近日，當(dāng)國(guó)家數(shù)據(jù)局披露“日均Token調(diào)用量突破140萬億”的數(shù)據(jù)時(shí)，這個(gè)看似技術(shù)性的指標(biāo)，很快被賦予了宏大的意義—中國(guó)正在成為AI時(shí)代最重要的“算力輸出者”。

Token（詞元）原本只是大模型處理信息的最小單位，但在今天，它已經(jīng)悄然轉(zhuǎn)化為一種新的計(jì)量與計(jì)價(jià)方式。在OpenAI、Anthropic等主流平臺(tái)上，開發(fā)者購(gòu)買的不是模型本身，而是Token的使用量。這種變化，使得Token逐漸具備了類似“資源”的屬性，也讓“Token是AI時(shí)代硬通貨”的說法開始流行。

但如果我們把視角從數(shù)量增長(zhǎng)轉(zhuǎn)向結(jié)構(gòu)變化，一個(gè)更值得思考的問題浮出水面，那就是Token規(guī)模的爆發(fā)，是否意味著我們已經(jīng)掌握AI發(fā)展的主動(dòng)權(quán)，還是僅僅占據(jù)了某一層優(yōu)勢(shì)？未來的決勝點(diǎn)到底在哪里？

流量狂飆背后，中國(guó)Token規(guī)模與營(yíng)收倒掛

如果只看數(shù)據(jù)，中國(guó)Token的增長(zhǎng)速度幾乎可以用“失重”來形容。從千億級(jí)到萬億級(jí)，再到如今的百億億級(jí)，這種躍遷并不是簡(jiǎn)單的技術(shù)進(jìn)步，更像是一種基礎(chǔ)資源正在被大規(guī)模釋放的過程。具體表現(xiàn)為AI正在從實(shí)驗(yàn)室走向現(xiàn)實(shí)世界，從能力展示轉(zhuǎn)向基礎(chǔ)設(shè)施，而Token正是這個(gè)過程中的“流量單位”。

需要說明的是，支撐這種爆發(fā)的并非單一因素，而是幾條長(zhǎng)期曲線的交匯。最直觀的表現(xiàn)就是價(jià)格曲線的快速下探。例如以DeepSeek、阿里云、百度為代表的廠商，在過去一年中將Token價(jià)格壓到了一個(gè)前所未有的區(qū)間，使得原本只屬于頭部企業(yè)的能力，開始向中小開發(fā)者甚至個(gè)人用戶開放。彼時(shí)AI從“用得起才用”，變成“幾乎任何場(chǎng)景都可以試一試”。這種價(jià)格重構(gòu)，本質(zhì)上是在重新定義AI的使用門檻，也在重塑市場(chǎng)結(jié)構(gòu)。

與此同時(shí)，中國(guó)獨(dú)特的基礎(chǔ)設(shè)施路徑開始顯現(xiàn)出威力。在國(guó)家數(shù)據(jù)局推動(dòng)下形成的“東數(shù)西算”體系，讓西部的低價(jià)電力得以轉(zhuǎn)化為東部乃至全球可調(diào)用的算力資源。過去難以直接參與全球貿(mào)易的電力，正在通過數(shù)據(jù)中心與模型服務(wù)，被轉(zhuǎn)換為可以按需調(diào)用的Token。而這種“能源—算力—服務(wù)”的鏈條，使中國(guó)具備了將本土資源轉(zhuǎn)化為全球性數(shù)字供給的獨(dú)特能力。

更重要的是，這種供給并非建立在犧牲質(zhì)量的基礎(chǔ)上。隨著模型能力的快速迭代，中國(guó)廠商在代碼生成、長(zhǎng)文本處理、多語言支持等方面，已經(jīng)能夠在大量實(shí)際場(chǎng)景中對(duì)標(biāo)OpenAI和Anthropic等。同時(shí)鑒于在不少應(yīng)用中，開發(fā)者更看重的是夠用且便宜，而非極限性能，使得這種“工程上的可用性”，疊加成本優(yōu)勢(shì)，讓中國(guó)模型應(yīng)用在全球范圍內(nèi)迅速上量，越來越多的調(diào)用請(qǐng)求流向中國(guó)模型，Token規(guī)模由此被迅速放大。

