Token稱王，大廠的“護城河”變了

2026年3月，中國AI大模型的日均Token（詞元）調用量突破140萬億。每秒燃燒超過16億Token的AI賽道上，一場無聲的“座次重排”正在發生，衡量科技公司競爭力的標準，流量不再是唯一的通行證——Token正在成為新的硬通貨。

用戶規模曾是移動互聯網時代無可爭議的護城河。騰訊手握超10億微信月活，阿里覆蓋超10億消費者，字節跳動坐擁超8億月活的抖音。只要“流量池”足夠大，通過廣告、電商、游戲、增值服務的變現水到渠成。

當AI從“聊天玩具”進階為企業生產工具，基于流量的游戲規則變了。英偉達創始人黃仁勛認為，Token將是未來數字世界最核心、最值錢的大宗商品。

一組關鍵數據暗示格局生變：豆包大模型日均Token使用量突破120萬億，中國第一、全球第三；智譜MaaS API平臺ARR（年度經常性收入）達17億元，同比提升60倍，CEO張鵬直言“當模型足夠強，API本身就是最好的商業模式”；DeepSeek理論成本利潤率曾達545%。全球最大API聚合平臺OpenRouter的最新榜單中，中國 AI 大模型全球調用量再創新高，前六名全部來自中國。

流量為王正在被Token為王的新秩序取代。

Token之戰

作為全球日均Token消耗量超100萬億的三家公司之一，字節跳動的Token調用量已與OpenAI和谷歌巨頭在同一梯隊。相較兩年前的數據，實現了1000倍的高速增長，火山引擎上萬億級Token消耗企業增至140家。

字節未透露Token消耗在內外部業務的比重。火山引擎總裁譚待告訴記者，Token消耗漲勢快源于兩個因素：一是視頻創作，因為所有行業都有營銷需求，視頻是最好的載體，短劇、動畫等內容細分領域的消耗也在快速提升。二是OpenClaw這類火爆的Agent產品。

他說，一年前大家還會按行業劃分AI的應用，但現在OpenClaw類產品的普及讓每個員工都能使用，有人用它做招聘，有人用它做市場分析，有人用它處理周報，已經無法單一定義它的應用場景。

但在Token大規模調用量中，包含了大量無效算力。譚待以解數學題為例：枚舉法計算量大，模型能力不足就會采用類似方式，造成無謂消耗；更優秀的模型能找到簡潔解法，優化空間很大。

相比字節在調用量上的領先，智譜、MiniMax、月之暗面等AI公司，沒有云計算生態，也沒有微信、抖音這樣的C端超級入口，卻展示了Token在To B市場的商業價值。

智譜2025年MaaS API平臺ARR達17億元，同比提升60倍，毛利率提升近5倍至18.9%。2026年Q1，智譜API漲價83%，調用量反而同比增長400%，實現“量價齊升”。

智譜張鵬提出了AI生產力價值的公式：TAC = 智能調用量 × 智能質量 × 經濟轉化效率。他認為，隨著OpenClaw等應用驅動Token消耗進入指數級軌道，推理再中心化和高質量Token出海將成為趨勢。

在這樣的趨勢下，Token逐漸成為AI服務的核心計價與流通單位，進而對現有各廠商的商業模式造成沖擊與影響。

傳統大廠們已經感受到壓力。一個直觀的信號是：從市值看，智譜與MiniMax已一度連超包括攜程、快手、百度、京東等巨頭。

在大模型世界里，用戶體量并不天然導向Token消耗增長。Token消耗由使用頻次和深度共同決定——一個重度AI開發者一天消耗的Token可能比1萬個普通C端用戶還多。用戶忠誠度由模型效率、性價比和穩定性決定。傳統互聯網看 “流量密度”，AI 大模型看 “Token 密度”：Token 調用量，本質是算力、模型、場景、商業化的綜合成績單，比流量更能反映真實競爭力。

“云計算廠商是雙重身份，一方面是大模型提供者，能生產Token；另一方面，獨立大模型廠商生產Token需要大量算力，主要由云計算廠商提供。”騰訊集團副總裁、政企業務總裁李強告訴記者。

他感受到，過去一段時間主要需求方還是頭部大模型公司、具身智能等，但OpenClaw推動AI從對話層走向執行層，將提振B端用戶意愿，Agent能在合同審核、標書撰寫、視頻讀取、內部審計等更多核心領域替代人工。AI to B已成為所有云廠商最大的增量市場。

Token消耗在云業務中的重要性也在上升。阿里CEO吳泳銘判斷，未來MaaS收入將成為阿里云收入最多的產品。繼阿里成立由吳泳銘掛帥的Alibaba Token Hub事業群，騰訊3月底也將MaaS平臺升級為TokenHub。

不過截至目前，包括騰訊、阿里、百度在內的傳統大廠Token數據仍很模糊甚至缺席。

談及Token經濟將對互聯網廠商的行業壁壘產生差異化影響，沂景資本董事總經理對記者表示，核心影響范圍集中于具備龐大云業務的頭部互聯網廠商。對于此類廠商而言，Token經濟是其云業務不可或缺的核心組成部分，若無法構建完善的Token經濟體系，其云業務的差異化競爭優勢將逐步喪失，進而削弱整體行業壁壘；而對于滴滴、美團等無龐大云業務布局的互聯網廠商而言，受限于業務屬性與資源稟賦，Token經濟并非其核心發展需求，亦無必要投入資源構建相關體系。

