Token 工厂的账本：需求暴涨的另一面

摘要

2026 年的算力市场同时在涨价和降价，这两件事并不矛盾。算力正在从“建设项目”变成“工厂”，持续生产 token 这种商品。本文从记账单位、收入、成本、利润四方面查这本账，得出六个判断：

1. token 不是稳定的记账单位。“调用量涨了一千倍”里混着三种增长：用户和场景变多、单任务消耗的 token 变多、计量刻度变化。豆包的对外计费调用只占它总量的一成上下。所以任何“千倍增长”都要拆开读，打折读。
2. **价格分两层。**旧能力档在竞争中通缩，年降约 4-5 倍；前沿档仍然坚挺。DeepSeek 8 月的“涨价”主要是收回促销补贴，再加上峰谷分时，峰时输入价仍低于 4 月发布时的挂牌价。真正值得盯的是前沿层能坚挺多久。
3. **电不是存量成本的大头，摊销才是。**万卡集群的电费只有折旧的一成上下；电真正的作用是限制新增产能。中国市场的高端 GPU 走两本账：存量 H100 的残值几乎等于原值，持有者赚的是“会计折旧和真实折旧之间的差”；增量 B300 的现货报价比基本面估值高出三成到一倍多，按高位价接盘的人出租本身不赚钱。
4. **利润沉在两头，中间层被压薄。**芯片层毛利率约 75%；中间的独立 token 工厂在中国是负毛利（硅基流动 -24%）。模型厂靠“新旗舰领先对手的能力差”赚钱，而这个领先窗口在缩短：GPT-4 级约一年半被追平，推理档从正式版起算只用了约五周。
5. **定价权在模型厂手里。**同一个开源模型被多家托管，官方价仍是锚，第三方只能跟。第三方 token 工厂做的是“锚价减成本”的利差生意，两头都不由自己决定。
6. **最大的风险在融资结构。**Anthropic 接近 10 GW 的算力承诺，全部到位后年开支是千亿美元量级，而它的年化收入是 300 亿。整条链的偿付能力都押在“token 收入按指数增长”这一个假设上。2027 年交付潮落地时的利用率，是第一次真正的检验。

---

2026 年的算力市场，有两组同时成立的事实。

一组是涨价。

• 6 月，美国算力平台 Baseten 通知客户：B200 GPU 十月续约价从每小时 2.63 美元涨到 5.10 美元，涨幅 94%。
• 8 月 16 日，DeepSeek 把旗舰 V4-Pro 改为峰谷计价，峰时输入价 1.32 美元/百万 token。5 月转为常态价的促销价是 0.435 美元，相比之下峰时输入涨了两倍，峰时输出涨了 355%。但两点要一并说明：峰时输入价仍低于 4 月发布时的挂牌价 1.74 美元；峰时只占一周时间的约两成，其余时段按半价计。官方给的理由是更有效地利用算力，引导开发者错峰使用。
• 10 月 1 日，Nebius 完成年内第二轮提价，B300 按需价涨到每小时 9.50 美元。

**另一组是降价，这也是过去两年的主叙事。**豆包大模型日均 token 调用量两年涨了 1500 倍；Gemini 3.1 Flash-Lite 输入标价 0.10 美元，只有 2023 年 3 月 GPT-4（30 美元）的三百分之一。

两组事实是同一场转型的两面。算力正在从“建设项目”变成“工厂”：过去是一次性采购、集中训练，现在是持续生产一种叫 token 的商品。中国信通院 2026 年的报告和产业界把这一步概括为“智力服务的千瓦时时刻”（转述口径）。Gartner 的数据也指向这一点：2026 年 AI 优化 IaaS 支出中，推理占 233 亿美元（约 55%），首次超过训练的 190 亿美元。要注意，这只是云上 AI 基础设施的支出，不是全球推理的总支出。

既然是工厂，就有账本：用什么记账，收入从哪里来，成本怎么摊，利润落在谁手里。把这几笔算清楚，看起来矛盾的现象就能各归其位，接下来真正值得盯的变量也会显出来。本文按四页账本来算，依次是记账单位、收入、成本、利润，最后加一页周期。

一、记账单位：token 不是一种稳定的货币

读任何“token 调用量暴涨 N 倍”的数字之前，先要问一句：一个 token 到底代表多少东西？

答案取决于年代。OpenAI 在 2025 年底的企业报告里给过两个数字：

• 过去十二个月，企业客户的 ChatGPT 消息量（总量）增长 8 倍；
• API 侧单个组织平均消耗的推理（reasoning）token 增长约 320 倍。

这两个数不能直接相除。一个是产品总量，一个是每组织平均；而且推理模型 2024 年 9 月才上线，基数接近零。所以 320 倍首先说明的是推理模型普及得极快。

单任务密度上升，要用别的证据来证明：

• 第三方评测机构 Artificial Analysis 实测，同一任务下 Gemini 2.5 Flash（推理模式开启）的 token 用量约为上一代 Gemini 2.0 Flash（非推理）的 17 倍；
• 多模态又叠了一层：火山引擎官方数字显示，Seedance 2.0 生成一分钟 720p 视频要消耗超过一百万 token；
• agent 完成一次复杂任务，消耗数十万 token 是常态。

