當AI從租GPU走向賣Token，誰會賺到真正的錢？

出品 | 妙投APP

作者 | 張博

編輯 | 丁萍

頭圖 | AI生圖

過去兩年，AI產業最耀眼的主角是大模型，隨后市場的目光迅速轉向“算力”——誰有GPU、誰有機房、誰能更快把服務器架起來，似乎誰就站在了浪潮前排。

但任何產業往前走一步，底層邏輯都會變一層。

如果說訓練大模型更像“造發動機”，那么今天越來越重要的推理服務，更像是讓汽車真正跑上路。模型再強，如果不能被穩定、低成本、大規模地調用，就很難真正進入企業、進入場景、進入日常生活。

而推理本質上是一種持續性的算力消耗。用戶每一次提問、每一次生成內容，背后都會消耗Token。隨著AI應用規模越來越大，行業真正比拼的，也不再只是“有沒有GPU”，而是誰能更低成本、更穩定地生產和調度Token。

也正因為如此，AI算力服務正在發生一場重要變化：過去主流是“算力租賃”，說白了就是租GPU、租服務器；而現在，新的角色開始浮出水面——Token工廠與Token運營平臺。

這兩個詞聽起來新，但如果換成更通俗的話，其實不難理解。所謂Token工廠，就是專門“生產AI輸出能力”的工廠，它不只是把機器租給你，而是直接把模型跑起來，按實際輸出量收費。所謂Token運營平臺，則像AI時代的“模型中轉站”或“統一入口”，把不同模型、不同服務商整合起來，讓企業和開發者更方便地調用。

如果說過去賣的是“鏟子”，那么現在越來越多公司想賣的，是“挖出來的礦”；如果說過去比的是“誰有機器”，那么現在比的，是“誰能用同樣的機器，產出更多、更便宜、更穩定的智能服務”。

這背后，不只是新概念，而是AI產業分工開始深化的信號。更現實的問題是：從賣GPU到賣Token，AI推理服務到底是不是一門更好的生意？

AI算力服務為何要發生變化？

因為 “租算力”開始不夠用了。

任何新產業在早期，都會經歷一個“資源稀缺”的階段。AI也一樣。前兩年，大家最關心的是有沒有高端GPU，能不能拿到英偉達的卡，能不能盡快把集群搭起來。

于是，“算力租賃”成了一個很熱的生意：有資源的人把GPU服務器租出去，客戶按月、按年付費。這個模式在產業早期成立，因為當時最稀缺的是“資源本身”。

但隨著AI從訓練走向推理，這種模式的局限開始暴露。

首先，它更像“出租設備”，而不是“交付結果”。客戶租的是GPU，不是最終的AI能力。就像租了一臺機器，至于機器最后做出多少產品、賺了多少錢，和出租方關系不大。這意味著，哪怕下游AI應用突然爆發，算力租賃方也很難真正分享到增長紅利，收入通常是固定的，彈性有限。

其次，它容易陷入同質化競爭。如果大家做的都是“誰有卡、誰便宜、誰交付快”，那么這門生意最終很容易走向價格戰，利潤空間會被持續壓縮。

更重要的是，對大模型公司和互聯網大廠來說，自己扛著全部推理體系越來越重。今天的大模型服務，已經不是“把模型部署上去”這么簡單，它背后要解決的是機房、電力、散熱、網絡、存儲、調度、模型優化、延遲控制、穩定性保障、成本管理等一整套復雜問題。

對很多大廠來說，算力投入已經不只是技術問題，更是財務問題、組織問題，甚至是風險問題。資本開支太重，運營太復雜，合規要求又越來越高，企業自然會想：有沒有一種方式，可以既拿到推理能力，又不用自己事事親力親為？

這就像制造業發展到一定階段，品牌商會把部分生產環節外包給更專業的工廠。AI產業也正在出現類似的分工。于是，問題不再只是“有沒有算力”，而是誰能更高效、更穩定、更低成本地把模型能力轉化成Token，并持續交付給應用和客戶？

而這里真正的變化還不只是“服務外包”，更在于計價方式變了，收入邏輯也就變了。

Token工廠有何吸引力？

所謂Token工廠，本質上是一種新的推理服務模式。它有重資產底座——機房、服務器、集群、電力、網絡；但它不只是把這些硬件租出去，而是直接承接模型推理任務，生產Token，并按Token消耗收費，甚至和模型方按收入分成。

如果用制造業做類比，它有點像AI時代的“代工廠”；如果用能源行業做類比，它也有點像“煉油廠”——真正決定價值的，不只是有沒有原料，而是能不能高效率地加工出有價值的產出。

為什么這個模式更有吸引力？

因為它同時滿足了上下游兩端的需求。對上游模型廠商來說，可以把一部分推理產能外包出去，自己更專注于模型研發和應用生態；對下游客戶來說，不需要自己深度介入復雜的部署和調優，只要通過標準API調用，就能拿到穩定的AI服務。

