arno
c0ba3fb853
- 46 篇原文+摘要双文件归档（按 来源/作者 分层，复用本地归档 20 篇+新抓取 26 篇） - 即梦生成 9 组主题配图（大图+列表缩略图）存入 知识/金鹏/20260806/ - 章节重组为 9 个主题分组并挂接摘要引用
65 lines
12 KiB
Markdown
65 lines
12 KiB
Markdown
# [中邮证券]：底座算力跃迁到token工厂的新机会
|
||
|
||
> **来源**：中邮证券
|
||
> **作者**：孙业亮、刘聪颖
|
||
> **发布日期**：2026-06-16
|
||
> **原文链接**：https://www.fxbaogao.com/detail/5481471
|
||
|
||
---
|
||
|
||
行业投资评级：强于大市 | 维持
|
||
|
||
孙业亮 / 刘聪颖，中邮证券研究所计算机团队
|
||
|
||
发布时间：2026-06-16
|
||
|
||
## 投资要点
|
||
|
||
- **算力需求爆发式增长，全球竞争日益激烈**：随着人工智能、大数据、工业互联网等数字化技术规模化应用，全球算力需求高速增长；据中国信通院数据，截至2024年底，全球通算规模达628EFlops，同比增加14.0%，智算规模达5693EFlops，同比增加64.7%；据IDC预测，2025年全球人工智能服务器市场规模为1587亿美元，2028年有望达到2227亿美元。
|
||
- **Token经济正在开展一场智能定价革命**：根据全球最大AI模型API聚合平台OpenRouter最新数据显示，3月16日至22日，全球AI大模型总Token调用量为20.4万亿，仅中国就达7.359万亿，占全球的36%，Token是其关键的主角之一。与传统算力租赁模式不同，"Token工厂"交付的不是算力时间，而是经深度优化后产出的智能单位Token，这不仅是技术升级，更是商业模式与价值分配的重构。
|
||
- **投资建议**：建议关注1）AI基础设施：海光信息、寒武纪、中科曙光、浪潮信息、禾盛新材、协创数据等；2）AIDC厂商：润泽科技、东阳光、光环新网、数据港、奥飞数据、大位科技、豫能控股、世纪互联等；3）算力租赁厂商：宏景科技、润建股份、东方国信、首都在线等；4）运营商与云计算：中国电信、中国移动、中国联通、网宿科技、彩讯股份、优刻得等。
|
||
- **风险提示**：行业竞争加剧风险；下游应用需求不及预期风险；Token价格大幅波动风险等。
|
||
|
||
## 大模型驱动算力需求指数级增长
|
||
|
||
**AI高速发展推动各行业数智化转型，全球算力需求高速增长。** 大模型正呈现由训练主导向训练与推理并重，由中心集聚向分布协同演进，训练与推理环节对算力双重刚需，显著推动智能算力基础设施踏上快速发展轨道；此外，用户对智能算力服务的诉求也由获取底层资源转向获取任务能力、结果交付与普惠化服务。据中国信通院数据，截至2024年底，全球通算规模达628 EFlops，同比增加14.0%；智算规模达5693 EFlops，同比增加64.7%。
|
||
|
||
**智能体带来AI应用革命，算力需求的重点正从训练侧逐步转向推理侧。** 智能体需要持续感知环境、反复调用工具、不断生成结果，并与用户进行多轮交互，以Open Claw为代表的各类智能体应用加速涌现，推动AI产业迈向"应用落地"与"规模化服务"新阶段。据IDC数据，中国企业活跃智能体数量将在2031年突破3.5亿规模，年复合增长率达到135%以上，这一增速将领先全球主要市场；同时，由于智能体任务执行密度的增长和任务复杂度的提升，也将带来智能体Token消耗年均超30倍的指数级跃升。（资料来源：IDC咨询公众号，中邮证券研究所）
|
||
|
||
**政策层面已明确路线图与时间表：** 国务院印发的《关于深入实施人工智能+行动的意见》提出，到2027年新一代智能终端、智能体等应用普及率超过70%，人工智能在公共治理中的作用明显增强，到2030年提升至90%以上；工信部等八部门联合印发的《"人工智能+制造"专项行动实施意见》，明确到2027年将推动3-5个通用大模型在制造业深度应用，培育1000个高水平工业智能体，打造100个工业领域高质量数据集，推广500个典型应用场景，培育2-3家具有全球影响力的生态主导型企业和一批专精特新中小企业；地方政府同步跟进部署，面向制造业、金融、政务、医疗等重点领域，加快智能体产业布局。（资料来源：工信部官网，中邮证券研究所）
|
