Token賬單背後的資本博弈

最近大家可能有一個困惑：為什麽大模型概念股，看似業務高速增長、調用量節節攀升，但估值在經歷了高速攀升後卻持續疲軟？反觀近期AI產業鏈上游卻異常火爆，中際旭創（03308.HK）、長鑫科技（688825.SH）、源傑科技（688498.SH）等一眾上游標的則持續獲得資本追捧。

一邊是下游模型流量高漲卻估值疲軟，一邊是上游硬件算力持續走熱，截然不同的市場表現形成了鮮明反差，這背後隱藏的產業規律與商業邏輯是什麽？我們將在下文逐層深入剖析，拆解AI行業真實的盈利、成本與估值邏輯。

Token的社會分工：從「算力工廠」到「價值變現」全鏈路

大模型併不「認識」漢字或英文單詞，它只認數字。當你輸入一句話，分詞器會將它切碎成一個個最小的單元，也就是Token（詞元），併轉化為唯一的數字ID。GPU（圖形處理器）對這些數字ID進行海量矩陣運算，將孤立的數字轉化為帶有語義信息的「特徵密碼」，然後再將這些密碼反向「翻譯」成人類能看懂的文字。

在以API調用為核心商業模式的AI服務領域，Token或串聯起一條分工相對明確的三層產業鏈：上游生產Token，中游交易Token，下游消耗Token併實現商業價值。

1）上游：Token生產層（算力底座）

上游或是整個鏈條的物理起點，提供芯片、服務器、數據中心、電力及散熱等硬件基礎設施，決定了生產Token的成本基礎下限。

在芯片設計制造環節，海外以英偉達（NVDA.US）、AMD（AMD.US）和谷歌（GOOG.US）的TPU為代表；國內則有華為昇騰、寒武紀（688256.SH）、壁仞科技（06082.HK）、天數智芯（09903.HK）等企業。

在算力雲與智算基礎設施層面，海外主要是亞馬遜（AMZN.US）AWS、微軟（MSFT.US）Azure、谷歌雲和CoreWeave（CRWV.US）；國內對應的有阿里雲、騰訊雲、百度（09888.HK）智能雲、字節跳動的火山引擎等。

配套硬件方面，光模塊領域有中際旭創（300308.SZ）、新易盛（300502.SZ）、光迅科技（002281.SZ）、華工科技（000988.SZ）等；服務器制造環節有英偉達核心代工廠工業富聯（601138.SH）、浪潮信息（000977.SZ）、紫光股份（000938.SZ）等；液冷散熱系統領域有英維克（002837.SZ）等；供電體系則有科華數據（002335.SZ）等。

此外，服務器PCB板供應商如滬電股份（002463.SZ），以及AI芯片封裝測試環節的長電科技（600584.SH）等，也屬於上游配套體系的重要構成。

需要說明的是，谷歌（GOOGL.US）TPU等部分芯片廠商以自用為主，僅有少量算力對外提供，裸芯片極少對外銷售，併未完全進入市場化芯片交易鏈路。而半導體晶圓制造如台積電（TSM.US）和EDA工具供應商如新思科技（SNPS.US）、楷登電子（CDNS.US）、國內華大九天（301269.SZ）等，屬於算力芯片更上游的半導體母產業鏈支撐環節。

2）中游：Token計價與分發層（交易樞紐）

中游將上游的原始算力封裝成大模型服務，以Token作為核心計量單位對外提供調用，是連接算力供給與終端需求的交易樞紐。頭部大模型廠商在這一環節擁有較強的定價權。

通用基礎模型廠商方面，海外代表有OpenAI、Anthropic、谷歌Gemini；國內則有智譜（02513.HK）、MiniMax（00100.HK）、DeepSeek、百度文心、阿里通義、騰訊混元。

在模型聚合與推理平台領域，海外有OpenRouter和Together AI；國內對應的是矽基流動、PPIO派歐雲、無問芯穹等。

值得注意的是，Meta（META.US）Llama、Mistral等開源模型向開發者開放權重，本身不直接面向終端售賣Token雲服務；企業可獲取權重自主部署推理。開源生態大幅降低自建推理的準入門檻，對閉源商業模型的Token定價或形成顯著外部約束。

3）下游：Token應用層（價值兌現端）

下游企業採購Token併將其嵌入自身業務流程，最終面向客戶完成價值交付。目前商業模式分化為兩類：一類是直接按Token調用量向客戶收費；另一類是將Token成本打包，轉而按業務結果向客戶收費——後者被微軟AI前負責人佈雷特·泰勒視為長期演進方向。

海外典型應用包括GitHub Copilot、Notion AI；國內則有智齒科技（AI客服）、邁富時（02556.HK）、明略科技（02718.HK）和迅策科技（03317.HK）等。

