要具备模型部署、推理优化和客户服务能力，并找到能够持续消耗Token的客户。 上述投资人认为，如果只看短期商业化能力，大型云厂商的优势更明显。但长期来看，独立推理服务商未必没有机会。未来市场可能出现分层，标准化、规模化的模型调用服务，价格竞争会比较激烈；而在特定模型、复杂部署、低延迟或企业级服务场景中，仍可能存在差异化空间。