||
|
||
**海外AI资本开支快速增长：** 微软、谷歌等美国科技巨头纷纷加大资本开支，特别是在GPU采购、数据中心、电力上的投入，大模型训练成本极高，导致只有头部云服务商和AI公司能负担，早期积累的模型质量、用户数据和算力规模会形成"马太效应"，谁在大模型和应用生态中占领先机，就会获得巨大战略优势。
|
||
|
||
**中国正快速实现追赶：** 腾讯表示，今年下半年AI相关的资本支出会进一步增加；阿里表示，未来AI基建相关投入资金会远远超过3800亿；字节计划2026年资本支出将超过2000亿元人民币，较此前的初步计划增加了25%。
|
||
|
||
**Token消耗快速增长：** Token（词元）是连接技术供给与商业需求的"结算单位"，到2026年3月，我国日均Token调用量已超过140万亿，较2024年初增长了1000多倍，标志着AI发展已进入以推理和应用为核心的快速增长阶段；智能时代Token成为核心生产要素，伴随着智能体应用爆发，其需求呈指数级增长，预计2030年中国日均消耗Token量将达万万亿级，AI基础设施变得愈加重要。据IDC预测，2026年中国MaaS市场的Token消耗量将达到约4万万亿次，营收规模约186亿元，2024-2030年的年复合增长率约为1154.9%。
|
||
|
||
## Token工厂重构算力商业模式
|
||
|
||
**"Token工厂"重塑价值产出：** 作为大模型处理信息的最小单元，Token具备可计量、可定价、可交易的特性，既是AI服务的基本结算单元，也正成为数字经济的核心"能源"，"Token工厂"是高效连接起算力、模型与应用的枢纽；与传统算力租赁模式不同，"Token工厂"交付的不是算力时间，而是经深度优化后产出的智能单位Token，这不仅是技术升级，更是商业模式与价值分配的重构。未来智算中心竞争不只是芯片之争，更是软件、网络、能源、运营和生态的综合竞争。Token工厂正在把数据中心从基础设施行业推向制造业，而制造业的核心从来不是规模，而是效率。
|
||
|
||
**Token的经济成本可拆解为资本性开支和运营性开支两部分：** 训练阶段以CAPEX主导，是一次性的重资本密集投入；推理阶段以OPEX主导，是随Token规模扩张的持续性边际成本。
|
||
|
||
- **训练阶段CAPEX主导固定成本：** 训练一个千亿参数级别的通用大模型，全流程需驱动数万张高端GPU连续运转数月，总成本约1-5亿美元；成本结构中，硬件折旧与高端研发人力薪酬合计占比超95%，电力消耗不足5%；单位Token摊销额随Token总产出增加而持续递减，构成Token规模经济的根本来源。
|
||
- **推理阶段OPEX主导边际成本：** AI大模型一旦部署，每产生新Token，都需消耗固定的算力与电力，形成与Token调用量高度正相关的可变成本，其中电力成本通常占到OPEX总额的60%-70%，是最大单项开支，电力作为Token推理阶段主体边际成本的地位凸显。
|
||
|
||
**Token的定价锚逐渐从GPU→能源→人才方向转移：** Token的生产成本由芯片、电力、数据与人才四大要素构成，在不同阶段，决定Token价格底线的关键要素并不相同，定价权会沿着技术演进的节奏在四大要素之间逐步让渡。
|
||
|
||
- **当前阶段芯片是主锚：** 高端GPU供不应求，芯片的可获取性直接决定了Token的供给量与价格；
|
||
- **中期来看电力将成为硬性约束：** 电力受物理定律限制，随着AI数据中心能耗激增，能源成本将成为不可压缩的底线；
|
||
- **长期来看人才与知识密度将主导定价：** 大模型能力越强、在高端场景中为用户带来的边际收益越高，Token的溢价空间就越大。
|
||
|
||
**海外三巨头OpenAI、Google、Anthropic均采用"输入/输出双轨Token计费"，核心依靠产品分层与生态协同盈利。**
|
||
|
||