此外，ChatGPT Plus、Claude Pro等的C端訂閱用戶，以及各類機構內部自用的AI系統（如銀行風控、律所合同審查）同樣大量消耗Token，也是終端需求方。

利潤去哪了？產業鏈的成本與收益博弈

目前，Token經濟的利潤大頭依然被上游「賣鏟子」的硬件廠商牢牢把控。以英偉達為代表的算力巨頭，憑借技術壁壘和軟件生態的鎖定效應，享受著豐厚的利潤，英偉達最近兩個財季的非會計毛利率均在75%以上。

而中游的模型廠商，儘管Token調用量呈指數級增長，卻普遍陷入增收不增利的困境，這是因為高昂的訓練研發投入、持續燒錢的價格戰，使得許多頭部玩家的虧損幅度接近甚至超過營收規模。

下游應用層是Token產業鏈的價值出口——上游的算力投入、中游封裝成型的模型能力，或最終在這里被「翻譯」成企業願意付費的業務結果。站在當前產業週期看，這一價值出口的有效需求體量尚且有限，多數AI應用廠商營收規模，遠不及上游硬件企業營收的一個零頭。少數能夠深度嵌入行業流程的服務商（金融風控、醫療輔助診斷、代碼生成等），若實現算力自主可控、形成行業壁壘，或能實現較為豐厚的毛利率，但受制於訂單體量、落地週期，絕對利潤依舊單薄；而大量輕量化套殼應用，本質只是分銷中游模型廠商的Token調用能力，近似賺取微薄的渠道差價。

演變趨勢：從「算力霸權」到「場景為王」？

產業不會永遠停留在當前「上游獨赢」的階段性格局，隨著算力供需、技術路線、商業模式持續演化，Token價值鏈有望迎來三次結構性遷移。

階段一（當下：算力紅利期）

核心矛盾在於高性能算力供給缺口顯著，而硬件產能擴張週期漫長。算力硬件廠商因此成為現階段的最大得益者——算力是生產Token的前置門檻，任何模型與應用落地都無法繞開GPU、光通信及存儲基礎設施。資本共識也高度一致：優先投資「賣鏟子」的環節。

風險臨界點在於：隨著全球AI服務器大規模投產、供給端持續放量（例如國產算力芯片批量供應），而應用層若未能同步消化新增算力，供需缺口將逐步收窄，硬件量價齊升行情將弱化。

階段二：（中期：推理優化與MaaS分層競爭）

隨著硬件供給逐步緩解，競爭重心由「有沒有算力」轉向「如何更高效地利用算力」。單位Token的生產成本不再由硬件採購價單一決定，推理框架優化、KV緩存管理、異構算力調度、PD分離架構等軟件能力開始創造巨大價值。

兩條路線將爭奪中游話語權：

1）通用基座模型廠商比拼的是生態豐富度、模型能力和開發者社區黏性。閉源廠商依靠持續叠代維持Token定價權；開源模型則通過企業級權重授權與私有化部署變現。

2）算力調度與推理解決方案商自身不擁有大模型，但能夠聚合多元算力、優化推理鏈路，幫助全行業降低單位Token成本。由於不押注單一模型，這類企業可以同時服務多家模型公司。

這一階段不會出現單一赢家，市場將走向分層：通用大模型賺取品牌與生態溢價；高效算力基礎設施與推理服務商賺取持續穩定的效率紅利；而缺乏技術壁壘、單純租賃裸算力的企業，利潤空間或被持續壓縮。

值得一提的是，上述推演建立在模型能力增速趨緩、算力成本持續下降的前提之上。若下一代模型出現代際躍升或算力需求超預期增長，各階段的時間窗口或相應調整。

階段三（遠期：垂直解決方案與終端價值主導）

AI發展的終極目標不是生產更多Token，而是利用Token解決真實的商業問題。長期來看，產業鏈價值重心將向下游遷移。

當模型能力趨於同質化、單位Token成本持續下行，客戶將不再單純為Token數量付費，而更願意為實際的業務結果付費。具備行業Know-how和一體化AI解決方案能力的企業將佔據優勢：不再售賣調用接口，而是輸出風控、營銷、研發、生產等閉環服務。

屆時衡量競爭力的標尺將不再是算力規模或模型參數，而是能否依託AI切實提升客戶收入、降低客戶成本。若模型能力趨於同質化，下游垂直應用龍頭，有望反向對中游模型定價形成一定制約，推動整條Token價值鏈向應用端傾斜。

