遍地開花，Token工廠集中登上資本舞臺的幕后思考

文 | 松果財經

大模型行業的融資敘事正在加速變化。半年前，資本追逐的還主要是基礎模型本身。如今，熱錢正在流向一個更靠下游的環節：Token工廠。

本周五，2026世界人工智能大會WAIC將在上海開幕，Token經濟也是本屆大會的核心議題之一。而自6月底至今，Token領域已發生多起資本事件。

比如，剛剛宣布完成A輪融資的趨境科技半年內累計融資已超10億元；硅基流動此前向港交所遞交上市申請，平臺單日Token吞吐量峰值已突破萬億，注冊用戶超千萬；無問芯穹披露其Agentic MaaS平臺Token調用量自去年底以來增長超20倍，背后站著近50家投資機構。

資本、產業，它們都認為AI產業的下一個核心瓶頸是可交付、可計費、能賺錢的服務。對推理服務的需求不再是峰值有多高，而是能不能穩定、低成本、持續地交付。誰在這個環節建立效率壁壘，誰就有機會成為AI產業鏈里繞不過去的基礎設施層。

不過目前為止，這個行業到底怎么跑通還沒有定論。硅基流動2025年收入5533萬元，凈虧損3.45億元，毛利率-24%。其他大量公司則還沒有持續驗證商業模式。泡沫和真金，在同一條河里翻涌。

一、Token的商業模式：是什么，又不是什么？

要理解Token工廠的商業邏輯，首先要把Token本身是什么、不是什么講清楚。

從技術層面看，Token是模型處理文本、圖像、語音時使用的基本計量單位。用戶問大模型一個問題，系統把輸入和輸出都折算成Token，據此計費。在這個意義上，Token之于AI服務，類似“度”之于電力——它是結算單位，是成本核算單位，也是資源消耗的刻度。

但類比到這里就該打住了。因為Token和電力有一個根本性的差異：電力是均質商品。什么叫“均質商品”？家庭照明用的一度電和工廠車間用的一度電，在物理屬性上沒有任何區別。

Token則完全不同。同一個模型產生的100萬個Token，可能是一個閑聊對話的輕量生成，也可能是一次復雜代碼重構的全量推理，還有可能是一遍遍無意義的重復輸出。它們的計算成本、對精度和穩定性的要求，以及最終產生的商業價值，可能相差數個量級。

這個差異直接決定了Token工廠這門生意的特殊之處：它賣的不能只是Token數量，必須賣Token質量。只拼量，會陷入和傳統CDN業務一樣的不利局面——門檻低、價格透明、客戶隨時可以比價切換。只有拼質，才可能建立真正的壁壘。

趨境科技顯然看明白了這一點。它把自己的定位明確表述為“高品質AI Token生產服務商”，并給Token做了分層：免費聊天機器人對應的是低速低穩定性Token，開發者套餐對應中速Token，企業核心生產系統需要的是頂速、高穩定、長上下文支持的高品質Token。不同層級的Token，對于Token延遲、生成速度、并發能力、輸出穩定性、結構化調用可靠性的要求完全不同。

這并不是趨境科技自己發明的新概念。通信行業從2G到5G的演進邏輯本質上就是同一回事——所有代際都能傳輸信息，但企業級客戶不會把核心業務跑在高延遲、低穩定的網絡上。AI服務正在經歷類4G到5G的過渡階段，當AI從“能聊天”進入“能寫代碼、能審合同、能管項目”，Token質量開始比Token價格更重要。

硅基流動則在招股書中披露，自研推理引擎可將延遲降低最高達70%，吞吐量提升三到五倍，動態量化技術可將推理計算需求降低60%至80%。其意義在于，同樣的算力硬件，經過深度優化后能產出更快的響應和更低的成本。

于是，大多數Token工廠的玩家都在強調深度優化而不是廣泛接入。比如硅基流動并不和巨頭比誰的模型數量更多，而是把重點放在少數真正有生產需求的頭部模型上，通過模型切分、顯存管理和異構協同，把單位算力的有效Token產出推到極致。這種能力與做一個模型超市、把上百個API打包轉賣的中轉站模式有本質區別。

二、燒錢換規模的窗口還沒關上，但窗口期正在收窄

那么，如何看待當下Token產業的商業化發展？答案是短期謹慎、長期樂觀。

以硅基流動的招股書數據為例，其平臺注冊用戶從2024年底的12.7萬暴漲到2026年4月的1028萬，同期日均Token吞吐量從478億攀升到5785億。收入從2024年的735萬元跳到2025年的5533萬元，增速驚人。

不過，由于固定成本，硅基流動2025年仍凈虧損3.45億元，毛利率-24%，算力資源成本5962萬元，營銷開支8370萬元，存在不小的拉新支出。

考慮到Token訂閱用戶有很強的后續變現價值，這顯然是一種典型的“補貼換用戶”策略。

硅基流動還以公有云服務作為引流入口，用極低甚至負毛利的價格吸引開發者和企業試用，寄希望于其中一部分用戶轉化為高毛利的專屬實例或本地部署客戶。2025年，其本地部署收入占比從85.4%下降到47.1%。

這和移動互聯網時代的“閃電擴張”有相似之處，但AI基礎設施這門生意和當年的滴滴、美團有一個根本差別：Token工廠的固定成本極高，但網絡效應顯然不可同日而語。原因也不復雜，算力往往是租來的，技術優化需要持續投入頂尖人才，客戶不因為更多人在用某個平臺就獲得更好的體驗。規模擴大帶來的邊際成本下降空間，遠不如互聯網平臺那樣陡峭。