對Token工廠自己來說，收入不再是固定租金，而是和下游調用量相關，如果AI應用越來越普及，Token消耗越來越多，它就有機會分享到更大的增長空間。

這也是為什么，一些公司披露的Token工廠業務毛利率，會顯著高于傳統算力租賃。傳統租賃更像資源生意，而Token工廠更接近“資源+工程優化+服務交付”的復合型生意。

當然，很多人第一反應會覺得，Token工廠的壁壘在于“卡多”。但真正往下看，未必如此。因為在推理時代，更關鍵的問題不是“有沒有卡”，而是在同樣的卡、同樣的電、同樣的機房條件下，誰能產出更多Token？

這背后拼的是一整套工程能力，比如模型壓縮和量化能力、推理引擎優化能力、模型與芯片的適配能力、并行調度和資源利用率、自動擴縮容和穩定性保障。全球市場上，推理優化團隊越來越受到重視，原因就在這里。因為它們做的事情，本質上是在降低單位Token成本。而誰能把成本做低，誰就更有可能在未來的競爭中活下來。

不過，從投資角度看，Token工廠真正需要回答的，已經不只是“有沒有效率優勢”，而是這種效率優勢能持續多久。

這是一個不能回避的問題。因為推理優化并不是某一家公司的專利，英偉達、模型廠商、開源社區都在快速推進相關工具和框架。今天靠工程優化拿到的領先，明天可能就會被更成熟的通用方案迅速縮小。換句話說，這種壁壘更像動態領先，而不是靜態護城河。

另一個值得警惕的地方，是客戶關系的雙重性。表面上看，綁定字節、阿里、騰訊這樣的頭部客戶當然是優勢；但反過來看，這些客戶本身也是最強的技術公司。

它們今天向外采購Token工廠服務，可能是因為當下需要補充波峰算力、優化組織效率、轉移部分資本開支；可一旦自身推理成本降得足夠低，或者內部體系更成熟，外部工廠還能拿到多大的長期價值，就需要重新評估。

所以，Token工廠確實是一種更先進的產業分工，但這并不意味著它天然就是一門高壁壘、高回報的生意。從投資上看，它更像“AI時代的重資產基礎設施”——收入看得見，訂單也可能看得見，但最后能不能沉淀為高回報，還要看產能利用率、折舊周期、持續再投資壓力，以及最關鍵的：它到底有沒有定價權。

如果上游模型廠商持續降價，下游客戶又越來越強勢，那么Token工廠即便能保持較高毛利率，也未必一定能創造足夠好的資本回報。這一點，遠比單純討論毛利率更值得重視。

Token運營平臺的價值在哪？

如果說Token工廠解決的是“生產問題”，那么Token運營平臺解決的就是“流通問題”。

今天的AI模型越來越多，不同模型有不同能力、不同價格、不同接口。對于開發者和企業來說，真正麻煩的往往不是“沒有模型可用”，而是“模型太多、接口太散、服務不夠穩定”。

于是，Token運營平臺的價值開始出現。它做的事情，可以用一句很通俗的話概括：把復雜的模型世界，變成一個更簡單、更好用的服務入口。

這類平臺真正的價值，不只是“聚合”，而在于三件事：降低接入門檻；提供穩定性保障；做智能路由，讓不同任務匹配不同模型，在效果和成本之間找到最優解。

所以，Token運營平臺并不只是“中間商”，它更像AI時代的“流量調度中心”。從商業模式看，這類平臺通常比較輕資產，收入主要來自在上游價格基礎上的服務溢價。它的長期價值，不在于賺多少差價，而在于能不能形成平臺效應和客戶粘性。

但這里同樣存在一個容易被忽略的問題：誰才是企業客戶真正的入口？

在很多B端場景里，企業本來就已經深度綁定某一家云廠商。它的賬戶體系、數據體系、運維體系、合規體系，往往都建立在云平臺之上。對于這類客戶來說，模型調用天然會優先選擇云廠商自己的MaaS平臺，而不是再額外引入一個獨立的Token運營商。

這意味著，獨立Token運營平臺想要成立，必須提供云廠商做不到、或者暫時做不好的獨特價值。比如更強的跨云調度能力、更極致的故障切換能力，或者在跨模型調用中形成真正的數據飛輪和使用粘性。否則，它很容易被云廠商的功能所吸收，最后只剩下一層很薄的通道價值。

所以，至少在現階段，Token運營平臺更像一個想象空間很大、但真正護城河還沒有完全跑出來的賽道。它有機會成為入口，但也很容易停留在工具層；它有機會做成平臺，但也可能最終只是云廠商功能的一部分。

