token出海，是愿景，不是現(xiàn)實(shí)

年初，中國爆發(fā)過一陣“token出?！钡臄⑹?，它本質(zhì)上是對“算電協(xié)同”的一種想象。市場敏銳地捕捉到了中國獨(dú)有的雙重優(yōu)勢：既有開源模型性價(jià)比帶來的技術(shù)普惠，又有豐沛且廉價(jià)的電力資源作為能源底座。通過將海外推理請求，調(diào)度至國內(nèi)數(shù)據(jù)中心，能夠以更低成本完成AI任務(wù)。

從更底層的成本結(jié)構(gòu)看，運(yùn)輸能源的成本，高于輸送電力，更高于算力的直接調(diào)度，這也使得算力在理論上成為最具跨區(qū)域流動性的生產(chǎn)要素。而token，則是在這一過程中，將能源、算力與模型能力，統(tǒng)一為可計(jì)量、可定價(jià)的單位，從而具備被交易與流通的基礎(chǔ)。

這種模式不再以模型、算力設(shè)備或電力資源的形式跨境流動，而是以內(nèi)嵌于服務(wù)的形式，通過接口被遠(yuǎn)程調(diào)用與消費(fèi)。

但是，對于“token出?！倍?，更關(guān)鍵的不僅在于請求是否跨境調(diào)用，而更在于生產(chǎn)與價(jià)值的歸屬：即用于生成token的算力與能源成本，是否由位于中國的實(shí)體承擔(dān)，并獲得來自海外市場的收入。

在這個(gè)意義上，年初的“token出?！睙岢?，其實(shí)算不上真正意義上的“token出?！?。它存在，但并非主流。事實(shí)上，直到今日，它更多地仍然以“模型出?！被颉八懔Τ龊！钡男问秸宫F(xiàn)出來。當(dāng)然，這仍然很好；但它脫離了“算電協(xié)同”的敘事框架。

最近一個(gè)月，在全球最大的API聚合平臺OpenRouter 上，中國模型提供了接近60%的token。它們來自小米、阿里巴巴、DeepSeek、階躍星辰、MiniMax、智譜與Kimi。乍看之下，這似乎印證了“token出?！钡恼f法，但事實(shí)并非如此。

對于那些表現(xiàn)突出的開源模型，全球云廠商往往采取“拿來主義”，第一時(shí)間將其部署到自身的云基礎(chǔ)設(shè)施上。這意味著，token的生產(chǎn)成本與服務(wù)收入，未必與模型的原始開發(fā)者直接相關(guān)，而更多取決于模型的開源協(xié)議與部署方的商業(yè)化能力。

以DeepSeek V-3.2 為例，在OpenRouter接入的服務(wù)提供商中，除了DeepSeek自身的API，還包括如DeepInfra在內(nèi)的一系列美國新興AI云廠商。這些廠商的算力資源主要位于美國，本地服務(wù)美國企業(yè)與開發(fā)者。因此，對應(yīng)的大量token消耗，也是在美國完成生產(chǎn)與消費(fèi)。

在年初“token出海”敘事最為熱鬧的階段，現(xiàn)實(shí)情況更接近于這一模式。所謂“token出?！?，在很大程度上只是開源模型驅(qū)動的“模型出海”，而token的生產(chǎn)與價(jià)值捕獲，仍然在美國市場內(nèi)部形成了閉環(huán)。

不過，情況正在發(fā)生變化。近期，OpenRouter上排名前二的模型，來自小米的 MiMo-V2-Pro，與阿里巴巴的 Qwen3.6 Plus（free），均未開源。以前者為例，其唯一的服務(wù)提供方即為小米本身，應(yīng)該算“token出?！薄?/p>

但問題仍然存在。以小米為例，其算力不僅部署在中國大陸（CN），也“出?！狈植加谛录悠拢⊿G）與荷蘭（NL）。因此，即便token由該公司提供，也難以簡單判定，token的生產(chǎn)就一定發(fā)生在中國本土，充分利用了中國的電力優(yōu)勢。對于像阿里巴巴這樣的全球云廠商而言，情況則更為復(fù)雜。

從這個(gè)角度看，“token出?！钡倪吔玳_始變得模糊。僅憑OpenRouter的公開數(shù)據(jù)，已難以精確衡量其中真正屬于“出?！钡南鄬σ?guī)模。而且，作為一個(gè)API聚合平臺，它還無法覆蓋海外企業(yè)直接調(diào)用中國廠商官方接口的情況，因此在一定程度上也可能低估“token出?！钡慕^對規(guī)模。

當(dāng)然，我們不妨期待，隨著token經(jīng)濟(jì)逐漸成為企業(yè)運(yùn)營與宏觀分析的重要指標(biāo)，其跨區(qū)域分布與收入歸屬，或?qū)⑾褙?cái)報(bào)中的地域收入一樣，被更細(xì)致地披露與統(tǒng)計(jì)。

截至目前，token的全球貿(mào)易仍然是相對自由的。MiniMax海外收入占比已超過70%，服務(wù)覆蓋100多個(gè)國家和地區(qū)的21.4萬家企業(yè)與開發(fā)者，說明token及其所承載的AI服務(wù)，已經(jīng)可以在全球范圍內(nèi)流動與變現(xiàn)。當(dāng)然，也有雜音，Anthropic就開始要求部分用戶通過護(hù)照等方式進(jìn)行身份驗(yàn)證。