所以“调用量涨了一千倍”这句话里，混着三种增长：

1. 用的人和场景变多了，这是真实的量；
2. 每单任务消耗的 token 变多了，这是密度；
3. 跨代 tokenizer 换了刻度，这是账面变化。它的方向并不确定：新一代 tokenizer 往往更省 token，反而会让账面量偏小。

前两种是真实增长，第三种是度量问题，但三者都被计进了同一个数字。

度量问题不只停留在理论上。2026 年 3 月，国家数据局披露全国日均 token 调用量突破 140 万亿；同月，火山引擎披露豆包大模型日均使用量 120 万亿。两个官方数字放在一起很难自洽：如果口径相同，豆包一家就占全国的 86%，这和它约一半的公有云 MaaS 份额对不上。可见两者口径必然不同，差别可能在是否含视频 token、是否含集团内部调用、是否只计计费调用，但没有人说清楚。整个产业在用一种会通胀、各家刻度又不一致的货币记账。

标准解法是构造“固定任务篮”：选一组固定任务（一次千字摘要、一次代码修复、一分钟视频），跨代追踪它们各消耗多少 token、值多少钱，就像 CPI 之于货币。但目前没有任何机构持续公布这类数据。现在只能用间接证据确定方向：单请求约 17 倍、一分钟视频上百万 token、一次 agent 任务数十万 token，说明同一代模型之内密度就在上台阶。跨代密度在膨胀，这个方向成立，但量级无法精确。

本文后面所有关于“量”的数字，都应该放在这个背景下读：它们计的是 token，不是任务。

二、收入：把“暴涨”拆成三个因子

Token 工厂的收入可以写成：

收入 ≈ 任务量 × 单任务 token 密度 × 实现单价

第一节说的刻度变化会混进“密度”这一项。三个因子方向不同：任务量和密度在涨，单价在跌。所以收入涨得比 token 调用量慢，应该是常态。下面把数字代进去验证，后面会看到一个例外。

量：三个因子里最扎实的一个

量有连续的官方序列：

• 豆包大模型日均 token：2024 年 5 月发布时 1200 亿，2025 年 12 月 63 万亿，2026 年 3 月 120 万亿，6 月突破 180 万亿。两年涨了 1500 倍，最近一年仍在 10 倍以上。
• 谷歌全系产品月处理 token：2024 年 5 月 9.7 万亿，2025 年 5 月 480 万亿，2026 年 5 月 3.2 千万亿（quadrillion），两年涨了 330 倍。

IDC 的数据给出了另一个口径：2025 年中国公有云大模型全年调用量 1944 万亿 token，同比增长 16 倍，折合日均约 5.3 万亿。这比豆包同期单家披露的日均 63 万亿低了十倍以上。合理的解释是，IDC 统计的应是公有云对外计费的调用，豆包的口径应包含集团内部使用（口径构成是本文的推断）。两个数都真实，但不能直接比较，这又是第一节刻度问题的一个例子。

企业侧同样陡峭：谷歌云有 375 家客户年消耗超过一万亿 token；火山引擎平台上年调用量超万亿的企业，半年内从 100 家翻到 200 家。

价：信息量最大的一个因子

价格不是一条线，而是一族按能力档展开的曲线。按能力把模型分为当期旗舰、上一代旗舰、轻量档三层，同一档内能力相当，不论出自哪家，每一档都有自己的价格史。

DeepSeek 的官方定价史最能说明问题：两年里它既当过价格屠夫，也当过涨价者。

• 2024 年 12 月：V3 上线，沿用 V2 的价格，输入 0.14 美元/百万。2025 年 2 月 8 日起恢复原价 0.27 美元，比同档美国模型低一个数量级。同月底又对 V3/R1 推出夜间折扣，分时定价的做法从那时就有了。
• 2026 年 4 月 24 日：V4 发布。Pro 挂牌 1.74/3.48 美元，Flash 0.14/0.28 美元。Pro 同时附带 75% 的限时折扣，输入降至 0.435 美元，另设缓存命中价。
• 5 月 22 日：折扣价转为常态价，Pro 输入 0.435 美元、输出 0.87 美元，是全球旗舰模型里最便宜的。
• 8 月：6 日发出涨价预警，13 日随 V4-Pro-0813 正式发布公布新价，16 日起实行峰谷计价。峰时为 UTC 01:00-04:00 和 06:00-10:00（北京时间工作日 9-12 点、14-18 点），仅限工作日，约占一周时长的 21%；其余时段价格减半。

8 月这次调价，要分三个基准来看：

所以这次“涨价”，主要是把促销补贴收回来，再叠加分时价格调度拥塞。

中国市场还有一条更早的价格线：2024 年 5 月，豆包以 0.8 元/百万的输入价入场（官方称比行业均价低 99.3%）。一个月内，阿里把 Qwen-Long 降价 97%，百度直接免费。

美国梯队呈现的是同一规律的两端：

• 底部：OpenAI 7 月 30 日把 GPT-5.6 Luna 降到 0.20 美元/百万，9 月底 GPT-6 Luna 再降一半到 0.10 美元。以 GPT-4 级质量为基准，入场价三年半降到原来的 1/150～1/300，两端分别对应 0.20 美元和 0.10 美元。按三年半的窗口折算，年降约 4-5 倍；窗口缩到三年就接近 6 倍，基准和窗口的选择对这个数影响很大。
• 前沿：GPT-6 Astra 9 月上市，定价 10/50 美元；Gemini 3.8 Flash 以 0.75 美元的介绍价进场，官方已预告 2027 年元旦翻倍。