這也是為什么，從投資角度看，Token運營平臺更適合被當作一種“期權型機會”來觀察，而不是輕易當作已經被驗證的核心基礎設施。

這場變化為什么仍然值得重視？

如果只把Token工廠和Token運營看成兩個新概念，意義并不大。真正值得重視的是，它們反映出AI產業正在發生三個深層變化。

第一，從“賣資源”走向“賣結果”。過去賣的是算力本身，未來賣的是模型輸出能力。這意味著產業競爭的核心，從資源占有，轉向效率和交付能力。

第二，從“大廠全包”走向“專業分工”。模型廠商不可能永遠把所有事情都自己做完。當產業成熟，專業化分工一定會出現。有人專注模型，有人專注Token生產，有人專注Token分發，這反而會提高整個產業的效率。

第三，從“概念驅動”走向“商業閉環驅動”。前幾年，很多AI故事講的是想象空間。但真正決定企業價值的，最終還是能不能形成可持續收入、可復制模式和可驗證利潤。

從這個意義上說，Token工廠和Token運營不是概念的延伸，而是商業化更進一步的體現。只是，站在投資視角看，還需要多補一句：新分工不等于新護城河，商業模式升級也不自動等于資本回報升級。

哪些方向更值得跟蹤？

如果保留一點投資研究視角，那么這個賽道值得看的，不只是“誰先提概念”，而是誰更接近真實落地。

一類是綁定頭部客戶的Token工廠。這類公司如果已經和互聯網大廠、模型廠商形成穩定合作，那么它們的業務確定性會更強。但真正更值得重視的，往往不是服務于最強自研模型體系的“補充性外采”，而是那些深度綁定了非自研模型、或者在長期合作中已經嵌入客戶核心流程的玩家。

一類是有垂直場景閉環的公司。比如在AI Coding、企業服務、智能營銷等領域，本身就有應用入口和客戶基礎的企業。如果它們把場景與推理服務結合起來，往往更容易形成持續的Token消耗和商業閉環。

還有一類是專注推理優化的技術型公司。這類公司不一定最顯眼，但如果能在特定芯片、特定模型、特定場景上把效率做到極致，未來可能擁有很強的議價能力。當然，這里同樣要警惕：技術優勢如果不能持續演進，就可能很快被開源生態追平。

最后，是具備平臺屬性的Token運營商。它們的關鍵看點，不是接入多少模型，而是能不能形成統一入口、穩定服務和智能調度能力。更重要的是，它們必須證明自己提供的是云廠商之外的增量價值，而不是一個遲早會被整合掉的中間層。

最后，越是新賽道，越要看清它真正的門檻。

Token工廠和Token運營的確代表了一種值得重視的新趨勢，但這并不意味著這條路會一帆風順。

最先擺在眼前的，還是算力本身的約束。AI推理服務說到底，仍然建立在高端芯片、穩定集群和持續供給之上。如果核心算力資源持續緊張，或者供應鏈再度收緊，那么很多看上去很美的擴張計劃，最后都可能慢下來。

與此同時，這個行業未來也很難避免價格競爭。模型越來越多，服務越來越豐富，價格下行幾乎是技術產業成熟過程中的常見現象。一旦價格不斷下探，企業比拼的就不再是誰講得更動聽，而是誰能把成本控制得更低、把效率做得更高。

還有一個不能忽視的變量，是技術進步本身。今天一些公司看起來領先，往往是因為它們在推理優化、模型部署和調度方面走在前面。但AI行業變化太快，很多領先優勢都可能在開源工具和通用框架快速演進后被縮短。所以，今天的壁壘，更像是階段性的領先，而不是一勞永逸的護城河。

比這些更需要小心的，是概念先行。每當一個新賽道受到關注，市場上總會出現一些“聽起來很像、實際上還差得很遠”的公司。做算力，不一定就能做好Token工廠；能聚合接口，也不等于就能成為真正的Token運營平臺。這中間隔著的，不只是技術，更是客戶、交付、調度、穩定性和長期運營能力。

如果再往投資層面多看一眼，還要補上兩個經常被忽略的問題：一個是資本回報。Token工廠看上去毛利率不低，但它本質上仍然是重資產、強投入的生意。高毛利并不必然等于高回報，真正需要看的，是長期ROIC、自由現金流，以及高折舊能否被持續增長覆蓋。另一個是定價權。如果上游模型廠商越來越強勢，下游客戶又越來越會壓價，那么夾在中間的Token工廠未必能長期吃到最厚的一層利潤。

所以，對這個新賽道最好的理解方式，不是急著判斷誰會成為明星，而是先分清：哪些公司是真正在做能力建設，哪些公司只是借概念講故事。因為真正能穿越周期的，從來不是最早喊口號的人，而是最早把能力做扎實的人。

而對投資者來說，也許還要再記住一句更冷靜的話：在這場“賣Token”的熱潮里，最終賺得最穩的，未必是Token工廠本身，也可能依然是那些賣HBM、光模塊和關鍵基礎設施的“鏟子商”。