從token經(jīng)濟(jì)的需求側(cè)看，歐美市場仍然是中國“token出?！钡闹饕康牡?。其擁有全球最大的企業(yè)軟件市場，同時(shí)白領(lǐng)勞動力成本長期高企，使得以AI替代人力的需求尤為強(qiáng)烈。

這一點(diǎn)也體現(xiàn)在OpenRouter的支出分布中：美國市場約占近50%，歐洲約占20%，構(gòu)成了token消費(fèi)的核心區(qū)域。在此背景下，海外開發(fā)者開始“熬夜搶購”智譜Coding Plan，也成為需求快速釋放的一個(gè)縮影。

而從token經(jīng)濟(jì)的供給側(cè)看，“一帶一路”及中國周邊地區(qū)，可能成為“token出?！钡臐撛诔薪訁^(qū)域。早在2024年，未盡研究在《AI改變能源：智算如何引領(lǐng)新型電力系統(tǒng)》中就提出，一些具備能源優(yōu)勢的地區(qū)，如新疆與云南，不僅可以向東部輸送綠電，或在本地布局算力基礎(chǔ)設(shè)施，還可以分別面向中亞、東南亞等地，建設(shè)智能碳的“一帶一路”。

在這一框架下，電力、算力與AI服務(wù)，逐漸形成一體化結(jié)構(gòu)。低碳、低成本的綠色能源，轉(zhuǎn)化為算力，再進(jìn)一步轉(zhuǎn)化為可被調(diào)用與計(jì)量的token。這構(gòu)成了一種潛在的區(qū)域性算力與AI服務(wù)輸出模式。

但是，“token出?！备袷且环N面向未來的長期布局，而非已經(jīng)成型的規(guī)模化服務(wù)貿(mào)易模式。短期內(nèi)，它確實(shí)可以在部分時(shí)延要求不高的小規(guī)模推理任務(wù)、開發(fā)者試用等場景中成立，但尚未形成穩(wěn)定的跨境交易與收入結(jié)構(gòu)。

一方面，盡管中國電力資源在存量與增量上都遠(yuǎn)超美國，但中國在算力硬件的供給上仍然遜于美國。按照EpochAI最新統(tǒng)計(jì)，如果按H100當(dāng)量計(jì)算，中國的算力規(guī)模僅相當(dāng)于甲骨文一家公司的水平，遠(yuǎn)不及谷歌、微軟、亞馬遜與Meta。

中國的AI應(yīng)用正在蓬勃發(fā)展，AI智能體與視頻生成激戰(zhàn)正酣，科技巨頭自己都不夠用。字節(jié)跳動的視頻生成，用戶排隊(duì)領(lǐng)號的時(shí)間越來越長；騰訊的策略則是“減少了對外出售，以保證自用算力充足”。

在這一背景下，部分中國模型在OpenRouter上的token調(diào)用量階段性沖高，更接近于一種以價(jià)格補(bǔ)貼驅(qū)動的市場拓展行為。無論是年初的MiniMax，還是近期的阿里巴巴Qwen，其“優(yōu)惠”甚至“免費(fèi)”的API策略，本質(zhì)上更類似于營銷獲客與生態(tài)培育成本，而非可持續(xù)的運(yùn)營成本。在一定程度上，這類投入放大了市場關(guān)注與估值預(yù)期，成為“token出?！睌⑹碌闹匾軛U，但尚不足以代表真實(shí)的供給能力。

另一方面，AI產(chǎn)業(yè)鏈的最優(yōu)配置，或許應(yīng)當(dāng)沿著成本最低的路徑集中：能源、算力與模型能力，在不同環(huán)節(jié)實(shí)現(xiàn)跨國最優(yōu)組合。

但現(xiàn)實(shí)并非如此。美國持續(xù)限制高端算力芯片與模型的出口，歐洲強(qiáng)化數(shù)據(jù)保護(hù)與本地存儲要求，就連東南亞與中東等新興市場，也開始強(qiáng)調(diào)“主權(quán)AI”。

在這一背景下，對中國而言，更可行的路徑并非“token出海”，而是“算力出?！迸c“模型出?！保涸诤Ｍ饨ㄔO(shè)數(shù)據(jù)中心，實(shí)現(xiàn)本地存儲與本地推理。同時(shí)，“算電協(xié)同”也意味著新能源與儲能體系的同步出海，本質(zhì)上仍是一種圍繞算力的本地化擴(kuò)展。

在更極端的情境下，中國“token出?！鄙踔量赡軐θ蚍?wù)外包格局產(chǎn)生沖擊。過去由印度等國家承接的客服與內(nèi)容服務(wù)，建立在低成本且具備語言與專業(yè)能力的人力之上；而在AI時(shí)代，這類服務(wù)正被快速抽象為按token計(jì)價(jià)的推理能力。

在這一意義上，這種轉(zhuǎn)變對傳統(tǒng)服務(wù)外包體系的沖擊，或許不亞于制造業(yè)自動化對低端制造業(yè)的替代，甚至可能在未來引發(fā)圍繞“token出海”的貿(mào)易摩擦與監(jiān)管壁壘。