两端放在一起看，“token 价格”其实分两层：旧能力档在竞争中通缩，新能力档在供给紧张时有溢价空间。同一家公司能在两个月内先降后涨，是因为降的和涨的不是同一层。DeepSeek 的例子还说明，有些“涨价”只是把补贴价回调到挂牌价附近。

收入：直接看公司的账

• OpenAI：年化收入 2025 年 6 月 100 亿美元，年底约 200 亿，2026 年 8 月超过 400 亿。9 月曾有媒体报道“逼近 700 亿”，10 月初就被修正报道否定，本文以 8 月的数据为准。
• Anthropic：从 2025 年底的 90 亿美元增至 2026 年 4 月官方披露的 300 亿，四个月增长 3.3 倍。
• 阿里云：AI 相关产品收入截至 2026 年 6 月季度已连续十二个季度三位数增长，单季 124 亿元。AI 模型与应用的年化收入指引年内从 80 亿元上调到 300 亿元（与“AI 相关产品”收入口径的对应关系未披露）。

把收入曲线和 token 量曲线对照：

• OpenAI：约 14 个月涨 4 倍，比谷歌一年约 6.7 倍的 token 增速平缓，符合三因子拆解的预测。
• 阿里：同样符合预测。
• Anthropic 是例外：四个月 3.3 倍，年化在 30 倍以上，比任何一条公开的 token 曲线都陡。只有两种解释：要么它自己的 token 量涨得更快（coding agent 的密度效应），要么它的实现单价在上升（收入结构向前沿档和企业订阅倾斜）。两种解释都指向本页的结论：收入弹性最大的地方是前沿层。

火山引擎 MaaS 收入的一致性推算

火山引擎没有披露 MaaS 收入的绝对值，可以用 IDC 的对外计费口径做一致性推算（本文推算，非官方数据）：

2025 年基数

• IDC 统计的 2025 年全国公有云对外计费调用是 1944 万亿 token（“对外计费”的口径构成是本文推断）。火山占 49.5%，这是按调用量算的份额（谭待原话：“每两个 Token 就有一个是火山”），约合每年 960 万亿。
• 对照豆包自身的量：按 12 月日均 63 万亿年化，对外计费部分不足 5%；按全年均值算，也只在一成上下。大量调用发生在集团内部，或者不计费。

2026 年测算

• 假设 2026 年外部计费量增长约十倍（2025 年全国增速是 16 倍，这里假设减速），火山对外约 0.96 亿亿 token。
• 如果 MaaS 收入落在 150-250 亿元（管理层“翻五倍”目标对应的区间），隐含实现均价约 1.6-2.6 元/百万。

与牌价对照

• 只对照输入价：约为旗舰档（豆包 2.1 Pro 输入 6 元）的三到四折，量产档（Turbo 3 元）的五到九折。
• 按输入输出 3:1 混合牌价（Pro 约 12 元）算，只有一到两折。

这说明实际调用以轻量档和缓存命中为主，大客户折扣很深，不可能是“主力跑在旗舰档”。

反推 2025 年

• 收入基数 30-50 亿元除以 960 万亿 token，均价约 3-5 元。
• 需要说明，“价格约降一半”是由“量涨十倍、收入涨五倍”这两个假设直接推出来的，不是独立验证。能检验的只是：均价减半，与同期牌价下调、缓存渗透的方向是否一致。目前看是一致的。
• 另外，“翻五倍”既可以理解为乘以 5，也可以理解为乘以 6，区间的上沿会随之变化。

这一页的结论：需求确实在爆炸，但爆炸来自任务量和密度两个因子的叠加，而且大头是内部消耗，收入只跟上了其中一部分。价格曲线上真正值得盯的，不是底部在降（那部分已经在结构性通缩），而是前沿层能坚挺多久。它决定了模型公司能不能持续把新增的密度变成新增的收入。Anthropic 的曲线说明，这件事做得到。

三、成本：每瓦 token、双轨制与折旧错配

Token 的单位成本可以写成：

单位成本 ≈ 电价 ÷（每瓦 token 产出 × 利用率）＋ 资本摊销 ＋ 工艺成本

式中的工艺成本，指推理内核、批调度这类把算力变成吞吐的工程投入。几个变量里，最反直觉的是摊销，最容易被说错的是电力。

电力：增量约束，不是存量大头

英伟达在 2026 年 AI Infra Summit 上，把行业 KPI 正式切换为“每兆瓦 token 产出”。它的技术博客给出的口径是：电力最高占 AI 工厂运营成本（OpEx）的 40%。这个数字常被读成“电费是最大成本”，但运营成本不含折旧，而芯片属于资本开支。

自己算一遍就清楚：

• 美国：一台 8 卡 H100 整机功率约 10 千瓦，美国工业电价 8.7 美分/千瓦时，满负荷电费约每小时 0.87 美元。八张卡的时租合计 22.8-36 美元，电费只占整机租金的 2-4%。
• 中国：结构相同。H100 整机电费约 0.43 万元/月，相对 6.7 万元的月租约占 6%。
• 万卡集群（约 1250 台）：按 PUE 1.0-1.3 计，年耗电约 1.1-1.4 亿度；按每度 0.4-0.6 元，年电费约 0.45-0.85 亿元。同一集群五年直线折旧约 5.3-5.8 亿元/年，电费约为折旧的一成上下（8-16%）。

