出品 | 妙投APP

作者 | 張博

編輯 | 丁萍

頭圖 | AI生圖

過去兩年，AI產(chǎn)業(yè)最耀眼的主角是大模型，隨后市場的目光迅速轉(zhuǎn)向“算力”——誰有GPU、誰有機(jī)房、誰能更快把服務(wù)器架起來，似乎誰就站在了浪潮前排。

但任何產(chǎn)業(yè)往前走一步，底層邏輯都會變一層。

如果說訓(xùn)練大模型更像“造發(fā)動(dòng)機(jī)”，那么今天越來越重要的推理服務(wù)，更像是讓汽車真正跑上路。模型再強(qiáng)，如果不能被穩(wěn)定、低成本、大規(guī)模地調(diào)用，就很難真正進(jìn)入企業(yè)、進(jìn)入場景、進(jìn)入日常生活。

而推理本質(zhì)上是一種持續(xù)性的算力消耗。用戶每一次提問、每一次生成內(nèi)容，背后都會消耗Token。隨著AI應(yīng)用規(guī)模越來越大，行業(yè)真正比拼的，也不再只是“有沒有GPU”，而是誰能更低成本、更穩(wěn)定地生產(chǎn)和調(diào)度Token。

也正因?yàn)槿绱?，AI算力服務(wù)正在發(fā)生一場重要變化：過去主流是“算力租賃”，說白了就是租GPU、租服務(wù)器；而現(xiàn)在，新的角色開始浮出水面——Token工廠與Token運(yùn)營平臺。

這兩個(gè)詞聽起來新，但如果換成更通俗的話，其實(shí)不難理解。所謂Token工廠，就是專門“生產(chǎn)AI輸出能力”的工廠，它不只是把機(jī)器租給你，而是直接把模型跑起來，按實(shí)際輸出量收費(fèi)。所謂Token運(yùn)營平臺，則像AI時(shí)代的“模型中轉(zhuǎn)站”或“統(tǒng)一入口”，把不同模型、不同服務(wù)商整合起來，讓企業(yè)和開發(fā)者更方便地調(diào)用。

如果說過去賣的是“鏟子”，那么現(xiàn)在越來越多公司想賣的，是“挖出來的礦”；如果說過去比的是“誰有機(jī)器”，那么現(xiàn)在比的，是“誰能用同樣的機(jī)器，產(chǎn)出更多、更便宜、更穩(wěn)定的智能服務(wù)”。

這背后，不只是新概念，而是AI產(chǎn)業(yè)分工開始深化的信號。更現(xiàn)實(shí)的問題是：從賣GPU到賣Token，AI推理服務(wù)到底是不是一門更好的生意？

AI算力服務(wù)為何要發(fā)生變化？

因?yàn)?“租算力”開始不夠用了。

任何新產(chǎn)業(yè)在早期，都會經(jīng)歷一個(gè)“資源稀缺”的階段。AI也一樣。前兩年，大家最關(guān)心的是有沒有高端GPU，能不能拿到英偉達(dá)的卡，能不能盡快把集群搭起來。

于是，“算力租賃”成了一個(gè)很熱的生意：有資源的人把GPU服務(wù)器租出去，客戶按月、按年付費(fèi)。這個(gè)模式在產(chǎn)業(yè)早期成立，因?yàn)楫?dāng)時(shí)最稀缺的是“資源本身”。

但隨著AI從訓(xùn)練走向推理，這種模式的局限開始暴露。

首先，它更像“出租設(shè)備”，而不是“交付結(jié)果”?？蛻糇獾氖荊PU，不是最終的AI能力。就像租了一臺機(jī)器，至于機(jī)器最后做出多少產(chǎn)品、賺了多少錢，和出租方關(guān)系不大。這意味著，哪怕下游AI應(yīng)用突然爆發(fā)，算力租賃方也很難真正分享到增長紅利，收入通常是固定的，彈性有限。

其次，它容易陷入同質(zhì)化競爭。如果大家做的都是“誰有卡、誰便宜、誰交付快”，那么這門生意最終很容易走向價(jià)格戰(zhàn)，利潤空間會被持續(xù)壓縮。

