文 | 巨潮WAVE，作者｜小盧魚，編輯｜楊旭然

詞元（Token）調(diào)用量的指數(shù)級增長，正在帶來一批公司估值的飆升。

被稱為“Token第一股”的迅策科技，上市僅108天，股價較發(fā)行價上漲近6倍，最新總市值已經(jīng)達到1050億港元。

今年1月8日登陸港股的智譜，上市首日市值約580億港元，交出首份年度成績單后股價迅速，突破1000港元大關(guān)，市值也沖破4000億港元。

智譜CEO張鵬將2026年的關(guān)鍵詞定義為“Token量”，認為智能上界突破與Token消耗的指數(shù)級增長一起，共同構(gòu)成了AGI時代的商業(yè)價值。

尚未上市的公司之中，月之暗面上個月剛完成新一輪超10億美金融資，估值達到180億美元，而在去年底的一輪5億美元融資中，其估值僅為43億美元。

這種估值的短時間躍遷，與今年2月OpenClaw宣布將Kimi K2.5設(shè)為其官方主力模型有著直接聯(lián)系。K2.5發(fā)布僅一個月，月之暗面ARR（年度經(jīng)常性收入）即突破1億美元，業(yè)績增速不僅支撐了估值提升，也打開了公司IPO的可能性。

無論國內(nèi)國外，資本市場都在以驚人的熱情為Token經(jīng)濟的騰飛定價，未來幾個月里，我們將有機會聽到各種各樣的財富神話。這場轟轟烈烈的Token經(jīng)濟大繁榮，正在以“大躍進”的方式完成對所有人的認知普及，以及對風險的累積。

01 增長

聊天Bot剛問世的時候，很少有人能想到2年之后，僅僅豆包這一款大模型的日均Token使用量就可以突破120萬億。即便按照每百萬Token兩塊錢這個有點便宜的價格來計算，這也意味著每天有3億元的真實經(jīng)費在豆包上空燃燒。

事實上，國內(nèi)外各家大模型公司都在上演著類似的劇本，全球范圍內(nèi)的Token日均消耗量都在以指數(shù)級規(guī)模增長。

工信部旗下中國信息通信研究院發(fā)布的數(shù)據(jù)顯示，截至2026年3月，中國日均Token調(diào)用量已突破140萬億，較2024年初暴漲超過1000倍。

全球最大的AI模型API聚合平臺OpenRouter則統(tǒng)計到，其平臺每周處理的Token數(shù)量從2025年3月的1.62萬億飆升至2026年3月的16.90萬億，一年之內(nèi)增長超過10倍。

OpenRouter連接著Anthropic、OpenAI、谷歌、Meta等幾乎所有主流模型廠商的API接口，它的周度Token消耗曲線，本質(zhì)上就是全球AI應(yīng)用活躍度的實時監(jiān)測圖。

這條Token消耗曲線幾乎是垂直向上的，既不像GDP的線性增長，也不像互聯(lián)網(wǎng)用戶滲透率的S型曲線，完全走出了人工智能經(jīng)濟自己的發(fā)展趨勢。

是什么在驅(qū)動Token需求的大爆發(fā)？答案是人工智能的技術(shù)演進。

早期AI應(yīng)用以聊天機器人（Bot）為主，用戶輸入一句話，模型返回一段回答，一個來回消耗幾百到幾千Token，完事即止。

但從去年下半年開始，以Agent和Claw為代表的新型應(yīng)用范式以更快的速度、更廣的范圍流行開來。它們的共同特征是讓AI不再只是“一問一答”的對話工具，而是一個能夠自主規(guī)劃、調(diào)用工具、長周期執(zhí)行任務(wù)的數(shù)字員工。這種技術(shù)架構(gòu)底層的變化，讓Token消耗量以很多用戶意想不到的方式大幅增長。

行業(yè)內(nèi)部測算表明，完成同一個業(yè)務(wù)目標的情況下，Agent模式消耗的Token大約是Bot模式的50到200倍。

這是因為，Agent在執(zhí)行任務(wù)時需要將整個歷史對話上下文全量攜帶，一個復雜任務(wù)動輒累積數(shù)十萬Token的上下文窗口。

而且Agent每次思考都需要經(jīng)過多輪推理，都會觸發(fā)API請求，還需要持續(xù)加載系統(tǒng)配置文件和記憶庫，以維持任務(wù)的一致性和個性化體驗。這導致Agent模式下的Token消耗，更像是個不受用戶主觀控制的黑箱操作。