“电占 OpEx 四成”和“电只占总成本一小块”两个说法都对，混用就会得出荒谬的结论。电的真正作用不在存量成本，而在限制增量：新产能拿不到电，“每兆瓦 token”才成了全行业的标尺。

摊销：两本完全不同的账

存量成本的真正大头是摊销。2026 年的中国市场上，摊销演出了最戏剧性的一幕：高端 GPU 走的是两本完全不同的账。

存量账：H100

• 一台 2023-2024 年购入的 8 卡 H100，采购价约 210-230 万元。有独立于二手价的合同锚：2023 年 9 月莲花科创公告向新华三采购 330 台 H800 八卡整机共 6.93 亿元，合每台 210 万元；中国电信同期算力服务器集采 4175 台、84.63 亿元，均价约 203 万元（公示经智东西转录）；H100 灰市单卡约 28 万元、整机约 235-240 万元——与二手报道两源互证。
• 五年直线折旧合每月 3.5-3.8 万元，加上电费和运维，全成本约 4.4-4.7 万元/月。这与行业专家“H100 月租跌到 4 万元就接近盈亏平衡”的说法吻合。
• 但从 2026 年 5 月起，它的月租是 6.7-6.8 万元，国庆前后还在涨。
• 更特别的是残值：用了近三年的机器，二手价仍在 210 万元上下，几乎贴着采购价。会计上每月折旧 3.7 万元的资产，经济上几乎没有贬值。

管制造成的稀缺，把存量 H 系列变成了类似债券的资产。存量持有者的利润来自“会计折旧与真实贬值之间的差”，而不是运营效率。

增量账：B300

价格走势：

6-8 月的价格是顶配现货的口头报价，真实成交量无法核验。

基本面估值有三个口径：

• 渠道成本线：产业链拆解约 910 万元（转运成本 700 万元，加三成风险补偿）。
• 长约倒推：按大客户长协月租上限 20 万元倒推，买方能承受的采购价只有 900-990 万元，隐含约 6-10% 的要求回报率。
• 通量倒推：按 70% 负载、五年摊销、以轻量档 token 价格测算，只有 613-876 万元。这个测算与第四节服务成本推算共用同一类吞吐假设，两者不构成相互独立的验证。

溢价从哪里来：现货报价比长约倒推价和渠道成本线高出三到六成，比通量倒推价高出五成到一倍多。多出来的部分，是在为渠道风险、违约机制和稀缺恐慌定价。违约金只有 5-10%，在涨价周期里，卖方毁约转售是理性选择，合同机制本身就在推高报价。

怎么回本？增量买家只能靠五年期长约锁定月租（16-19 万元）。以下均为本文推算，按月度现金流折现，假设满租、残值记零，不计空置、税费和融资成本；把这些计入后回报还会更低。

最后一行要单独解释：五年租金扣除电力运维后约 1428 万元，连本金都覆盖不了，出租本身不赚钱。要做到年化约 5%，必须假设期末机器仍能以 200-240 万元转手。也就是说，回报全押在转售上。

两本账合起来，可以解释租金上的反差。

“硬件贵、租金却追平”的现象只发生在 B300 上：灰市整机比美国同款贵八成（5 月成交价）到两倍多（高位报价），单位算力租金却已接近美国的标准化价格。原因是增量租金紧贴着高昂的现货成本。

H100 不存在这种倒挂：它的中国采购价与美国大致持平，租金低另有原因。存量机器大多已部分回本，政策风险又在价格里打了折扣。

旧代际便宜，是因为存量机账面价值低，灰市资产又内含政策风险折价；新代际接近美国价格，是因为租金紧贴着高昂的现货成本。中美价差收窄的过程，本身就记录了一轮成本推动型通胀。

通胀链

这条通胀链的前三环，每一环都有数据：

• 内存：HBM 与内存合约价 2026 年一季度同比涨 4-5 倍，DDR5 内存条涨超 300%，内存占整机成本的比例从一成升到三四成。
• 整机：H200 整机从 210-230 万元涨到 480-535 万元。
• 租金：春节后普涨 30%，B200 续约涨 94%；Nebius 十月第二轮提价，H100 到 4.50 美元，B300 到 9.50 美元，B300 年内累计涨 56%。

最后一环 token 价格，只能算时间上同步。DeepSeek 8 月调价确实与 B300 从 700 万元冲向 1450 万元发生在同一时期，但不能当作因果证据：

• DeepSeek 自有机队主要不是灰市 B300；
• 官方给的理由是错峰调度；
• 峰时输入价仍低于发布挂牌价。

更稳妥的说法是：旧能力档通缩的斜率由竞争决定，价格的地板则由算力成本划定。在算力普遍紧张、成本上行的周期里，价格屠夫也没有理由继续补贴。

产出折扣：装机总量掩盖的问题

截至 2026 年 6 月，中国智能算力装机 2185 EFLOPS（FP16）。粗算的假设是：典型 MoE 模型每生成一个 token 约需 2N 次浮点运算（N 为激活参数）。按 40B 激活参数，全部用于推理、峰值满负荷运行，理论产出约每天 2300 万亿 token。

但推理的正常效率远低于峰值：解码利用率约 15%，负载约 70%，合计约 10%。按 49B 激活参数（与第四节 V4-Pro 的口径一致）计，全国装机按正常推理效率运转，日产约 200 万亿 token（激活参数在 40-50B 区间内取值，对这个量级结论不敏感）。

