Could not resolve host: b1

404

Sorry! That page cannot be found…

The URL was either incorrect, you took a wrong guess or there is a technical problem. - Brand link content empty for: http:///b1/?key=1(6a2d0f29d494e)

尚未上市的公司之中，月之暗面上个月刚完成新一轮超10亿美金融资，估值达到180亿美元，而在去年底的一轮5亿美元融资中，其估值仅为43亿美元。

这种估值的短时间跃迁，与今年2月OpenClaw宣布将Kimi K2.5设为其官方主力模型有着直接联系。K2.5发布仅一个月，月之暗面ARR（年度经常性收入）即突破1亿美元，业绩增速不仅支撑了估值提升，也打开了公司IPO的可能性。

无论国内国外，资本市场都在以惊人的热情为Token经济的腾飞定价，未来几个月里，我们将有机会听到各种各样的财富神话。这场轰轰烈烈的Token经济大繁荣，正在以“大跃进”的方式完成对所有人的认知普及，以及对风险的累积。

本文是来自《巨潮WAVE》内容团队的深度价值文章，欢迎您多平台关注。

01 增长

聊天Bot刚问世的时候，很少有人能想到2年之后，仅仅豆包这一款大模型的日均Token使用量就可以突破120万亿。即便按照每百万Token两块钱这个有点便宜的价格来计算，这也意味着每天有3亿元的真实经费在豆包上空燃烧。

事实上，国内外各家大模型公司都在上演着类似的剧本，全球范围内的Token日均消耗量都在以指数级规模增长。

工信部旗下中国信息通信研究院发布的数据显示，截至2026年3月，中国日均Token调用量已突破140万亿，较2024年初暴涨超过1000倍。

全球最大的AI模型API聚合平台OpenRouter则统计到，其平台每周处理的Token数量从2025年3月的1.62万亿飙升至2026年3月的16.90万亿，一年之内增长超过10倍。

OpenRouter连接着Anthropic、OpenAI、谷歌、Meta等几乎所有主流模型厂商的API接口，它的周度Token消耗曲线，本质上就是全球AI应用活跃度的实时监测图。

这条Token消耗曲线几乎是垂直向上的，既不像GDP的线性增长，也不像互联网用户渗透率的S型曲线，完全走出了人工智能经济自己的发展趋势。

是什么在驱动Token需求的大爆发？答案是人工智能的技术演进。

早期AI应用以聊天机器人（Bot）为主，用户输入一句话，模型返回一段回答，一个来回消耗几百到几千Token，完事即止。

但从去年下半年开始，以Agent和Claw为代表的新型应用范式以更快的速度、更广的范围流行开来。它们的共同特征是让AI不再只是“一问一答”的对话工具，而是一个能够自主规划、调用工具、长周期执行任务的数字员工。这种技术架构底层的变化，让Token消耗量以很多用户意想不到的方式大幅增长。

行业内部测算表明，完成同一个业务目标的情况下，Agent模式消耗的Token大约是Bot模式的50到200倍。

这是因为，Agent在执行任务时需要将整个历史对话上下文全量携带，一个复杂任务动辄累积数十万Token的上下文窗口。

而且Agent每次思考都需要经过多轮推理，都会触发API请求，还需要持续加载系统配置文件和记忆库，以维持任务的一致性和个性化体验。这导致Agent模式下的Token消耗，更像是个不受用户主观控制的黑箱操作。

更值得警惕的是，这个阶段Token表面的消耗量，并不等同于真实的需求量。

当AI转型成为企业的政治正确，当Token消耗量被越来越多的公司纳入员工的考核指标，一种“Token伪需求”的情况就诞生了。

Meta内部已经有团队将Token消耗量作为AI渗透率的衡量标尺，部分员工为了“显得自己很懂AI”，会故意运行大量冗余的模型调用任务；国内腾讯等大厂也被爆料存在类似现象，一些业务线甚至发明了“Token刷量”的灰色操作。

这种为了不被时代抛弃而制造多余的消耗、夸大不存在的业绩的行为，充满了大跃进式的荒诞。

02 核心

当Token消耗量以指数级增长，一个严肃的产业问题也浮出水面——谁来买单，谁会受益？

4月15日，国家数据局就《关于推进行业高质量数据集建设行动的实施方案（征求意见稿）》公开征求意见，首次在官方政策文件中提出“探索词元交易等新型交易模式，构建以词元为基础，可量化、可定价的数据集价值体系”。

从“词元交易”被写入国家顶层设计的那一刻起，Token就不再仅仅是一个技术概念，而是会逐渐成为人工智能经济的法定计价单位。某种意义上来说，Token化收费是人工智能经济的核心。

迅策科技被称为“Token第一股”，就是因为其率先在商业模式上做出了调整，全面转向了按Token消耗付费与分成的新模式，构建了“收入=Token价格×调用次数×模块应用数”的增长模型。