更值得警惕的是，這個階段Token表面的消耗量，并不等同于真實的需求量。

當AI轉(zhuǎn)型成為企業(yè)的政治正確，當Token消耗量被越來越多的公司納入員工的考核指標，一種“Token偽需求”的情況就誕生了。

Meta內(nèi)部已經(jīng)有團隊將Token消耗量作為AI滲透率的衡量標尺，部分員工為了“顯得自己很懂AI”，會故意運行大量冗余的模型調(diào)用任務(wù)；國內(nèi)騰訊等大廠也被爆料存在類似現(xiàn)象，一些業(yè)務(wù)線甚至發(fā)明了“Token刷量”的灰色操作。

這種為了不被時代拋棄而制造多余的消耗、夸大不存在的業(yè)績的行為，充滿了大躍進式的荒誕。

02 核心

當Token消耗量以指數(shù)級增長，一個嚴肅的產(chǎn)業(yè)問題也浮出水面——誰來買單，誰會受益？

4月15日，國家數(shù)據(jù)局就《關(guān)于推進行業(yè)高質(zhì)量數(shù)據(jù)集建設(shè)行動的實施方案（征求意見稿）》公開征求意見，首次在官方政策文件中提出“探索詞元交易等新型交易模式，構(gòu)建以詞元為基礎(chǔ)，可量化、可定價的數(shù)據(jù)集價值體系”。

從“詞元交易”被寫入國家頂層設(shè)計的那一刻起，Token就不再僅僅是一個技術(shù)概念，而是會逐漸成為人工智能經(jīng)濟的法定計價單位。某種意義上來說，Token化收費是人工智能經(jīng)濟的核心。

迅策科技被稱為“Token第一股”，就是因為其率先在商業(yè)模式上做出了調(diào)整，全面轉(zhuǎn)向了按Token消耗付費與分成的新模式，構(gòu)建了“收入=Token價格×調(diào)用次數(shù)×模塊應(yīng)用數(shù)”的增長模型。

目前，Token付費收入占迅策科技總營收的5%左右，公司預計到年底這一比例將快速提升至20%至30%。市場對迅策的估值邏輯也因此發(fā)生了重大變化，脫離了傳統(tǒng)市銷率的限制，有了更大的想象空間。

迅策科技的模式也說明，在人工智能經(jīng)濟中，大模型廠商大概率會扮演“精煉廠”的角色，即將底層的算力與數(shù)據(jù)，加工成可以被直接消費、以Token計價的“成品”、“結(jié)果”，并掌握著價值分配體系中的關(guān)鍵生態(tài)位。

而云服務(wù)廠商大概會扮演著“發(fā)電廠”和“電網(wǎng)”的角色，它們不直接定價Token，卻決定了Token的底層成本。

以阿里云為例，截至2026年2月底，阿里云2026財年累計外部商業(yè)化收入突破1000億元，AI相關(guān)產(chǎn)品收入延續(xù)高增長態(tài)勢，實現(xiàn)連續(xù)第十個季度三位數(shù)同比增長。

緊隨需求而來的就是漲價，上周阿里云四天連發(fā)三條產(chǎn)品漲價公告，調(diào)整百煉部分模型單元服務(wù)價格及DataWorks部分API免費額度——云服務(wù)廠商對Token成本的影響力，可見一斑。

云服務(wù)廠商在傳統(tǒng)架構(gòu)中主要收入來自虛擬機、存儲與網(wǎng)絡(luò)等基礎(chǔ)設(shè)施計費，進入Agent時代后，它們完全可以推動按資源（Token）使用量計費，并通過Agent平臺訂閱、開發(fā)者生態(tài)套件、行業(yè)級解決方案等獲得長期合同收入。

算力廠商則像是更上游的原材料、燃料供應(yīng)方，英偉達的高端GPU至今仍然處于產(chǎn)業(yè)鏈中最核心位置，高帶寬內(nèi)存（HBM）如今更是供應(yīng)緊張，三星、SK海力士及美光三大存儲原廠一邊產(chǎn)能受限，一邊毛利率抬高。