实际调用量怎么取，要回到第一节的口径问题。全国 3 月的官方口径是 140 万亿；按头部厂商一个季度增长约五成的速度外推，三季度应在 200 万亿以上。豆包单家口径（6 月 180 万亿）与全国口径不可比，不能直接相加。

两个数放在一起可以得出两点：

• **“综合利用率不到一成”不是闲置的证据。**它就是推理的正常效率。
• **真正的信息是余量不足。**如果观测口径可信，全国算力几乎要全部用于推理，才能产出这个量级，训练侧没有余量。

这个换算对精度很敏感：如果推理普遍以 FP8 部署，有效产能翻倍，观测量占比降到四五成（视激活参数与观测取值）。两边的口径也都很粗（视频 token 怎么计、多模态单价、各家激活参数都不同），这组换算只能用来判断方向。

主要证据来自微观层面：

• 高端卡出租率超过九成；
• 部分机器上架即被租空；
• 新签合同的交付排到 2027 年上半年；
• B300 挂牌中确认可租的只有 11%。

瓶颈不在装机总量，而在有效产出。这个判断由微观证据支撑，宏观换算只说明两者不矛盾。

四、利润：钱沉淀在哪一层

翻到利润页，价值链上五个环节的读数差异极大。

**利润高度沉淀在“卖铲子”这一层。**英伟达和博通的毛利率都在 75% 上下，博通的自由现金流率 46%。博通还敢把 2028 年收入翻倍的指引，建立在与六大客户的多年协议上。这些协议实际上把客户的未来需求变成了上游的收入能见度，但还不是已经确认的收入。

**中间层在打公用事业式的价格战。**同样是“独立 token 工厂”，中国的硅基流动用负毛利换规模，海外的 Nebius 靠售罄的容量和 90 亿美元客户预付款，把 EBITDA 率做到 50%。同一种商业模式在两个市场读数相反：中国的需求端被 token 价格战压低了能承受的租金，海外的需求端在竞价抢产能。

模型厂的跑步机

模型厂遵循第三种逻辑。芯片层赚的是当期稀缺的钱，云层赚的是规模运营的钱，模型厂赚的是能力落差的钱，而落差会自行消失。这像一台跑步机，分四步转：

1. 新旗舰上市时，它所在的能力档上只有它一家，定价权接近垄断。
2. 竞争者不必造出同等的闭源模型，只要用开源或低价的方式供给“够用”的版本。GPT-4 的能力在 2023 年 3 月值 30 美元/百万 token；到 2026 年，同等质量的入场价是 0.10-0.20 美元，三年半跌到原来的 1/150～1/300。压力来自两处：开源权重以接近成本的价格供给同档能力，巨头自家的轻量档也在往下压。
3. 档位一旦被追平，价格就向供给成本塌缩。在这个价位上，模型厂争不过云和推理平台，因为后者的价格地板就是自己的电价和摊销。模型厂唯一的出路是发布下一个旗舰，重建落差。
4. 循环重启：上一档在塌，新一档在立。原地不动的话，收入结构会整体滑进通缩档。

这台跑步机上有一只钟：新档定价权的窗口期，也就是从上市到被可信的低价替代品追平，隔多久。

• GPT-4 级能力：约一年半被开源权重基本追平，以 2024 年 7 月发布的 Llama 3.1 405B 为标志。同期 GPT-4o mini 也以 0.15 美元级的价格入场，两个标志互相印证。追平之后，价格又继续下探了两年。
• o1 开创的推理档：定价 15/60 美元，从 2024 年 9 月 12 日 preview 起就是这个价。2025 年 1 月 20 日，DeepSeek R1 以 0.55/2.19 美元入场，输入价约为 o1 的二十七分之一。从 preview 首发算约四个月，从 12 月正式版 API 算约五周。

窗口期在明显缩短。看懂这只钟，三个现象就都有了解释：

• GPT-6 Astra 与 GPT-6 Luna：前者 10/50 美元，后者 0.10/0.50 美元，整整差一百倍。同一家公司、同一代产品内部的价差，就是落差定价的直接读数。
• Gemini 3.8 的介绍价：官方预告 2027 年元旦翻倍，等于把“这个档位还能稀缺多久”直接写进了价目表。
• DeepSeek 8 月调价：有三个因素同时起作用，分别是收回补贴、调度拥塞，以及 V4-Pro 档位上暂时没有对手的窗口。现有数据拆不出各自的占比。

所以前沿溢价不是贪婪，而是维持费，它支付的是下一轮训练的账单。但它付不清这笔账。Anthropic 300 亿美元的年化收入，对应的是 2027 年接近 10 GW 的算力承诺。按每 GW 每年约百亿美元的租用成本粗算，10 GW 全部到位后，年开支在千亿美元量级；即便分批上线，2027 年当年也是数百亿到上千亿美元。收入覆盖不了，差额只能靠融资补，这正是本节末尾“容量金融化”的另一面。