目前，Token付费收入占迅策科技总营收的5%左右，公司预计到年底这一比例将快速提升至20%至30%。市场对迅策的估值逻辑也因此发生了重大变化，脱离了传统市销率的限制，有了更大的想象空间。

迅策科技的模式也说明，在人工智能经济中，大模型厂商大概率会扮演“精炼厂”的角色，即将底层的算力与数据，加工成可以被直接消费、以Token计价的“成品”、“结果”，并掌握着价值分配体系中的关键生态位。

而云服务厂商大概会扮演着“发电厂”和“电网”的角色，它们不直接定价Token，却决定了Token的底层成本。

以阿里云为例，截至2026年2月底，阿里云2026财年累计外部商业化收入突破1000亿元，AI相关产品收入延续高增长态势，实现连续第十个季度三位数同比增长。

紧随需求而来的就是涨价，上周阿里云四天连发三条产品涨价公告，调整百炼部分模型单元服务价格及DataWorks部分API免费额度——云服务厂商对Token成本的影响力，可见一斑。

云服务厂商在传统架构中主要收入来自虚拟机、存储与网络等基础设施计费，进入Agent时代后，它们完全可以推动按资源（Token）使用量计费，并通过Agent平台订阅、开发者生态套件、行业级解决方案等获得长期合同收入。

算力厂商则像是更上游的原材料、燃料供应方，英伟达的高端GPU至今仍然处于产业链中最核心位置，高带宽内存（HBM）如今更是供应紧张，三星、SK海力士及美光三大存储原厂一边产能受限，一边毛利率抬高。

也许有人会担心算力实际已经过剩，英伟达和存储厂商的股价已经过高，但是这都不影响Token化收费的历史进程。

Token收费，让整条产业链的价值分配有了清晰的计算依据。

就像千瓦时的确立让电力市场得以形成，流量/曝光量成为抖音和视频号的收费标准单位一样，Token正在让人工智能经济从“感觉有用”走向“可以算账、可以收税”，成为一种真实存在的经济构成。

03 狂欢

Token化收费，让人工智能经济运转的逻辑变得清晰起来，但是人工智能作为一种划时代的技术革命，其经济运转的逻辑，是否与传统的经济学规律一致呢？

至少传统经济学的供需平衡理论，在人工智能经济中并不完全适用。

传统模型中，供给和需求是两条独立的曲线相交，而在人工智能经济中，供给本身会通过数据飞轮改进供给质量。需求曲线向右移动不是因为外部收入变化，而是因为供给曲线本身向下、向右移动了。

目前这个阶段，我们更可能看到蒸汽时代的“杰文斯悖论”在人工智能时代重演。所谓的杰文斯悖论是指，当蒸汽机效率提升、单位马力耗煤量下降时，煤炭的总消耗量反而暴增，因为更便宜的蒸汽动力催生了更多工厂、火车和轮船。

现在Token的单位生产成本越低，愿意消耗Token的群体就越多，舍得使用Token而非人力的场景就越多，最后Token的总成本就越高，或者说人工智能经济的总价值就越大。

根据国内媒体的数据统计，过去两年多，Token生产成本下降了超过99%，GPT-4每百万Token的成本已经从37.5美元下降到了2025年的0.14美元。但根据硅谷知名风投Menlo Ventures，全球企业2025年在AI上的支出反而比2024年增长了3.2倍。

如果这种趋势延续下去，那么哪怕单位 Token的价格趋近于零，全人类消耗的 Token 总价值（总量 × 单价）以及它撬动的 GDP 比重，也可以成百上千倍的增长。

这正是智谱、MiniMax等公司在巨额亏损的情况下，仍然被资本市场赋予超过许多传统互联网企业估值的深层原因——市场定价的不是今天的利润，而是未来Token经济总价值。

更何况，用Token生产出来的东西，本身也会越来越有价值。

同一百万个Token，在不同场景下创造的价值差距可达十万倍，其价值完全因执行的任务而异——用于闲聊的Token只值几分钱，用于写代码的Token值几百几千元，用于量化投资、企业并购的Token完全可以价值几万元。

斯坦福大学2026年AI指数报告估算，仅2024年生成式AI就为美国消费者创造了约1720亿美元的消费者剩余，而用户获得的价值远超实际支付的费用。

值得警惕的是，在AI代替了大量人类的脑力劳动后，传统的劳动力供给理论也会面临挑战。传统的需求曲线会因为购买力萎缩而整体坍塌，而供给端因为自动化依然强劲，这就是凯恩斯所说的“技术性失业导致的有效需求不足”。

只不过在这个阶段，围绕着Token消耗量指数级增长的一切都还披着繁荣的外衣，引领着产业链上下游和资本市场的狂欢。

但是历史已经反复证明了，每当一种新技术被资本市场赋予无限想象空间，泡沫总是比价值更先抵达终点。