- **OpenAI用分层价格锁定全层级客户，依靠生态壁垒竞争：** GPT系列采用阶梯化价值定价，高端推理模型保持高溢价，轻量微型模型小幅让利吸引开发者；其中，旗舰GPT-5.5每百万输入Token 5美元、输出30美元，面向企业复杂智能体、长周期推理任务，赚取核心利润；GPT-4o mini轻量化模型大幅下放价格，用于吸纳C端应用、小型开发者，构建全球最大开发者生态；收入结构不单一依赖Token计费，还叠加ChatGPT订阅、企业席位、智能体会话时长、文件存储等增值服务。
|
||
- **Google进行云生态捆绑，将Token作为GCP的导流工具：** Google不单独售卖大模型API，而是将Gemini全套Token能力与GoogleCloud深度打包，Token定价拥有全行业最宽价格区间，从Flash-Lite超低价版本到3.1 Pro高端模型全覆盖；低价轻量模型补贴云业务，高端推理算力绑定政企云订单，依托搜索增强、多模态原生能力，把Token消耗转化为云存储、算力集群、容器服务增值收入；Token是云计算的增值配套，AI业务目标是拉动GCP整体市占提升。
|
||
- **Anthropic坚持品质定价：** 依靠超长上下文、企业级数据安全、合规能力建立品牌溢价；其中，主力Sonnet 4.6每百万输入3美元、输出15美元，旗舰Opus 4.6则定价翻倍，瞄准金融、法律、政务高敏感企业客户，不比拼调用总量，只为对数据安全、推理精度有刚性需求的企业提供服务，天然避开同质化低价竞争；此外还推出智能体会话按时长计费、分层缓存定价，跳出单纯按Token收费的单一模式。
|
||
|
||
**随着MaaS与Token成为行业共识，头部厂商悉数重兵入场，竞争焦点也从规模化消耗Token，转向高质量、高效率、高价值消耗Token。**
|
||
|
||
- **阿里Token Foundry：** 今年3月阿里已推出Alibaba Token Hub事业群，搭建"创造-分发-应用"词元基础框架；时隔三月升级为Token Foundry事业部，定位完成全面跃迁，不再单纯标准化输出通用词元，而是根据电商、零售、本地生活、企业办公等不同场景，定制推理链路、优化词元结构、搭建专属Agent词元工作流；同样一组词元，在通用对话仅产生流量，在阿里本地生活智能体可完成商家运营、订单调度、用户服务全流程，直接带来营收增量，以此重构词元定价逻辑，对冲行业低价内卷带来的毛利压力。
|
||
- **字节：** 一方面，Seed团队持续攻坚技术极限，打造视频生成、图像创作、代码编程、文本理解等全领域SOTA标杆模型，不断刷新模型能力上限；另一方面，火山引擎也将技术能力加速工具化、产品化，高效推向市场；Token价格必须与模型能力、产出价值绑定，即使单Token理论成本可能更高，但创造的经济价值要同步提升，要提升Token能力，并确保定价优势。
|
||
- **华为数字能源Token Factory：** 与阿里聚焦上层模型、场景应用的Token Foundry形成鲜明对照，华为数字能源从AIDC算力基础设施维度，定义产业底层的Token Factory；传统数据中心是存储数据的电子仓库，而新一代智算中心是工业化量产词元的专属工厂，电力作为生产原料，昇腾算力集群、液冷供电、储能系统作为生产设备，持续稳定输出标准化、可计量的推理词元；华为Token Factory不绑定单一厂商大模型，是中立的算力基础设施底座，无论阿里Token Foundry、华为云盘古大模型，还是第三方企业MaaS平台，均可接入华为AIDC词元工厂获取规模化算力供给。
|
||
- **腾讯：** 将原隶属于腾讯云的MaaS大模型服务平台升级为"TokenHub"，升级后的TokenHub支持通过API调用混元、DeepSeek、MiniMax等主流大模型，并提供Token Plan统一计费。
|
||
- **五象云谷词元（Token）工厂：** 基础层，五象云谷智算中心总算力规划40000P，为Token生产提供坚实的算力底座；平台层，算力调度+模型优化+算法加速，三重技术协同发力，通过异构算卡细粒度虚拟化、队列抢占机制与自研算法加速引擎，大幅提升Token吞吐量，将单位生产成本极致压榨，降低Token单位成本；服务层，Token管理平台集成API接口（注：原文此页内容到此截断）。
|