140萬億Token之后：中國AI亟待從規模領先到價值躍遷

文 | 孫永杰

近日，當國家數據局披露“日均Token調用量突破140萬億”的數據時，這個看似技術性的指標，很快被賦予了宏大的意義—中國正在成為AI時代最重要的“算力輸出者”。

Token（詞元）原本只是大模型處理信息的最小單位，但在今天，它已經悄然轉化為一種新的計量與計價方式。在OpenAI、Anthropic等主流平臺上，開發者購買的不是模型本身，而是Token的使用量。這種變化，使得Token逐漸具備了類似“資源”的屬性，也讓“Token是AI時代硬通貨”的說法開始流行。

但如果我們把視角從數量增長轉向結構變化，一個更值得思考的問題浮出水面，那就是Token規模的爆發，是否意味著我們已經掌握AI發展的主動權，還是僅僅占據了某一層優勢？未來的決勝點到底在哪里？

流量狂飆背后，中國Token規模與營收倒掛

如果只看數據，中國Token的增長速度幾乎可以用“失重”來形容。從千億級到萬億級，再到如今的百億億級，這種躍遷并不是簡單的技術進步，更像是一種基礎資源正在被大規模釋放的過程。具體表現為AI正在從實驗室走向現實世界，從能力展示轉向基礎設施，而Token正是這個過程中的“流量單位”。

需要說明的是，支撐這種爆發的并非單一因素，而是幾條長期曲線的交匯。最直觀的表現就是價格曲線的快速下探。例如以DeepSeek、阿里云、百度為代表的廠商，在過去一年中將Token價格壓到了一個前所未有的區間，使得原本只屬于頭部企業的能力，開始向中小開發者甚至個人用戶開放。彼時AI從“用得起才用”，變成“幾乎任何場景都可以試一試”。這種價格重構，本質上是在重新定義AI的使用門檻，也在重塑市場結構。

與此同時，中國獨特的基礎設施路徑開始顯現出威力。在國家數據局推動下形成的“東數西算”體系，讓西部的低價電力得以轉化為東部乃至全球可調用的算力資源。過去難以直接參與全球貿易的電力，正在通過數據中心與模型服務，被轉換為可以按需調用的Token。而這種“能源—算力—服務”的鏈條，使中國具備了將本土資源轉化為全球性數字供給的獨特能力。

更重要的是，這種供給并非建立在犧牲質量的基礎上。隨著模型能力的快速迭代，中國廠商在代碼生成、長文本處理、多語言支持等方面，已經能夠在大量實際場景中對標OpenAI和Anthropic等。同時鑒于在不少應用中，開發者更看重的是夠用且便宜，而非極限性能，使得這種“工程上的可用性”，疊加成本優勢，讓中國模型應用在全球范圍內迅速上量，越來越多的調用請求流向中國模型，Token規模由此被迅速放大。

但如果我們把視角從調用規模切換到商業價值，另一幅有些反直覺的結果出現了。

一組來自非凡產研統計的數據顯示（截至去年8月份），在“全球AI公司月活”里，中國公司拿下了約46.0%的全球月活（美國約43.2%），而在“全球AI公司收入Top100”里，包括OpenAI、Anthropic等少數頭部美國AI公司卻拿走了約91.9%的全球ARR（經常性收入），中國公司僅占3.5%。

這里我們不妨用更直觀的對比來感受一下：百度的全網月活約7.30億，字節約3.72億，深度求索約2.05億，美圖約1.95億；而收入榜側，OpenAI一家ARR約174.75億美元，Anthropic約72.68億美元，而中國收入榜的總和僅約12.87億美元。

這意味著一個耐人尋味的倒掛正在形成，即流量在中國，收入卻集中在美國。

值得注意的是，進入2026年，盡管部分國產模型（如MiniMax、Kimi）已展現出海外收入占比顯著提升的勢頭，例如MiniMax海外收入占比已超70%，Kimi海外收入開始超過國內，但整體營收倒掛的結構性特征依然存在。

由此可見，中國雖然正在贏得調用規模，卻尚未完全轉化為商業價值。而這一結構性錯位，正是理解中國Token繁榮背后真正含義的關鍵入口，即當Token成為一種“資源”之后，我們不僅要看“產量”，更要看“含金量”和“定價權”。也正是在這個意義上，如果我們把視角從調用規模切換到商業價值，一個更值得關注、也更具解釋力的結構性現象開始浮現。

規模之上的Token，價值和規則才是核心競爭力

如上述，Token的爆發，很容易讓人產生調用量越大，代表產業越強的錯覺。而如果把這些Token拆解來看，就會發現其中的差異遠比數字本身更重要。

眾所周知，在現實應用中，并非所有Token都具有相同價值。一部分Token來自高價值場景，例如復雜決策、專業分析、科研輔助，這些調用往往對應著較高的付費能力和長期依賴；而另一部分Token，則來自測試調用、低質量內容生成或大規模自動化任務，它們在數量上龐大，但在經濟意義上相對有限。盡管兩者在統計上沒有區別，但在產業結構中卻扮演完全不同的角色。這意味著，如果缺乏高價值場景的支撐，單純的Token增長，很容易陷入規模膨脹而價值不足的怪圈。

當然，在討論Token規模時，還有一個無法回避的結構性因素，那就是中國市場本身的“封閉性”在一定程度上放大了這一數字。

業內知道，在中國大陸，OpenAI、Anthropic以及谷歌（Gemini）等模型的直接使用和商業化部署存在客觀限制，這意味著大量原本可能流向全球多家模型廠商的調用需求，被集中留在本土體系之中。相較之下，美國市場的開發者可以在多個模型之間自由分流調用（包括部分中國模型），至于在中國，絕大多數應用調用天然集中在國產模型之上。