判断一家模型厂的账本是否健康，最锋利的单一指标不是收入增速，而是两个期限哪个先到：新旗舰定价权的窗口期，还是它的融资窗口。

两种卖法：按 token，还是按卡

这本账里的所有玩家，可以按“卖什么”分成两类：

• 按 token 卖：API 按量计费、订阅打包的 MaaS；
• 按算力卖：时租、月租、裸金属长约、GW 级租约。

两边的体量和走势很不对称。中国的数据如下：

• 算力租赁（按卡按月收费）：2026 年一季度规模 680 亿元，同比增长 62%（信通院口径）。中信建投等机构预测全年突破 2600 亿元。这个预测与一季度年化的 2720 亿元有矛盾，按 62% 的同比增速，全年应该明显高于 2600 亿；全年预测大多做于年内较早时候，可能没有更新。
• MaaS（按 token 计费）：没有官方总额，只能推算。火山引擎占公有云 MaaS 调用量的 49.5%（已核实为按 token 量计）。按火山的收入区间（本文推算 150-250 亿元）放大，全国大盘约 300-500 亿元。火山单价低于行业均值，所以这是下限估计。

两个口径有重叠：MaaS 厂商自己也在租卡，租赁收入里包含 token 侧的成本。因此两者的比值只能当规模对照，不能当互不重叠的终端支出拆分。带着这个保留来读：目前按卡收的钱，至多是按 token 收的钱的 5-9 倍。

而 token 侧在以三位数增长：阿里 AI 相关收入已连续十二个季度三位数增长，豆包调用量一年涨十倍。算力侧一季度同比增长 62%，机构的全年预测更保守。token 侧的占比每年都在上升。阿里管理层已经把方向说明白了：MaaS 将成为阿里云最大的收入产品。

两种卖法的边界正朝两个方向同时移动：

• **算力商在向前一体化。**租赁商润建股份公开转型“Token 工厂”模式；深圳出现了采购硬件、部署开源模型、向全球卖 token、抽成 2-5% 的分发平台；Nebius 把高毛利的 Token Factory 列为轻资产新业务。原因在于，token 售价里包着算力成本，只有站到 token 一侧，才能吃到密度增长的红利。
• **重度用户在反向退出。**IDC 6 月的调查中，85% 的企业表示需要混合部署。按 token 计价对重度用户意味着“越用越贵”，一旦 token 账单超过自持设备的摊销，企业就会退回去买算力，甚至自建。

两种卖法不会互相替代：token 侧吃密度增长，算力侧吃资本开支。订阅、按量、缓存折扣、包年容量块这类分层定价，正在把两者缝进同一张价目表。

这对读账的意义在于：判断一家公司的利润质量，先看它站在哪一侧收钱。token 侧的毛利由能力落差决定（前面的跑步机），算力侧的毛利由折旧错配和利用率决定（第三节的双轨制），两侧的会计性质截然不同。“Token 工厂”这个词被滥用时，先问一句“你卖的是 token 还是卡”，就能清掉大部分混淆。

五种模式的毛利

卖法明确了，就可以测毛利。下表按五种典型模式各算一本账，均为本文推算，假设随附。“毛利”都按硬件口径计，即只算折旧、电力和运维，不含研发、销售和管理费用。

表注：

• H100 经济口径：已实现贬值 =（采购价 − 二手价）÷ 已使用约 34 个月。资金机会成本按市值 210 万元、年化 8% 计，约 1.4 万元/月。
• 前沿 API 的时段加权：峰时约占一周时长的 21%，但正好覆盖北京时间的工作时段，所以按“峰时承载 30-45% 的调用量”假设计算。再计入缓存命中，实际实现价还会更低。
• 服务成本的假设：8 卡 B300、FP8 稠密每卡约 4.5 PFLOPS、49B 激活参数、解码利用率 15%、负载 70%，单机月产约 1000 亿 token。月全成本按采购口径为 9.9-25.4 万元：采购价 520-700 万元时，服务成本约 0.14-0.18 美元/百万；1450 万元现货重建约 0.35 美元/百万；改用 FP16 推理则翻倍。
• 服务成本的局限：这个估算没有区分 prefill（处理输入，单位成本低得多）和 decode（生成输出），对 3:1 的混合偏保守。它也只是“按今天的价格重建一套机队”的边际成本示意，不是 DeepSeek 的实际成本，DeepSeek 自有机队并非灰市 B300。

价目表本身也透露了成本结构（下面是同源旁证，与上表共用吞吐假设，不构成独立验证）：

• 峰谷价差：所有档位的峰时价都正好是谷时价的 2 倍，这是时间歧视。
• 缓存价差：缓存命中价是同时段未命中价的 1/50（V4.1-Flash）到 1/30（V4-Pro）。前缀复用几乎不再消耗算力，价目表也按这个标价。8 月调价时缓存命中价同步上调（Pro 峰时 0.044 美元），但相对同时段未命中价，仍是一个数量级以上的折扣。
• Flash 谷时价：V4.1-Flash 的谷时输入价 0.15 美元/百万，与按 V4-Pro 规模推出的服务成本下沿相当。V4.1-Flash 官方模型卡标注激活参数 prefill 8B、decode 16B（552B 骨干、另含 196B Engram 条件记忆），decode 侧不到 V4-Pro（49B）的一半，真实服务成本应该更低，所以谷时价至少不像是亏本引流。但这依赖本文的成本假设，不能视为定论。

DeepSeek 等于把“复用近乎免费、新算贴近成本、利润加在峰时和输出”的三层结构摊开给了市场看。

前沿档的厚毛利主要是调价之后才有的。按 8 月调价前的混合价（约 0.54 美元）计算，硬件毛利只有约 35-74%，算不上暴利。

这张表的排序本身就是判断：

• 毛利最厚的两块，恰好是两处“错配”：管制造成的资产折旧错配（存量按卡），以及能力落差带来的定价错配（前沿按 token）。
• 最薄的两种：被追平的开源转售，以及贴着现货价接盘的增量买家。