但如果我們把視角從調(diào)用規(guī)模切換到商業(yè)價(jià)值，另一幅有些反直覺的結(jié)果出現(xiàn)了。

一組來自非凡產(chǎn)研統(tǒng)計(jì)的數(shù)據(jù)顯示（截至去年8月份），在“全球AI公司月活”里，中國(guó)公司拿下了約46.0%的全球月活（美國(guó)約43.2%），而在“全球AI公司收入Top 100”里，包括OpenAI、Anthropic等少數(shù)頭部美國(guó)AI公司卻拿走了約91.9%的全球ARR（經(jīng)常性收入），中國(guó)公司僅占3.5%。

這里我們不妨用更直觀的對(duì)比來感受一下：百度的全網(wǎng)月活約7.30億，字節(jié)約3.72億，深度求索約2.05億，美圖約1.95億；而收入榜側(cè)，OpenAI一家ARR約174.75億美元，Anthropic約72.68億美元，而中國(guó)收入榜的總和僅約12.87億美元。

這意味著一個(gè)耐人尋味的倒掛正在形成，即流量在中國(guó)，收入?yún)s集中在美國(guó)。

值得注意的是，進(jìn)入2026年，盡管部分國(guó)產(chǎn)模型（如MiniMax、Kimi）已展現(xiàn)出海外收入占比顯著提升的勢(shì)頭，例如MiniMax海外收入占比已超70%，Kimi海外收入開始超過國(guó)內(nèi)，但整體營(yíng)收倒掛的結(jié)構(gòu)性特征依然存在。

由此可見，中國(guó)雖然正在贏得調(diào)用規(guī)模，卻尚未完全轉(zhuǎn)化為商業(yè)價(jià)值。而這一結(jié)構(gòu)性錯(cuò)位，正是理解中國(guó)Token繁榮背后真正含義的關(guān)鍵入口，即當(dāng)Token成為一種“資源”之后，我們不僅要看“產(chǎn)量”，更要看“含金量”和“定價(jià)權(quán)”。也正是在這個(gè)意義上，如果我們把視角從調(diào)用規(guī)模切換到商業(yè)價(jià)值，一個(gè)更值得關(guān)注、也更具解釋力的結(jié)構(gòu)性現(xiàn)象開始浮現(xiàn)。

規(guī)模之上的Token，價(jià)值和規(guī)則才是核心競(jìng)爭(zhēng)力

如上述，Token的爆發(fā)，很容易讓人產(chǎn)生調(diào)用量越大，代表產(chǎn)業(yè)越強(qiáng)的錯(cuò)覺。而如果把這些Token拆解來看，就會(huì)發(fā)現(xiàn)其中的差異遠(yuǎn)比數(shù)字本身更重要。

眾所周知，在現(xiàn)實(shí)應(yīng)用中，并非所有Token都具有相同價(jià)值。一部分Token來自高價(jià)值場(chǎng)景，例如復(fù)雜決策、專業(yè)分析、科研輔助，這些調(diào)用往往對(duì)應(yīng)著較高的付費(fèi)能力和長(zhǎng)期依賴；而另一部分Token，則來自測(cè)試調(diào)用、低質(zhì)量?jī)?nèi)容生成或大規(guī)模自動(dòng)化任務(wù)，它們?cè)跀?shù)量上龐大，但在經(jīng)濟(jì)意義上相對(duì)有限。盡管兩者在統(tǒng)計(jì)上沒有區(qū)別，但在產(chǎn)業(yè)結(jié)構(gòu)中卻扮演完全不同的角色。這意味著，如果缺乏高價(jià)值場(chǎng)景的支撐，單純的Token增長(zhǎng)，很容易陷入規(guī)模膨脹而價(jià)值不足的怪圈。

當(dāng)然，在討論Token規(guī)模時(shí)，還有一個(gè)無法回避的結(jié)構(gòu)性因素，那就是中國(guó)市場(chǎng)本身的“封閉性”在一定程度上放大了這一數(shù)字。

業(yè)內(nèi)知道，在中國(guó)大陸，OpenAI、Anthropic以及谷歌（Gemini）等模型的直接使用和商業(yè)化部署存在客觀限制，這意味著大量原本可能流向全球多家模型廠商的調(diào)用需求，被集中留在本土體系之中。相較之下，美國(guó)市場(chǎng)的開發(fā)者可以在多個(gè)模型之間自由分流調(diào)用（包括部分中國(guó)模型），至于在中國(guó)，絕大多數(shù)應(yīng)用調(diào)用天然集中在國(guó)產(chǎn)模型之上。