而正是這種結構差異，使得Token規模在中國呈現出一種集中放大的效果。從統計上看，這無疑強化了中國在Token調用量上的領先地位，但如果簡單將其等同于全面競爭力優勢，則容易產生誤判。換言之，中國的Token規模領先，既來自真實的供給能力提升，也受到需求結構“內聚化”的放大。

需要強調的是，這種放大并非虛假繁榮。畢竟能夠承接并放大這部分需求的前提仍然是中國模型在成本、性能與工程能力上的進步已經足夠支撐大規模應用。否則，即便外部模型受限，AI應用本身也難以如此快速鋪開。因此，這種現象更接近一種真實能力疊加結構紅利的結果，而不是單純由外部環境使然。

然而，其潛在影響還是需要我們警惕。原因在于長期處于相對封閉的競爭環境，容易讓規模增長掩蓋結構差異，尤其是在高價值場景與頂級能力層面的差距判斷上。如果缺乏與全球最強模型的持續對標與競爭，Token規模的領先，可能更多停留在使用密度層面，而難以自然轉化為價值密度的領先。

與此同時，為了快速擴大規模，不少國產模型選擇了一條更現實的路徑，即在接口層面兼容OpenAI的標準。類似的messages結構、相似的參數設計、甚至“只改base_url即可切換”的調用方式，使開發者幾乎可以無成本遷移。而這種策略無疑極大地降低了使用門檻，是Token規模迅速增長的另外重要原因之一。

但問題也恰恰出在這里。當一種生態的“語言”和“接口范式”已經被定義時，后來者即使在規模上實現反超，也往往難以在規則層面取得主導權。相較之下，Anthropic之所以成為OpenAI最強勁的對手，在于其并沒有完全兼容OpenAI接口，而是保持一定相似性的同時，構建了獨立的API體系，并借助Amazon的AWS生態進行分發。雖然這種路徑犧牲了部分遷移效率，卻在長期發展中保留了爭奪標準話語權的空間。

上述策略的差異，實際上揭示了一條更底層的邏輯：規模和規則并不等同。實際上，歷史已經反復證明，使用最多的系統未必制定規則，出貨量最大的產品也未必掌握標準。在AI領域，這種邏輯同樣適用。而事實是，當前的API范式、開發框架乃至企業級集成路徑，仍然深受OpenAI、微軟和谷歌等體系的影響。

也正因為如此，一種看似矛盾的結果出現了，那就是中國在Token規模上快速領先，但在規則與生態層面，仍然處于“參與者”的位置。而這種“規模領先、規則滯后”的錯位，正是當前階段最值得警惕的隱憂。

Token產業化，亟待底層創新與規則定義能力

綜上，如果說Token規?；卮鸬氖橇康膯栴}，那么決定未來的，始終是結構的問題。從這個角度看，中國AI真正需要跨越的，并不是再多產生一些Token，而是完成一次更深層的結構躍遷。

首先需要突破的，是從成本優勢走向不可替代能力。不可否認，低價格可以迅速打開市場，但很難長期鎖定市場。一旦競爭進入充分階段，單純依靠價格優勢，往往會演變為持續的內卷。而真正能夠形成定價權的，往往是那些在關鍵場景中不可替代的更強的推理能力以及更穩定的企業級表現，抑或在特定行業中的深度優化。這些能力，才是將“可用”轉化為“必須用”的關鍵。雖然我們在編程、Agent等特定領域已有局部領先的跡象，但整體仍需向更高階能力躍升。

其次，是從接口兼容走向標準定義。當前AI生態中最隱蔽卻最關鍵的控制力，并不在模型本身，而在接口、工具鏈與開發范式。誰定義了這些，誰就決定了開發者如何構建應用、企業如何接入AI?；诖?，如果我們長期停留在“兼容者”的位置，那么即使規模再大，也很難在生態層面取得主導權。而只有當中國廠商開始在接口設計、開發框架乃至應用范式上提出自己的標準時，規則層面的競爭才真正開始。

更深一層則是底層技術與系統能力的持續突破。畢竟Token只是最終的表現形式，其背后是芯片、算法與工程體系的綜合能力，而在這一層面，英偉達仍然掌握著關鍵的算力節點；頂級模型能力也仍主要集中在歐美廠商手中。此背景之下，如果我們缺乏持續的底層創新，Token的成本和規模優勢，很可能難以長期維持。

最后，也是最容易被忽視的一點是高價值場景的應用。未來真正決定AI產業格局的，并不是誰生成了更多Token，而是誰掌握了最有價值的那部分Token。無論是金融、醫療，還是工業與科研，這些領域對模型能力、穩定性和可信度的要求遠高于普通應用，同時也對應著更高的商業價值。所以只有在這些場景中建立優勢，Token規模才會轉化為真正的產業能力。

綜上，我們認為，140萬億Token，確實可喜可賀，它說明中國已經在AI時代占據了一席重要位置，甚至正在成為全球最重要的算力供給方之一。但我們同樣需要看到，真正決定長期格局的，從來不是單一維度的領先，而是多層結構的協同演進。

而真正的分水嶺，不在于Token能否繼續增長，而是中國能否從“生產更多Token”，走向“定義Token如何被使用“。只有當這一步完成，Token才不只是一個高速增長的數字，而是成為一個真正具備產業化能力的基礎資源。