“從本質來看，Token經濟的核心支撐并非單一算力，而是數據與算力兩大核心要素的重資產持續投入，二者的協同布局構成了Token經濟的核心壁壘，也是頭部廠商維持競爭優勢的關鍵。”上述人士表示。

Token數量不是唯一標準

Token正從大模型中的技術計量單位，躍升為智能經濟的基礎性價值尺度與結算工具，成為智能時代的價值錨點。

摩根大通預計，2025至2030年中國AI推理Token消耗量將從約10千萬億增至約3900千萬億，五年增長約370倍。DeepSeek此前公布的理論成本利潤率高達545%，印證了Token經濟在高效模型廠商手中的盈利潛力。

但Token數量不是衡量AI價值的單一標尺。

“大家千萬不要覺得Token是相同的。”阿里云智能集團資深副總裁、公共云事業部總裁劉偉光對第一財經記者說。

同樣一千個Token，用AI寫搞笑文案或閑聊，與客服坐席用AI解決實際問題，創造的價值天差地別。前者更多是情緒價值，后者直接關聯企業的降本增效。

一位從業者表示：如果一個模型用100句話、10萬Token才講完一件事，而先進模型只用五句話、一千個Token就解決——哪個價值更大顯而易見。“企業為Token付費，本質上是為生產力提升、成本降低、效率優化買單。”

吳泳銘也提到，大量企業在用Token消耗時，并不把它當成IT預算，而是當作公司的生產或研發成本、生產資料的一部分。

李強告訴記者，騰訊未將重點全放在Token消耗上。“假定Token是油耗，如果只關注油耗而不關注造引擎的經濟性，可能用戶端成本會很高，客戶最終也會舍棄。”他舉例，Token不是有黏性的業務，如果利用低價獲取客戶，哪天不發“紅包和雞蛋”，客戶很容易流失。

他認為，與其關注Token，不如關注能否做出跟OpenClaw同樣好用且更安全的Agent，以及把精力放在引擎研發上，確保更好的引擎、更低的油耗，未來在Token獲取上占據主導地位。騰訊為此已經在補課。

還有大量Token使用發生在“看不見”的地方。例如金融機構下載開源模型在本地做票據識別、風控——這些調用不會被公有云統計。車端智能座艙模型為保護隱私，對話在車內閉環完成。機器人內置的CV小模型毫秒級響應，不可能依賴云端。還有大量企業基于開源模型做后訓練、構建專屬Agent，全部隱藏在冰山之下。

面壁智能相關負責人告訴記者，很多行業對過程可追溯、結果可審計有硬性要求。目前主流的Agent產品仍以云端交付為主，但在強敏感數據、強合規及高頻調用場景下，會同時撞上安全可控與綜合成本兩道墻，這也是越來越多客戶開始認真看待端側方案的原因。

一位從業者對記者估算，非公有云API的調用量至少是公有云的5到10倍。“最大的客戶都不用公開API，他們都在自己的環境里用。”

市場才剛剛開始

最新一波漲價背后，既有Token調用量暴漲等需求因素，也有供應鏈成本上升的原因，尤其是核心硬件采購成本的顯著上漲。

一位AI平臺負責人告訴記者，GPU芯片是大模型推理最核心的成本，一張高端GPU動輒幾十萬，運行一個大模型需要幾十甚至幾百張GPU同時工作。電費也是實打實的開銷，一個大型推理集群一年的電費就是天文數字。此外研發攤銷、運維和安全都有成本。

但他認為Token還有很大下降空間：芯片算力在增長、模型效率在提升、基礎設施的規模效應在累積。

不過，“便宜的Token”不等于“好用的AI”。當Token價格不再是門檻，競爭焦點會轉向模型能力、響應速度、定制化程度和對特定行業的理解深度。

多位從業人士認為，按Token計費或許只是一個過渡階段，未來理想的模式是按結果付費。就像打滴滴不需要關心汽油消耗了多少升。

企業客戶更關心消耗的Token有沒有帶來業務改變。如果一家基金公司用AI改造多模態數據治理，一家保險公司實現車險自動定損，一家重工業企業把高級技師的培養周期從幾年縮短到幾個月——這些結果才是客戶愿意買單的。

當然，按結果付費還面臨模型迭代、場景探索和衡量標準統一的挑戰。但方向清晰：行業預期未來Token將演進為按結果付費，中間狀態以“訂閱+按量+效果付費”的混合體系過渡。

智譜董事長劉德兵預計，未來簡單對話與輕量任務的低階Token將走向低價、免費的廣告模式，高復雜度、高可靠性、具備生產力能力的高階Token將具備持續定價權。

釘釘CTO朱鴻則提到，過去軟件以訂閱為主，未來一條工作流調用的接口會變成API調用模式，按需付費。未來釘釘的龍蝦產品“悟空”也會考慮按需付費、按效果付費的商業模式。

百度千帆平臺產品負責人張婷預測，五年后Token可能從普通用戶視野里消失，但價值會以另一種形式存在。Token價格繼續下降，計費方式可能從“按Token數”演變成“按任務結果”。同時，隨著多模態發展，Token的定義也會擴展為圖像、音頻、視頻Token，計量單位更復雜。

在劉偉光看來，Token消耗的背后，AI是否真正提升了GDP、創造了新崗位、提高了社會效率更重要。

從這個角度看，市場才剛剛開始。大部分制造業企業還沒真正使用AI，金融、醫療、教育等行業的AI應用深度不夠，AI原生企業還處在爆發前夜。而Token，只是AI當中最原子級的單位。