更重要的是，對大模型公司和互聯(lián)網(wǎng)大廠來說，自己扛著全部推理體系越來越重。今天的大模型服務(wù)，已經(jīng)不是“把模型部署上去”這么簡單，它背后要解決的是機(jī)房、電力、散熱、網(wǎng)絡(luò)、存儲、調(diào)度、模型優(yōu)化、延遲控制、穩(wěn)定性保障、成本管理等一整套復(fù)雜問題。

對很多大廠來說，算力投入已經(jīng)不只是技術(shù)問題，更是財(cái)務(wù)問題、組織問題，甚至是風(fēng)險(xiǎn)問題。資本開支太重，運(yùn)營太復(fù)雜，合規(guī)要求又越來越高，企業(yè)自然會想：有沒有一種方式，可以既拿到推理能力，又不用自己事事親力親為？

這就像制造業(yè)發(fā)展到一定階段，品牌商會把部分生產(chǎn)環(huán)節(jié)外包給更專業(yè)的工廠。AI產(chǎn)業(yè)也正在出現(xiàn)類似的分工。于是，問題不再只是“有沒有算力”，而是誰能更高效、更穩(wěn)定、更低成本地把模型能力轉(zhuǎn)化成Token，并持續(xù)交付給應(yīng)用和客戶？

而這里真正的變化還不只是“服務(wù)外包”，更在于計(jì)價(jià)方式變了，收入邏輯也就變了。

Token工廠有何吸引力？

所謂Token工廠，本質(zhì)上是一種新的推理服務(wù)模式。它有重資產(chǎn)底座——機(jī)房、服務(wù)器、集群、電力、網(wǎng)絡(luò)；但它不只是把這些硬件租出去，而是直接承接模型推理任務(wù)，生產(chǎn)Token，并按Token消耗收費(fèi)，甚至和模型方按收入分成。

如果用制造業(yè)做類比，它有點(diǎn)像AI時(shí)代的“代工廠”；如果用能源行業(yè)做類比，它也有點(diǎn)像“煉油廠”——真正決定價(jià)值的，不只是有沒有原料，而是能不能高效率地加工出有價(jià)值的產(chǎn)出。

為什么這個(gè)模式更有吸引力？

因?yàn)樗瑫r(shí)滿足了上下游兩端的需求。對上游模型廠商來說，可以把一部分推理產(chǎn)能外包出去，自己更專注于模型研發(fā)和應(yīng)用生態(tài)；對下游客戶來說，不需要自己深度介入復(fù)雜的部署和調(diào)優(yōu)，只要通過標(biāo)準(zhǔn)API調(diào)用，就能拿到穩(wěn)定的AI服務(wù)。

對Token工廠自己來說，收入不再是固定租金，而是和下游調(diào)用量相關(guān)，如果AI應(yīng)用越來越普及，Token消耗越來越多，它就有機(jī)會分享到更大的增長空間。

這也是為什么，一些公司披露的Token工廠業(yè)務(wù)毛利率，會顯著高于傳統(tǒng)算力租賃。傳統(tǒng)租賃更像資源生意，而Token工廠更接近“資源+工程優(yōu)化+服務(wù)交付”的復(fù)合型生意。

當(dāng)然，很多人第一反應(yīng)會覺得，Token工廠的壁壘在于“卡多”。但真正往下看，未必如此。因?yàn)樵谕评頃r(shí)代，更關(guān)鍵的問題不是“有沒有卡”，而是在同樣的卡、同樣的電、同樣的機(jī)房條件下，誰能產(chǎn)出更多Token？

這背后拼的是一整套工程能力，比如模型壓縮和量化能力、推理引擎優(yōu)化能力、模型與芯片的適配能力、并行調(diào)度和資源利用率、自動(dòng)擴(kuò)縮容和穩(wěn)定性保障。全球市場上，推理優(yōu)化團(tuán)隊(duì)越來越受到重視，原因就在這里。因?yàn)樗鼈冏龅氖虑椋?strong>本質(zhì)上是在降低單位Token成本。而誰能把成本做低，誰就更有可能在未來的競爭中活下來。