而正是這種結(jié)構(gòu)差異，使得Token規(guī)模在中國(guó)呈現(xiàn)出一種集中放大的效果。從統(tǒng)計(jì)上看，這無疑強(qiáng)化了中國(guó)在Token調(diào)用量上的領(lǐng)先地位，但如果簡(jiǎn)單將其等同于全面競(jìng)爭(zhēng)力優(yōu)勢(shì)，則容易產(chǎn)生誤判。換言之，中國(guó)的Token規(guī)模領(lǐng)先，既來自真實(shí)的供給能力提升，也受到需求結(jié)構(gòu)“內(nèi)聚化”的放大。

需要強(qiáng)調(diào)的是，這種放大并非虛假繁榮。畢竟能夠承接并放大這部分需求的前提仍然是中國(guó)模型在成本、性能與工程能力上的進(jìn)步已經(jīng)足夠支撐大規(guī)模應(yīng)用。否則，即便外部模型受限，AI應(yīng)用本身也難以如此快速鋪開。因此，這種現(xiàn)象更接近一種真實(shí)能力疊加結(jié)構(gòu)紅利的結(jié)果，而不是單純由外部環(huán)境使然。

然而，其潛在影響還是需要我們警惕。原因在于長(zhǎng)期處于相對(duì)封閉的競(jìng)爭(zhēng)環(huán)境，容易讓規(guī)模增長(zhǎng)掩蓋結(jié)構(gòu)差異，尤其是在高價(jià)值場(chǎng)景與頂級(jí)能力層面的差距判斷上。如果缺乏與全球最強(qiáng)模型的持續(xù)對(duì)標(biāo)與競(jìng)爭(zhēng)，Token規(guī)模的領(lǐng)先，可能更多停留在使用密度層面，而難以自然轉(zhuǎn)化為價(jià)值密度的領(lǐng)先。

與此同時(shí)，為了快速擴(kuò)大規(guī)模，不少國(guó)產(chǎn)模型選擇了一條更現(xiàn)實(shí)的路徑，即在接口層面兼容OpenAI的標(biāo)準(zhǔn)。類似的messages結(jié)構(gòu)、相似的參數(shù)設(shè)計(jì)、甚至“只改base_url即可切換”的調(diào)用方式，使開發(fā)者幾乎可以無成本遷移。而這種策略無疑極大地降低了使用門檻，是Token規(guī)模迅速增長(zhǎng)的另外重要原因之一。

但問題也恰恰出在這里。當(dāng)一種生態(tài)的“語言”和“接口范式”已經(jīng)被定義時(shí)，后來者即使在規(guī)模上實(shí)現(xiàn)反超，也往往難以在規(guī)則層面取得主導(dǎo)權(quán)。相較之下，Anthropic之所以成為OpenAI最強(qiáng)勁的對(duì)手，在于其并沒有完全兼容OpenAI接口，而是保持一定相似性的同時(shí)，構(gòu)建了獨(dú)立的API體系，并借助Amazon的AWS生態(tài)進(jìn)行分發(fā)。雖然這種路徑犧牲了部分遷移效率，卻在長(zhǎng)期發(fā)展中保留了爭(zhēng)奪標(biāo)準(zhǔn)話語權(quán)的空間。

上述策略的差異，實(shí)際上揭示了一條更底層的邏輯：規(guī)模和規(guī)則并不等同。實(shí)際上，歷史已經(jīng)反復(fù)證明，使用最多的系統(tǒng)未必制定規(guī)則，出貨量最大的產(chǎn)品也未必掌握標(biāo)準(zhǔn)。在AI領(lǐng)域，這種邏輯同樣適用。而事實(shí)是，當(dāng)前的API范式、開發(fā)框架乃至企業(yè)級(jí)集成路徑，仍然深受OpenAI、微軟和谷歌等體系的影響。

也正因?yàn)槿绱?，一種看似矛盾的結(jié)果出現(xiàn)了，那就是中國(guó)在Token規(guī)模上快速領(lǐng)先，但在規(guī)則與生態(tài)層面，仍然處于“參與者”的位置。而這種“規(guī)模領(lǐng)先、規(guī)則滯后”的錯(cuò)位，正是當(dāng)前階段最值得警惕的隱憂。