所以，目前大多數公司都在追求一個真正健康的Token工廠商業模型，它應該是一個“效率飛輪”，而不是“融資飛輪”。

什么是效率飛輪？技術優化降低單位Token成本→以更低價格吸引更多客戶→更多客戶帶來更多真實場景反饋→真實場景反饋幫助進一步優化模型和調度系統→優化后的系統進一步降低成本和提升穩定性。這個飛輪的核心潤滑劑需要工程能力和場景數據，為此，Token工廠必須努力開拓下游應用。

而相對來看，如果效率優化生效，其效果也會在數據上得到明顯反映。比如趨境科技目前披露的部分數據顯示，其從春節以來單位算力生產效率提升3倍以上，高品質Token總產量提升30倍以上，部分成熟業務已突破成本線。

接下來，Token企業只需要證明當融資節奏放緩，當算力采購成本繼續上升，這套效率引擎還能繼續自轉即可。只有穿越一個完整的壓力周期，才能說Token工廠是一個可持續的商業模式。

三、算力之外，找到最稀缺的因子

過去三年，AI行業的敘事主軸是一個字：缺。缺卡、缺算力、缺電力、缺機房。這種“存在即短缺”的狀態催生了一個巨大的算力基礎設施投資熱潮。每一座智算中心的建設，每一次萬卡集群的交付，都是一次對未來AI需求的前置押注。

但2026年，市場已經開始尋找不一樣的影響因子。

從底層供給看，隨著全球算力供給持續擴張、國產芯片替代加速推進、模型推理效率不斷提升，算力本身的可獲得性正在邊際改善。

需要注意的是，這并不是說算力已經過剩——高端GPU和使用權仍然緊張，但“純粹的算力總量”正在從稀缺品變成大宗商品，這個過程中的電力等方面成本權重開始上升。而當一項資源不再稀缺，圍繞這種資源構建的競爭壁壘就會開始松動。

所以，綜合考慮商業模式、產出能力等因素后，這個行業最終考驗的不再是誰手里有多少卡，而是誰能把同樣的卡跑出更高的有效產出。這個指標在行業里有不同的叫法：Token生產效率、算力轉化率、集群可用時長占比。叫法不同，但指向同一件事——AI基礎設施的競爭邏輯，正在從資源占有型轉向運營效率型。

這是一個值得警惕但又充滿機會的階段。智算中心建設在過去幾年經歷了一定程度的“重建設、輕運營”問題。機房建好了，設備上架了，但真正有付費意愿的客戶并不充足。

在“算力為王”的敘事里，這個矛盾容易被未來需求會追上供給的預期所掩蓋。但當前Token工廠的熱潮，可能正在催生另一種形式的資源錯配——把“算力空轉”改名為“Token空轉”。

建一個Token工廠不難，買算力設備、接入幾套開源推理引擎、掛幾個主流模型API，就能對外宣稱有Token生產能力。難的是讓這些Token真的有人買、真的能用、真的產生價值。

Token工廠能不能避免重蹈部分智算中心的困境，關鍵看誰在為這些Token買單。如果客戶主要是短期補貼吸引來的免費用戶和價格套利者，一旦補貼退坡或競爭對手出更低的價格，客戶就會迅速流失。如果客戶是真正把Token用在生產環節的企業，Token工廠才能成為生產力工具的一環。

從產業鏈的角度審視，Token工廠的本質是在做一件很多行業都經歷過的事：把上游分散、復雜、非標準化的資源，組織成下游可直接使用、可計量、可規模化交付的標準服務。這和石油煉化把原油變成汽油、瀝青和化工原料沒有什么不同。

原油在油田里無法直接使用，必須經過一系列復雜的分解和重組，才能變成不同用途的成品油和工業原料。Token工廠要做的，是把“原油”變成不同品級的“成品油”。不同模型、不同芯片、不同場景之間，需要的“油品”完全不同：有的追求極致低延遲，有的追求最大吞吐量，有的追求長上下文的穩定輸出。

總的來看，目前行業內的玩家大致可分為兩條路徑。一條走規模和廣度，接入越多模型、越多芯片類型，覆蓋面越廣，追求成為Token層面的通用供應底座。另一條走深度和專注，圍繞少數頭部模型做極致優化，追求單位算力產出效率的最大化，用技術壁壘換取利潤空間。

兩條路徑沒有絕對好壞，但后者的競爭壁壘從產業邏輯來看更可持續——因為它的價值不依賴于“我有什么資源”，而依賴于“我能把資源用到什么程度”。前者靠規模壁壘，后者靠技術壁壘。規模壁壘在資本充裕時容易被追趕，技術壁壘的追趕需要時間和人才，難以速成。

因此，整個Token賽道的融資和上市熱，本質上是在搶這個產業鏈還沒有被固化的窗口期。

一旦巨頭完成對推理環節的內部整合——阿里云、火山引擎等云廠商已經在把自己的模型服務打包進自家云基礎設施，形成從芯片到模型到應用的一體化閉環——獨立的Token供應商的空間就會被壓縮。

不過，獨立Token工廠擁有一個結構性優勢：中立性。硅基流動支持的170多個模型來自不同的模型公司，趨境科技服務的客戶覆蓋頭部模型廠商和互聯網平臺。它們不自己研發通用大模型，不和任何模型公司構成直接競爭，也不綁定任何單一芯片廠商。這種位置在行業分工還不夠穩定的階段，對客戶而言是一種避險選擇——誰也難以預料最終勝出的模型是哪一家的。

產業分工從來不是在理論推演中完成的，而是在市場競爭中經歷無數輪試錯后自然沉淀的結果。Token工廠今天的熱度，無論其中摻雜了多少泡沫，至少說明AI產業鏈正在經歷一次關鍵的價值重心下移。讓模型真正服務于生產和生活，將是未來產業的主旋律。站在這個趨勢的起點上，Token工廠的故事才剛剛開始。