不過，從投資角度看，Token工廠真正需要回答的，已經(jīng)不只是“有沒有效率優(yōu)勢”，而是這種效率優(yōu)勢能持續(xù)多久。

這是一個(gè)不能回避的問題。因?yàn)橥评韮?yōu)化并不是某一家公司的專利，英偉達(dá)、模型廠商、開源社區(qū)都在快速推進(jìn)相關(guān)工具和框架。今天靠工程優(yōu)化拿到的領(lǐng)先，明天可能就會被更成熟的通用方案迅速縮小。換句話說，這種壁壘更像動(dòng)態(tài)領(lǐng)先，而不是靜態(tài)護(hù)城河。

另一個(gè)值得警惕的地方，是客戶關(guān)系的雙重性。表面上看，綁定字節(jié)、阿里、騰訊這樣的頭部客戶當(dāng)然是優(yōu)勢；但反過來看，這些客戶本身也是最強(qiáng)的技術(shù)公司。

它們今天向外采購Token工廠服務(wù)，可能是因?yàn)楫?dāng)下需要補(bǔ)充波峰算力、優(yōu)化組織效率、轉(zhuǎn)移部分資本開支；可一旦自身推理成本降得足夠低，或者內(nèi)部體系更成熟，外部工廠還能拿到多大的長期價(jià)值，就需要重新評估。

所以，Token工廠確實(shí)是一種更先進(jìn)的產(chǎn)業(yè)分工，但這并不意味著它天然就是一門高壁壘、高回報(bào)的生意。從投資上看，它更像“AI時(shí)代的重資產(chǎn)基礎(chǔ)設(shè)施”——收入看得見，訂單也可能看得見，但最后能不能沉淀為高回報(bào)，還要看產(chǎn)能利用率、折舊周期、持續(xù)再投資壓力，以及最關(guān)鍵的：它到底有沒有定價(jià)權(quán)。

如果上游模型廠商持續(xù)降價(jià)，下游客戶又越來越強(qiáng)勢，那么Token工廠即便能保持較高毛利率，也未必一定能創(chuàng)造足夠好的資本回報(bào)。這一點(diǎn)，遠(yuǎn)比單純討論毛利率更值得重視。

Token運(yùn)營平臺的價(jià)值在哪？

如果說Token工廠解決的是“生產(chǎn)問題”，那么Token運(yùn)營平臺解決的就是“流通問題”。

今天的AI模型越來越多，不同模型有不同能力、不同價(jià)格、不同接口。對于開發(fā)者和企業(yè)來說，真正麻煩的往往不是“沒有模型可用”，而是“模型太多、接口太散、服務(wù)不夠穩(wěn)定”。

于是，Token運(yùn)營平臺的價(jià)值開始出現(xiàn)。它做的事情，可以用一句很通俗的話概括：把復(fù)雜的模型世界，變成一個(gè)更簡單、更好用的服務(wù)入口。

這類平臺真正的價(jià)值，不只是“聚合”，而在于三件事：降低接入門檻；提供穩(wěn)定性保障；做智能路由，讓不同任務(wù)匹配不同模型，在效果和成本之間找到最優(yōu)解。

所以，Token運(yùn)營平臺并不只是“中間商”，它更像AI時(shí)代的“流量調(diào)度中心”。從商業(yè)模式看，這類平臺通常比較輕資產(chǎn)，收入主要來自在上游價(jià)格基礎(chǔ)上的服務(wù)溢價(jià)。它的長期價(jià)值，不在于賺多少差價(jià)，而在于能不能形成平臺效應(yīng)和客戶粘性。

但這里同樣存在一個(gè)容易被忽略的問題：誰才是企業(yè)客戶真正的入口？

在很多B端場景里，企業(yè)本來就已經(jīng)深度綁定某一家云廠商。它的賬戶體系、數(shù)據(jù)體系、運(yùn)維體系、合規(guī)體系，往往都建立在云平臺之上。對于這類客戶來說，模型調(diào)用天然會優(yōu)先選擇云廠商自己的MaaS平臺，而不是再額外引入一個(gè)獨(dú)立的Token運(yùn)營商。