Token產(chǎn)業(yè)化，亟待底層創(chuàng)新與規(guī)則定義能力

綜上，如果說Token規(guī)?；卮鸬氖橇康膯栴}，那么決定未來的，始終是結(jié)構(gòu)的問題。從這個(gè)角度看，中國(guó)AI真正需要跨越的，并不是再多產(chǎn)生一些Token，而是完成一次更深層的結(jié)構(gòu)躍遷。

首先需要突破的，是從成本優(yōu)勢(shì)走向不可替代能力。不可否認(rèn)，低價(jià)格可以迅速打開市場(chǎng)，但很難長(zhǎng)期鎖定市場(chǎng)。一旦競(jìng)爭(zhēng)進(jìn)入充分階段，單純依靠?jī)r(jià)格優(yōu)勢(shì)，往往會(huì)演變?yōu)槌掷m(xù)的內(nèi)卷。而真正能夠形成定價(jià)權(quán)的，往往是那些在關(guān)鍵場(chǎng)景中不可替代的更強(qiáng)的推理能力以及更穩(wěn)定的企業(yè)級(jí)表現(xiàn)，抑或在特定行業(yè)中的深度優(yōu)化。這些能力，才是將“可用”轉(zhuǎn)化為“必須用”的關(guān)鍵。雖然我們?cè)诰幊?、Agent等特定領(lǐng)域已有局部領(lǐng)先的跡象，但整體仍需向更高階能力躍升。

其次，是從接口兼容走向標(biāo)準(zhǔn)定義。當(dāng)前AI生態(tài)中最隱蔽卻最關(guān)鍵的控制力，并不在模型本身，而在接口、工具鏈與開發(fā)范式。誰定義了這些，誰就決定了開發(fā)者如何構(gòu)建應(yīng)用、企業(yè)如何接入AI?；诖?，如果我們長(zhǎng)期停留在“兼容者”的位置，那么即使規(guī)模再大，也很難在生態(tài)層面取得主導(dǎo)權(quán)。而只有當(dāng)中國(guó)廠商開始在接口設(shè)計(jì)、開發(fā)框架乃至應(yīng)用范式上提出自己的標(biāo)準(zhǔn)時(shí)，規(guī)則層面的競(jìng)爭(zhēng)才真正開始。

更深一層則是底層技術(shù)與系統(tǒng)能力的持續(xù)突破。畢竟Token只是最終的表現(xiàn)形式，其背后是芯片、算法與工程體系的綜合能力，而在這一層面，英偉達(dá)仍然掌握著關(guān)鍵的算力節(jié)點(diǎn)；頂級(jí)模型能力也仍主要集中在歐美廠商手中。此背景之下，如果我們?nèi)狈Τ掷m(xù)的底層創(chuàng)新，Token的成本和規(guī)模優(yōu)勢(shì)，很可能難以長(zhǎng)期維持。

最后，也是最容易被忽視的一點(diǎn)是高價(jià)值場(chǎng)景的應(yīng)用。未來真正決定AI產(chǎn)業(yè)格局的，并不是誰生成了更多Token，而是誰掌握了最有價(jià)值的那部分Token。無論是金融、醫(yī)療，還是工業(yè)與科研，這些領(lǐng)域?qū)δＰ湍芰?、穩(wěn)定性和可信度的要求遠(yuǎn)高于普通應(yīng)用，同時(shí)也對(duì)應(yīng)著更高的商業(yè)價(jià)值。所以只有在這些場(chǎng)景中建立優(yōu)勢(shì)，Token規(guī)模才會(huì)轉(zhuǎn)化為真正的產(chǎn)業(yè)能力。

寫在最后：綜上，我們認(rèn)為，140萬億Token，確實(shí)可喜可賀，它說明中國(guó)已經(jīng)在AI時(shí)代占據(jù)了一席重要位置，甚至正在成為全球最重要的算力供給方之一。但我們同樣需要看到，真正決定長(zhǎng)期格局的，從來不是單一維度的領(lǐng)先，而是多層結(jié)構(gòu)的協(xié)同演進(jìn)。

而真正的分水嶺，不在于Token能否繼續(xù)增長(zhǎng)，而是中國(guó)能否從“生產(chǎn)更多Token”，走向“定義Token如何被使用“。只有當(dāng)這一步完成，Token才不只是一個(gè)高速增長(zhǎng)的數(shù)字，而是成為一個(gè)真正具備產(chǎn)業(yè)化能力的基礎(chǔ)資源。