也許有人會擔心算力實際已經(jīng)過剩，英偉達和存儲廠商的股價已經(jīng)過高，但是這都不影響Token化收費的歷史進程。

Token收費，讓整條產(chǎn)業(yè)鏈的價值分配有了清晰的計算依據(jù)。

就像千瓦時的確立讓電力市場得以形成，流量/曝光量成為抖音和視頻號的收費標準單位一樣，Token正在讓人工智能經(jīng)濟從“感覺有用”走向“可以算賬、可以收稅”，成為一種真實存在的經(jīng)濟構(gòu)成。

03 狂歡

Token化收費，讓人工智能經(jīng)濟運轉(zhuǎn)的邏輯變得清晰起來，但是人工智能作為一種劃時代的技術(shù)革命，其經(jīng)濟運轉(zhuǎn)的邏輯，是否與傳統(tǒng)的經(jīng)濟學規(guī)律一致呢？

至少傳統(tǒng)經(jīng)濟學的供需平衡理論，在人工智能經(jīng)濟中并不完全適用。

傳統(tǒng)模型中，供給和需求是兩條獨立的曲線相交，而在人工智能經(jīng)濟中，供給本身會通過數(shù)據(jù)飛輪改進供給質(zhì)量。需求曲線向右移動不是因為外部收入變化，而是因為供給曲線本身向下、向右移動了。

目前這個階段，我們更可能看到蒸汽時代的“杰文斯悖論”在人工智能時代重演。所謂的杰文斯悖論是指，當蒸汽機效率提升、單位馬力耗煤量下降時，煤炭的總消耗量反而暴增，因為更便宜的蒸汽動力催生了更多工廠、火車和輪船。

現(xiàn)在Token的單位生產(chǎn)成本越低，愿意消耗Token的群體就越多，舍得使用Token而非人力的場景就越多，最后Token的總成本就越高，或者說人工智能經(jīng)濟的總價值就越大。

根據(jù)國內(nèi)媒體的數(shù)據(jù)統(tǒng)計，過去兩年多，Token生產(chǎn)成本下降了超過99%，GPT-4每百萬Token的成本已經(jīng)從37.5美元下降到了2025年的0.14美元。但根據(jù)硅谷知名風投Menlo Ventures，全球企業(yè)2025年在AI上的支出反而比2024年增長了3.2倍。

如果這種趨勢延續(xù)下去，那么哪怕單位 Token的價格趨近于零，全人類消耗的 Token 總價值（總量 × 單價）以及它撬動的 GDP 比重，也可以成百上千倍的增長。

這正是智譜、MiniMax等公司在巨額虧損的情況下，仍然被資本市場賦予超過許多傳統(tǒng)互聯(lián)網(wǎng)企業(yè)估值的深層原因——市場定價的不是今天的利潤，而是未來Token經(jīng)濟總價值。

更何況，用Token生產(chǎn)出來的東西，本身也會越來越有價值。

同一百萬個Token，在不同場景下創(chuàng)造的價值差距可達十萬倍，其價值完全因執(zhí)行的任務(wù)而異——用于閑聊的Token只值幾分錢，用于寫代碼的Token值幾百幾千元，用于量化投資、企業(yè)并購的Token完全可以價值幾萬元。

斯坦福大學2026年AI指數(shù)報告估算，僅2024年生成式AI就為美國消費者創(chuàng)造了約1720億美元的消費者剩余，而用戶獲得的價值遠超實際支付的費用。

值得警惕的是，在AI代替了大量人類的腦力勞動后，傳統(tǒng)的勞動力供給理論也會面臨挑戰(zhàn)。傳統(tǒng)的需求曲線會因為購買力萎縮而整體坍塌，而供給端因為自動化依然強勁，這就是凱恩斯所說的“技術(shù)性失業(yè)導致的有效需求不足”。

只不過在這個階段，圍繞著Token消耗量指數(shù)級增長的一切都還披著繁榮的外衣，引領(lǐng)著產(chǎn)業(yè)鏈上下游和資本市場的狂歡。

但是歷史已經(jīng)反復證明了，每當一種新技術(shù)被資本市場賦予無限想象空間，泡沫總是比價值更先抵達終點。