两处厚毛利都在自然衰减：残值终究要跌，落差终究会被追平。按卡侧的存量玩家和按 token 侧的模型厂，其实站在同一台跑步机上，只是方向相反：一个在等资产贬值追上租金，一个在等开源追上旗舰。

定价权：锚在模型厂手里

这张表还引出一个必须回答的问题：按 token 卖的两行里，定价权在谁手里？实证答案出奇地干脆：在模型厂手里。同一个开源模型被多家托管，并不会动摇官方价这个锚。

• 硅基流动的价目表：DeepSeek-V4-Pro-0813 挂 1.32/3.96 美元，与官方峰时价一分不差；V4.1-Flash 挂 0.15/0.60 美元，等于把官方谷时价当作常态价。
• TRAE 的调价公告：说得更直白，“因 DeepSeek 官方定价调整”，同步把输入价上调至原来的约三倍。
• R1 时期：华为云和硅基流动上线首日就宣布“与官方同价”，比拼的是速度（官方 API 拥塞时更快），而不是价格。

机制上要把两件事分开：

• 开源对定价权的侵蚀发生在不同档位之间，也就是上一节的跑步机：开源权重追平旧档，压塌价格。
• **在同一个模型内部，开源没有改变官方价的锚地位。**第三方定价高于锚，用户会走官方；低于锚，毛利归零。两头都被钉死，跟随官方价就是唯一的均衡。

这也是上表里开源转售负毛利的微观机制：硅基流动把价格钉在锚上，而它外购算力的成本高于锚价本身。

所以第三方 token 工厂做的是利差生意：毛利 = 锚价 − 自身成本，而两头都不在第三方手里。

• 锚价由模型厂的能力落差和成本曲线决定。DeepSeek 官方文档已经预告：昇腾 950 超节点批量上市后，V4-Pro 将“大幅下调”价格。连锚价的走向，都写在模型厂自己的硬件采购计划里。
• 自身成本由硬件周期决定。

锚价一动，跟随者的毛利就同步重新分配：八月官方调价，钉在锚上的第三方毛利立刻变宽；昇腾 950 上市后的官方降价，就是下一轮压缩。模型厂跑步机的节奏，同时就是第三方 token 工厂的毛利周期表。

留给第三方的空间只剩服务：同价下更快、更稳；或者干脆离开转售红海，去做私有化部署和企业 SLA。

买方的资本结构

买方的资本结构也在变形：

• Anthropic 的 IPO 材料披露，它向博通融资的上限为 420 亿美元，用于支持五年期 TPU 租约。算力采购正在像长期购电协议（PPA）一样长约化。
• OpenAI 的算力从 2024 年的 0.6 GW 增至 2025 年的 1.9 GW。
• 亚马逊在探索把 80 亿美元的英伟达芯片移出资产负债表。
• 四大云厂 2026 年资本开支指引合计 7330 亿美元（+79%）。

供给侧的 GW 承诺、需求侧的多年租约，再加上融资安排，容量正在被金融化。

五、周期：2027 年的利用率会给出裁决

这本账目前最不确定的一页，是周期所处的位置。

看多的一方证据充分：

• Nebius 提价时表示，需求能见度超过 24 个月，客户已经在订 2028 年上半年的容量。
• H100 租金从 2025 年 10 月的低点 1.70 美元，回升到 2026 年 3 月的 2.35 美元，再到 10 月的 2.85-4.50 美元。这个 V 型反转至少说明，上一轮“供给过剩”的清算已经走完。
• 国内在履约的算力合同金额被连续上调，行云科技三笔合同分别上调 201%、79%、13%。

看空的证据同样具体：

• B300 现货报价比长约和渠道成本口径的估值高出三到六成，比通量口径高出五成到一倍多（见第三节），多出来的主要是恐慌和渠道溢价。
• 博通 2028 年 2300 亿美元的收入指引，把尚未建成的 20 GW 产能提前计入了市场预期和估值。
• 2027 年将集中交付 GW 级产能，仅 Anthropic 一家的规划就接近 10 GW。一旦撞上需求增速放缓，租金曲线可以参考 H100 自己的上一轮：从 2023 年 8 美元上下的峰值，跌到 2025 年 10 月的 1.70 美元，用了大约两年。

裁决变量只有一个：2027 年交付潮落地时的利用率。它是“token 工厂过剩还是短缺”的第一手证据，比任何分析师的判断都硬。在那之前，可以持续跟踪四个先行指标：

1. Silicon Data 的 LLM token 支出指数：10 月 9 日读数一周上涨 4.9%，是 token 侧价格上行的独立证据。
2. 前沿旗舰的续约定价：反映能力跑步机转得多快。
3. B300 期货与现货的价差：衡量渠道恐慌的温度。
4. 国产板卡出货：单张 4-8 万元、提供“接近 H100 的推理性能”，这是中国在算力稀缺下还能打 token 价格战的底牌。

结语

这本账算下来，支撑三个判断。

**第一，“调用量暴涨”是三个因子叠出来的，读数时必须拆开。**最被低估的是密度因子：推理、agent、视频把单任务 token 消耗抬高了一到两个数量级。它是需求侧最真实的增长，也让所有以 token 计的历史序列天然失真。同样被低估的是内部消耗的比重：火山的对外计费量只有豆包总量的一成上下，收入只吃到了量增长的一部分。产业需要一个固定任务篮；在它出现之前，任何“千倍增长”都应打折阅读。

