| 信息分类 | 科技资讯 / 工业智能 |
| 信息来源 | 《财经》杂志（微信公众号） |
| 原文发布时间 | 2026-08-17 |
| 作者 | 《财经》主笔 吴俊宇、研究员 周源；编辑 谢丽容 |
| 本站采集时间 | 2026-08-18 |
| 原文链接 | 点击阅读原文 |
“工业时代，电力有一套成熟的计量和定价体系。AI时代，Token的’度量衡’还远未成形。”
《财经》杂志推出Token经济深度封面报道。2026年初，中美科技公司还在鼓励员工”Token冲量”；半年后，账单失控，排行榜消失，额度被砍。Token正在像工业时代的电力一样成为基础生产要素，但其成本、定价和价值衡量体系才刚刚开始建立。
一、核心数据总览
| 指标 | 数据 |
|---|---|
| 中国日均Token调用量（2026年3月） | 超过140万亿，较2024年初的1000亿增长1400倍 |
| IDC预测2026年中国Token调用增速 | 较2025年增长20倍 |
| 全球Token价差 | 最贵Claude Fable 5约1200元/亿Token vs 最便宜DeepSeek-V4-Flash不到7元，相差170倍 |
| 过去三年Token单价降幅 | 超过90%，但总支出指数级增长（杰文斯效应） |
| 中国头部科技公司单月Token消耗 | 普遍超过数十万亿，费用高达数亿元 |
| 单个研发工程师月Token成本 | 至少超过2万元 |
| OpenRouter中国模型占比（1-7月） | 902万亿Token中中国模型369万亿（41%） |
| 豆包日均Token使用（6月） | 180万亿 |
| 阿里云Token收入目标 | 2027财年末AI ARR 300亿元 |
| 火山引擎Token月收入（5月末） | 超过15亿元，2026年目标超150亿元 |
| 月之暗面ARR（6月） | 3亿美元，3个月增长约3倍 |
| 智谱ARR（7月） | 10亿美元，提前半年实现年初目标 |
二、谁决定了Token成本？
黄仁勋将AI产业分为能源、芯片、基础设施、模型、应用五块。芯片和算法在更大层面上决定Token成本。
| 因素 | 影响机制 | 关键数据 |
|---|---|---|
| 芯片 | 芯片越强，单位时间生产Token越多，单位成本越低 | B300单卡吞吐量是H200的5-28倍，单位成本仅H200的7%-37% |
| 模型迭代 | 更强模型通过架构创新和缓存优化降低实际使用成本 | DeepSeek-V4-Pro比R1低86%（17元 vs 124元/亿Token） |
| 推理优化 | 调度、缓存命中、量化蒸馏等软件优化 | 3个月内吞吐量提升超20%；缓存命中+1pct，万亿Token成本降17.1% |
| 能源 | 电力决定算力集群选址和规模，但权重有限 | 电力成本通常占GPU数据中心综合成本的10%或以下 |
| 出口管制 | 芯片溢价推高采购成本 | H200服务器从4月360万→8月超500万；B300从400-500万→8月1300-1500万 |
| GPU利用率 | 闲置芯片产出最贵Token | 部分地方智算中心利用率仅30%-40%；云厂商可维持50%以上 |
回本周期测算：H200服务器按360万/台购买、GPU利用率70%，回本周期约17.8个月；但按500万/台、利用率仅30%，回本周期长达65.6个月——芯片报废前都无法回本。
三、中国的Token真的便宜吗？
“中国Token更便宜”需要分三种场景讨论：
1. 企业API市场：中国确实更便宜
中国旗舰模型（Kimi K3、Qwen3.8 Max、GLM 5.2）价格仅为美国旗舰（GPT-5.6 Sol）的30%-60%；DeepSeek-V4-Flash不到美国中端模型的3%。阿里云、腾讯云、火山引擎对战略客户可五折销售，几乎贴着成本价。
2. 个人/开发者订阅：中国反而更贵
| 厂商/套餐 | 月费 | 1亿Token均价 |
|---|---|---|
| OpenAI ChatGPT/Codex | $200（约1440元） | 12.5元 |
| DeepSeek-V4-Flash | — | 6.2元 |
| DeepSeek-V4-Pro | — | 17.5元 |
| 智谱 | — | 25元 |
| 火山引擎 | — | 50元 |
| 月之暗面 | — | 95元 |
| 阿里云 | — | 101元 |
SemiAnalysis验证：$200/月的Codex套餐对应Token价值1.4万美元（按API价折算），Claude对应8000美元。实际使用成本不到列表价的2%。原因：OpenAI/Anthropic仍在大规模融资，短期无需盈利，靠投资人补贴吸引重度开发者。
3. 单个任务的综合成本：国产模型优势明显
《财经》通过OpenCode对20款模型进行60次测试（统计谷歌20个季度200个财务数据并生成Excel）：
| 模型 | 平均任务成本 | 准确率 |
|---|---|---|
| DeepSeek-V4-Flash | 0.25元 | 100% |
| DeepSeek-V4-Pro | 0.48元 | 100% |