換言之，投資佈局或可根據產業所處週期進行匹配。

啟示：資本市場的「Token掘金地圖」

Token經濟的崛起，為全球資本市場提供了清晰的投資主線，但不同市場的投資邏輯各有側重。

1）美股：全球AI產業估值錨，聚焦全球寡頭龍頭

美股代表全球AI產業鏈最高壁壘企業，估值或反映全球資本的長期預期。

上游算力硬件：英偉達與AMD，牢牢掌控高端芯片生態，是當前全球算力擴張最大受益者；雲廠商微軟、亞馬遜、谷歌等則依託自有算力+自研芯片，平衡資本開支與AI變現。

中游模型：OpenAI尚未上市，Anthropic推進IPO；谷歌依靠Gemini+自有TPU形成軟硬一體閉環。

核心特徵：美股龍頭具備全球化定價權，業績兌現週期清晰；缺點是其壟斷位置更容易受到監管的審視。

2）A股：算力配套與國產芯片核心陣地，博弈景氣彈性

A股承載國內算力硬件、半導體配套資產，資金交易活躍度高。

上游硬件集群涵蓋光模塊（如「易中天」）、服務器（如工業富聯、浪潮信息等）、PCB（滬電股份）、液冷溫控（英維克）、AI芯片（寒武紀）等核心標的。A股資金偏好高景氣硬件賽道，算力行情階段彈性較強。

短板：稀缺獨立商業化大模型上市主體，優質AI應用標的分散。

3）港股：當前最值得重視的價值窪地，具備獨特差異化標的

港股擁有A股、美股無法替代的稀缺AI資產，同時整體估值中樞更低，南向資金持續增配，存在顯著預期差：

（1）港股算力硬件：受益全球算力擴張和國產算力替代雙重邏輯

正在招股的中際旭創：全球光模塊龍頭，深度綁定海外雲廠商與英偉達，800G/1.6T產品持續放量，是上游硬件核心底倉標的。

壁仞科技和天數智芯：國產高端GPU稀缺上市平台，受益國內算力自主可控趨勢，但短期業績釋放尚需時間。

（2）港股獨有的商業化大模型標的（A股稀缺）

智譜：港股通可交易純通用大模型標的，GLM開源生態完善，政企端MaaS業務高速增長，兼顧訓練與推理算力佈局，是觀察國內Token商業化落地的核心風向標；

MiniMax：多模態大模型龍頭，打通C端出海和B端API兩條路徑，在視頻生成、消費級AI產品具備差異化優勢。

風險提示：獨立大模型企業當前仍處於虧損擴張階段，股價高度依賴ARR增速、算力成本管控、客戶拓展進度，博弈屬性更強。

百度集團：互聯網大廠大模型標桿，文心一言疊加智能雲，自有算力集群持續擴容。與純初創模型公司相比，具備成熟現金流對衝AI投入，攻守兼備。

（3）港股垂直AI應用標的：等待下游價值兌現拐點

邁富時、明略科技、迅策科技等，或深耕金融、政企數據、企業數字化等垂直賽道，依託行業壁壘消化Token成本，逐步從單純採購模型轉向自研微調、構建行業專屬智能體。

這類標的當前尚未成為市場主線，但或可得益於遠期產業趨勢，須持續跟蹤客戶付費意願、AI業務利潤率改善信號。

除此之外，港股兩大互聯網巨頭或走出不同的AI兌現路徑。騰訊控股（00700.HK）依託混元大模型深度賦能廣告、游戲、企業服務，以充沛經營性現金流持續投入算力研發，AI能力內嵌於成熟主業，或可實現協同降本增收。

阿里巴巴-SW（09988.HK）則走全棧算力結合MaaS路線，通義千問依託阿里雲形成「算力底座-模型服務-開發者生態」閉環，直接得益全行業Token調用規模擴張；開源Qwen持續擴大開發者圈層，百煉MaaS平台承接大量企業推理需求，是中游Token交易環節核心參與者，彈性更多來自雲計算AI業務收入持續放量。

這兩大巨頭代表港股互聯網兩條AI投資主線：騰訊側重存量業務效率提升，阿里側重對外輸出算力與模型服務。

擬上市與新興AI公司：港股正積極吸引各類AI獨角獸。那些在特定領域如AI醫療、AI教育、AI營銷擁有獨家數據，且能跑通Token消耗與商業變現閉環的公司或值得高度關注。對於這類公司，關鍵要看其是否擺脫了「燒錢換規模」的舊邏輯，真正實現單位Token的正向收益。

結語

當前算力為王只是產業發展的階段性縮影，算力供需平衡之後，行業競爭將轉向推理效率，遠期勝負或取決於場景落地與價值轉化能力。

資本追逐的永遠是價值鏈中議價能力最強的環節。Token浪潮遠未結束，但利潤蛋糕的分割方式正在緩慢重構。看清這場持續演變的博弈，才能避開流量幻象，尋找到經得起產業週期檢驗的投資主線。