**第二，毛利不会由技术进步自动送来。**同能力档价格年降约 4-5 倍，英伟达口径的硬件能效提升年化约 2.7 倍，而且 2026 年硬件的单位成本实际在上涨（第三节）。价格下行靠的是算法效率（更小的模型做到同等能力）加上硬件迭代，剩下的差额压在利润率上。这个比较只能定性看，谁填得上差额，取决于竞争格局和利用率。填得上的活下来：售罄的云、有生态的巨头、有工艺的推理平台。填不上的退场：负毛利的独立厂。成本上行周期已经把价格地板抬高，旧档通缩与前沿坚挺同时存在，是同一本账的两页。

**第三，利润目前沉淀在铲子层，以及少数握有稀缺存量或能力落差的位置；中国市场的中间层正在公用事业化。**这个结构的脆弱点不在需求（能见度 24 个月），也不在供给（2027 年才迎来交付潮），而在融资结构。头部模型厂的算力承诺已是收入的数倍，买方在用租约加融资买产能，卖方则把 2028 年的 GW 提前计入了指引和估值。整条链的偿付能力，都押在“token 收入如期指数增长”这一个假设上。2027 年的利用率数字，将是这本账第一次真正的审计。

数据与口径说明

官方一手：

• 豆包调用量序列（火山引擎四次披露）
• 谷歌 token 序列（I/O 2026 主题演讲）
• Gartner AI 优化 IaaS 口径（2026-08-10 新闻稿；推理 233 亿美元约占该口径的 55%）
• 英伟达、博通、Nebius、阿里巴巴财报（阿里 2026 年 6 月季度：AI 相关产品收入单季 124 亿元、连续十二个季度三位数增长，SEC 6-K 通稿）
• OpenAI 企业报告
• DeepSeek/阿里/火山定价页与公告（DeepSeek 峰谷时段与 V4.1-Flash 2026 年 9 月发布，均以官方定价页为准；V4.1-Flash 激活参数另经 NVIDIA HF 官方模型卡与 vLLM 官方文档双源核对）
• Silicon Data 指数（10-09）
• Nebius 提价公告
• 信通院算力规模
• EIA 电价
• o1 定价（OpenAI 官方公告，2024-09-12）
• Llama 3.1 405B 发布日期（Meta 官方博客，2024-07-23）
• H800/H100 整机采购合同价（莲花科创公告、中国电信集采公示转录）

权威转录（B 级）：

• 算力租赁专家会与产业调研（新浪财经、晨涧云、SMM 日报）
• H100/B300 租金指数（SemiAnalysis）
• B300 价格时间线（快科技、雷锋网、EET-China，多源交叉）
• 硅基流动财务（融资披露，经铅笔道）
• Anthropic/博通招股书口径（Reuters）
• State of AI Report 2026
• Gemini 2.5 Flash token 用量实测（Artificial Analysis 2025-05，17 倍＝推理模式开启对上一代非推理模型）

本文推算（D 级，假设随附）：

• 火山 MaaS 隐含收入与实现价：2025 年对外计费 1944 万亿 × 49.5% ≈ 960 万亿（口径构成为本文推断）→ 2026 年外部量 × 10 → 0.96 亿亿 → 150-250 亿元 → 隐含 1.6-2.6 元/百万；反推 2025 年为 3-5 元。“价格减半”由两个假设推出，不是独立验证。
• 中国装机隐含利用率：每 token 2N 次运算；49B 激活、解码利用率 15% × 负载 70% 的口径下，日产约 200 万亿；对 FP16/FP8 敏感。
• 万卡集群电耗：按整机 10 千瓦 × 1250 台 × PUE 1.0-1.3 自算，为 1.1-1.4 亿度。媒体流传的“年耗电 6 亿度”与这组假设不一致，正文不采用。
• H100/B300 全成本与 IRR：按月度现金流折现，假设满租、残值记零，不含空置、税费与融资成本。
• 前沿 API 加权实现价：峰时调用量占比按 30-45% 假设。
• Anthropic 10 GW 开支：按每 GW 每年约百亿美元租用成本量级估算。
• 价格斜率年化：按三年半窗口计为约 4-5 倍，对窗口选择敏感。

已知薄弱点：

1. 10 月国内 B300 月租 22-28 万元是趋势带（7 月调研 25 万元，加上多源预测），不是当日实际读数。
2. B300 1300-1450 万元是渠道口头报价，真实成交量不可考，文中按“高位报价带”处理。
3. “固定任务篮”没有系统数据，密度通胀只能用间接证据论证；OpenAI 的 320 倍主要反映推理模型普及。
4. OpenAI 9 月“逼近 700 亿”未经确认，且已有修正报道，正文以 8 月的 400 亿为准。
5. GPT-4 级质量的价格匹配存在口径主观性，倍数按行业通行做法（固定基准能力）计为 1/150～1/300 区间。
6. 火山 MaaS 推算的收入端是管理层目标，不是已实现收入；“翻五倍”可以理解为乘以 5 或乘以 6。
7. 阿里“AI 模型与应用”年化指引（300 亿元）与“AI 相关产品收入”（6 月季度单季 124 亿元）口径不同，对应关系待核。