| Kimi K3 | 2.89元 | 100% |
| 智谱GLM-5.3 | 3.76元 | 100% |
| Qwen 3.8-Max（正式版） | 6.21元 | 100% |
| GPT-5.6 Sol | 7.06元 | 100% |
| Claude Opus 5 | 9.38元 | 100% |
| GPT-5.5 | 10.16元 | — |
9款模型达到100%准确率（6款国产、3款海外）。但复杂代码任务中，便宜模型反复试错反而消耗更多Token，存在”不可能三角”：最快、最准的通常不便宜；便宜的往往更慢。
四、企业Token管理：从”无限弹药”到精细核算
2026年2月”Token冲量”流行时，有高管号召企业内每人每天消耗10亿Token。三个月后回归理性。
| 企业 | Token管理变化 |
|---|---|
| 腾讯 | 非研发部门年初月额度1500-8000元，6月后普遍砍掉60%以上 |
| 小米 | 从不限额度使用MiMo变为设置个人月上限500元 |
| 金山办公 | 6000名员工6月消耗4万亿Token，月成本数百万元；CEO章庆元推动全员转型全栈工程师 |
| 美的 | 由财务/HR/业务/IT共同制定AI投入产出评估体系，可算清每一个Token的投入产出比 |
| 腾讯组织变化 | 产品团队从大团队协作转向”三五成群”小编队，每人身兼多职；中层管理者被要求进入业务一线 |
Token正在成为人力成本的一部分。10万人规模企业按每人每月1000美元Token额度计算，月成本超过1亿美元。企业计算人力成本时，除了工资、社保、奖金，新增了Token支出。愿意承担的前提是：Token能换来更高人均产出。
典型案例：
- 腾讯WorkBuddy最初由技术产品专家汪晟杰一个晚上写完原型，后成为公司级AI办公产品
- 《财经》一位无编程基础的研究员，用Codex业余时间搭建包含254个文件、61289行代码的研究工作流——2023年前同等系统需三五人数月
五、Token商业化：让每一个Token产生收入
GPU服务器存在机会成本：一台八卡B300可同时支撑520个聊天用户、70个办公用户或17个代码/智能体用户。算力分配直接决定商业回报。
| 公司 | Token商业化动态 |
|---|---|
| 阿里云 | 启动”515战役”（日均Token收入增5倍）和”830战役”（再增10倍）；2027财年末AI ARR目标300亿元；Token已成独立收入指标 |
| 火山引擎 | 5月月Token收入超15亿元，2026年目标超150亿元且多次上调 |
| 字节豆包 | 超1亿DAU，6月推出付费订阅（68/200/500元/月），从免费转向收费 |
| 阿里千问 | 1月发30亿元补贴，下半年转向收费并推出千问办公智能体 |
| 月之暗面 | ARR达3亿美元（3个月增3倍）；Kimi K3发布后因算力紧张暂停C端新用户订阅 |
| 智谱 | ARR达10亿美元，提前半年达标；7月Token套餐涨价超130% |
| AI硬件 | 深圳AI玩具：不到20元Token买断授权+芯片/模组/喇叭，让百元玩具开口对话。Token进入物料成本表（BOM） |
六、中美两种逻辑，两套账本
| 中国 | 美国 |
|---|---|
| 勤俭持家：用更少资本支出尽快实现商业正循环 | 烧钱试错：用大量免费Token补贴开发者，在浪费中探索可能性 |
| 2025年7家巨头资本支出约6586亿元，2026年约6836亿元（+4%） | 2025年5家巨头资本支出4500亿美元（约3.1万亿元），2026年7600亿美元（约5.2万亿元，+69%） |
| 美国资本开支是中国的4.7倍（2025年） | 千亿美元融资支撑OpenAI/Anthropic烧钱 |
| 低价API争夺企业调用量，尽快正向现金流 | 低价订阅争夺消费者和开发者，Codex周活500万→1500万 |
| 算法创新弥补算力不足（GLM-5.2以7440亿参数跑出万亿效果；Kimi K3注意力机制创新） | 冗余算力扩大探索空间 |
| 算力供不应求预计持续到2027下半年 | OpenAI 2025年营收130.7亿美元，营业亏损209.2亿美元（每赚1美元亏1.6美元） |
浪潮信息董事长彭震认为：”创新是在资源有限的环境下诞生的。缺算力，也许会让中国的技术创新走出一条完全不同的路。”
七、未来变量
- 供给端：如果华为昇腾等国产芯片持续迭代、性能逼近国际领先水平，中国科技公司是否会开启新一轮价格补贴？
- 需求端：如果美国资本市场对模型公司长期亏损的容忍度触及上限，OpenAI/Anthropic被迫加速盈利，烧钱换规模的打法能否持续？
- 价值端：滴普科技创始人赵杰辉指出，AI产业化归根到底要回答一道经济学题——每一个Token创造的生产力价值，能否大于它所消耗的算力、人力、运营成本？
- 政策端：中国政策部门正在密集调研，希望就Token的质量、成本、定价建立评价体系。Token最终会像电一样，被计量、交易、管理。
工业时代，电和煤的度量衡花了几十年才成形。AI时代，Token这个度量衡的完善才刚刚开始。
来源：《财经》杂志，主笔吴俊宇、研究员周源，编辑谢丽容。本文为公开信息梳理，不构成投资建议。