這意味著，獨(dú)立Token運(yùn)營平臺想要成立，必須提供云廠商做不到、或者暫時(shí)做不好的獨(dú)特價(jià)值。比如更強(qiáng)的跨云調(diào)度能力、更極致的故障切換能力，或者在跨模型調(diào)用中形成真正的數(shù)據(jù)飛輪和使用粘性。否則，它很容易被云廠商的功能所吸收，最后只剩下一層很薄的通道價(jià)值。

所以，至少在現(xiàn)階段，Token運(yùn)營平臺更像一個(gè)想象空間很大、但真正護(hù)城河還沒有完全跑出來的賽道。它有機(jī)會成為入口，但也很容易停留在工具層；它有機(jī)會做成平臺，但也可能最終只是云廠商功能的一部分。

這也是為什么，從投資角度看，Token運(yùn)營平臺更適合被當(dāng)作一種“期權(quán)型機(jī)會”來觀察，而不是輕易當(dāng)作已經(jīng)被驗(yàn)證的核心基礎(chǔ)設(shè)施。

這場變化為什么仍然值得重視？

如果只把Token工廠和Token運(yùn)營看成兩個(gè)新概念，意義并不大。真正值得重視的是，它們反映出AI產(chǎn)業(yè)正在發(fā)生三個(gè)深層變化。

第一，從“賣資源”走向“賣結(jié)果”。過去賣的是算力本身，未來賣的是模型輸出能力。這意味著產(chǎn)業(yè)競爭的核心，從資源占有，轉(zhuǎn)向效率和交付能力。

第二，從“大廠全包”走向“專業(yè)分工”。模型廠商不可能永遠(yuǎn)把所有事情都自己做完。當(dāng)產(chǎn)業(yè)成熟，專業(yè)化分工一定會出現(xiàn)。有人專注模型，有人專注Token生產(chǎn)，有人專注Token分發(fā)，這反而會提高整個(gè)產(chǎn)業(yè)的效率。

第三，從“概念驅(qū)動(dòng)”走向“商業(yè)閉環(huán)驅(qū)動(dòng)”。前幾年，很多AI故事講的是想象空間。但真正決定企業(yè)價(jià)值的，最終還是能不能形成可持續(xù)收入、可復(fù)制模式和可驗(yàn)證利潤。

從這個(gè)意義上說，Token工廠和Token運(yùn)營不是概念的延伸，而是商業(yè)化更進(jìn)一步的體現(xiàn)。只是，站在投資視角看，還需要多補(bǔ)一句：新分工不等于新護(hù)城河，商業(yè)模式升級也不自動(dòng)等于資本回報(bào)升級。

哪些方向更值得跟蹤？

如果保留一點(diǎn)投資研究視角，那么這個(gè)賽道值得看的，不只是“誰先提概念”，而是誰更接近真實(shí)落地。

一類是綁定頭部客戶的Token工廠。這類公司如果已經(jīng)和互聯(lián)網(wǎng)大廠、模型廠商形成穩(wěn)定合作，那么它們的業(yè)務(wù)確定性會更強(qiáng)。但真正更值得重視的，往往不是服務(wù)于最強(qiáng)自研模型體系的“補(bǔ)充性外采”，而是那些深度綁定了非自研模型、或者在長期合作中已經(jīng)嵌入客戶核心流程的玩家。

一類是有垂直場景閉環(huán)的公司。比如在AI Coding、企業(yè)服務(wù)、智能營銷等領(lǐng)域，本身就有應(yīng)用入口和客戶基礎(chǔ)的企業(yè)。如果它們把場景與推理服務(wù)結(jié)合起來，往往更容易形成持續(xù)的Token消耗和商業(yè)閉環(huán)。

