黃仁勛的雙重token經濟學

2026年，圍繞推理展開的token經濟學，正在同時發生兩場變化：一場是需求增長下的價格重估，另一場是場景驅動下的結構遷移。

當黃仁勛在GTC上指出，“推理的拐點已經到來，需求還在不斷增長”的時候，他描述的正是第一場token經濟學。數據中心是token工廠，token即商品，算力即營收。隨著推理場景對token的需求越來越大，數據中心的算力收入也隨之增長。如果這是一個賣方市場，那么，算力還可以為自己爭取溢價。

緊隨黃仁勛的言論，昨日，阿里巴巴將平頭哥真武810E等算力產品提價5%至34%，百度云漲幅亦在這一區間。騰訊云和字節跳動旗下火山引擎，則在稍早一點取消了優惠。事實上，正如中國的大模型追趕美國，算力的價值回歸也由硅谷先行驅動。年初，亞馬遜AWS與谷歌云都已經漲過一波，特定區域甚至調漲了100%。

這場token經濟學正在全球范圍內上演。無論是中國還是美國，需求側都在爆發，面向企業與開發者市場的智能體扮演了關鍵角色。短期內，這一趨勢預計難以逆轉。

在編碼等應用場景中，Claude Code已經生產性部署，并逐步向更多白領工作滲透，企業爭相“實驗性”部署。由此，Anthropic的年度經常性收入（ARR）攀升增至190億美元，是去年底90億美元的2倍多，有望在下半年超越“沉迷于”消費者業務的OpenAI，奧特曼趕緊也將戰略重點，轉向了這一未被充分滿足的市場。

春節后，中國巨頭迅速從“AI春晚”轉向“全民養蝦”，所謂“token出海”的AI敘事在資本市場掀起波瀾。在全球最大的模型聚合平臺OpenRouter上，OpenClaw已成為最受歡迎的應用，同時也是token消耗最多的應用之一。最大的贏家是MiniMax、階躍星辰與Kimi。小米剛發布的新一代旗艦模型MiMo-V2-Pro，它的內部測試版“Hunter Alpha”，也在近一個月內被悄悄調用，排名第六。

2026/03/09 完整閱讀 >

阿里巴巴已經構建了底層的芯片與云，這次要圍繞創造token、輸送token、應用token大做文章，還重組token事業群（ATH）。除通義實驗室、MaaS業務線、千問事業部和AI創新事業部外，新增悟空事業部，其應用“悟空”延續“龍蝦”智能體思路，強調在企業工作流中的安全可控執行能力。阿里生態內的其他業務也將以“技能”（Skills）的形式逐步接入。

在最新的財報電話會議上，騰訊終于決定加大AI投入。算力、模型與產品，都要大手筆支出，一個都不能落。混元大模型將在4月發布，智能體能力有望顯著提升。已經預告過好幾次的“微信智能體”，這次受到了OpenClaw啟示，騰訊正在考慮將小程序“龍蝦化”，都能用API接口或命令行來調用。騰訊相信，在智能體時代，微信的中心化運營優勢與小程序去中心化生態結合，為其提供獨特競爭力；它在互聯網時代就是這么贏的。

全球市場再次陷入算力饑渴。黃仁勛預計，到2027年底，不包括網絡等其他收入，僅Blackwell和Rubin兩大核心架構的AI芯片的累計收入，就將超過1萬億美元，相比他預計2026年底收入5000億美元翻了一倍。

而且，算力供給的硬性約束，還要持續很長一段時間。分析師Dylan Patel認為，很快AI產業的瓶頸將轉移至下游半導體制造設備。每1個GW（吉瓦）的Rubin平臺需要3.5臺EUV光刻機，而奧特曼曾希望在2030年實現每周1座GW級的token工廠，屆時，ASML年產能最高100臺，遠不能滿足需求。而且，消費電子與智能汽車的算力需求也不會一直無視被市場擠出。

在中國，英偉達的AI芯片已“斷供”超過10個月。市場上關于H200的消息幾乎每周更新，但常互相矛盾。國產AI芯片寒武紀交出了上市以來最亮眼的業績，2025年營收同比增長453.2%至64.97億元，但這無法填補市場需求的空缺。

伴隨短缺而來的，是競爭與摩擦的加劇。OpenAI的前沿產品算力不足，向亞馬遜求助，簽訂500億美元戰略合作；微軟認為違背此前協議獨占約定，考慮起訴。通義大模型前負責人林俊旸離職，坊間猜測其中一個原因，就在于算力資源傾斜不足；在與員工溝通中，阿里高管也就未及時發現團隊資源困境致歉。

盡管Anthropic的訂單增長速度較快，但算力落實仍不及OpenAI。這意味著，如果它不愿意放緩營收兌現，就必須在用戶體驗與毛利率之間做權衡，或者犧牲部分用戶的AI體驗，或以更高價格價格接受短期或按需合同。

在財報會議上，騰訊也稱，去年資本支出增長不多，一個重要原因就是GPU供應受阻。它的對策之一，是從外面租用算力，“對算力來源并不挑剔”，另一個策略則是“減少了對外出售，以保證自用算力充足”。如果今年芯片采購順利，可能會適當減少股票回購，將更多資本投入算力建設。

但不該忽略的是，黃仁勛在GTC上演繹的第二場推理的token經濟學。它不僅反映了整體的供需變化，還映射了應用場景與token生產模式的結構性遷移。相比更高的吞吐量，token工廠的負載模式正在向更高的交互性遷移，而且，低延遲的極限也將在新的AI芯片的支持下繼續擴展。硅谷也是這一趨勢的先行者，但中國AI生態尚未緊緊跟上。

2026/03/18 完整閱讀 >

同等算力規模的“token工廠”，在相同時間內，可以選擇為更多用戶以較慢速度產出token，或為更少用戶以更快速度產出token。前者擁有更高的總吞吐量，對應更低的單位token成本（CPMT）；后者則以犧牲吞吐為代價，換取更低延遲與更高價格。

問題在于，就當前市場結構而言，前者面向的往往是商業變現緩慢的消費者市場，后者更契合今年以來高速增長的企業市場。未來的軟件應用，將主要服務幾乎零延遲的智能體，這是AI最前沿的機會所在。

算力成本上漲可能推動token價格同步上升。但在企業市場，面對真金白銀支付高價的客戶，唯有在模型層（Models）、執行層（Agent Harness）和技能層（Skills）取勝，算力成本上漲才能真正轉化為低延遲場景下的定價能力。近期，Anthropic在發布Claude Opus 4.6的同時推出“快速模式”（fast mode），核心賣點為低延遲。在保持模型質量不變的前提下，響應速度提升約2.5倍，而價格則提高6–12倍。

去年，開源模型賺足了吆喝；今年，模型廠商加速變現。在以價換量的基礎上，中國AI生態若要真正邁向“AI+”，更需向高經濟價值的token生產模式擴展。