還有一類是專注推理優(yōu)化的技術(shù)型公司。這類公司不一定最顯眼，但如果能在特定芯片、特定模型、特定場景上把效率做到極致，未來可能擁有很強(qiáng)的議價(jià)能力。當(dāng)然，這里同樣要警惕：技術(shù)優(yōu)勢如果不能持續(xù)演進(jìn)，就可能很快被開源生態(tài)追平。

最后，是具備平臺屬性的Token運(yùn)營商。它們的關(guān)鍵看點(diǎn)，不是接入多少模型，而是能不能形成統(tǒng)一入口、穩(wěn)定服務(wù)和智能調(diào)度能力。更重要的是，它們必須證明自己提供的是云廠商之外的增量價(jià)值，而不是一個(gè)遲早會被整合掉的中間層。

最后，越是新賽道，越要看清它真正的門檻。

Token工廠和Token運(yùn)營的確代表了一種值得重視的新趨勢，但這并不意味著這條路會一帆風(fēng)順。

最先擺在眼前的，還是算力本身的約束。AI推理服務(wù)說到底，仍然建立在高端芯片、穩(wěn)定集群和持續(xù)供給之上。如果核心算力資源持續(xù)緊張，或者供應(yīng)鏈再度收緊，那么很多看上去很美的擴(kuò)張計(jì)劃，最后都可能慢下來。

與此同時(shí)，這個(gè)行業(yè)未來也很難避免價(jià)格競爭。模型越來越多，服務(wù)越來越豐富，價(jià)格下行幾乎是技術(shù)產(chǎn)業(yè)成熟過程中的常見現(xiàn)象。一旦價(jià)格不斷下探，企業(yè)比拼的就不再是誰講得更動(dòng)聽，而是誰能把成本控制得更低、把效率做得更高。

還有一個(gè)不能忽視的變量，是技術(shù)進(jìn)步本身。今天一些公司看起來領(lǐng)先，往往是因?yàn)樗鼈冊谕评韮?yōu)化、模型部署和調(diào)度方面走在前面。但AI行業(yè)變化太快，很多領(lǐng)先優(yōu)勢都可能在開源工具和通用框架快速演進(jìn)后被縮短。所以，今天的壁壘，更像是階段性的領(lǐng)先，而不是一勞永逸的護(hù)城河。

比這些更需要小心的，是概念先行。每當(dāng)一個(gè)新賽道受到關(guān)注，市場上總會出現(xiàn)一些“聽起來很像、實(shí)際上還差得很遠(yuǎn)”的公司。做算力，不一定就能做好Token工廠；能聚合接口，也不等于就能成為真正的Token運(yùn)營平臺。這中間隔著的，不只是技術(shù)，更是客戶、交付、調(diào)度、穩(wěn)定性和長期運(yùn)營能力。

如果再往投資層面多看一眼，還要補(bǔ)上兩個(gè)經(jīng)常被忽略的問題：一個(gè)是資本回報(bào)。Token工廠看上去毛利率不低，但它本質(zhì)上仍然是重資產(chǎn)、強(qiáng)投入的生意。高毛利并不必然等于高回報(bào)，真正需要看的，是長期ROIC、自由現(xiàn)金流，以及高折舊能否被持續(xù)增長覆蓋。另一個(gè)是定價(jià)權(quán)。如果上游模型廠商越來越強(qiáng)勢，下游客戶又越來越會壓價(jià)，那么夾在中間的Token工廠未必能長期吃到最厚的一層利潤。

所以，對這個(gè)新賽道最好的理解方式，不是急著判斷誰會成為明星，而是先分清：哪些公司是真正在做能力建設(shè)，哪些公司只是借概念講故事。因?yàn)檎嬲艽┰街芷诘?，從來不是最早喊口號的人，而是最早把能力做扎?shí)的人。

而對投資者來說，也許還要再記住一句更冷靜的話：在這場“賣Token”的熱潮里，最終賺得最穩(wěn)的，未必是Token工廠本身，也可能依然是那些賣HBM、光模塊和關(guān)鍵基礎(chǔ)設(shè)施的“鏟子商”。