AI从租GPU到卖Token，谁将真正盈利？

过去两年，AI产业最耀眼的明星无疑是大模型。然而，市场的焦点正快速转向“算力”——谁拥有GPU、谁有机房、谁能更快部署服务器，似乎谁就占据了竞争的先机。

然而，任何产业向前发展，底层的游戏规则都会随之演变。

一个形象的比喻是：如果说训练大模型如同“制造发动机”，那么如今日益重要的推理服务，就是让汽车真正跑起来。模型再强大，若无法被稳定、低成本、大规模地调用，就难以真正进入企业、融入场景、走进日常生活。

推理本质上是一种持续性的算力消耗。用户的每次提问、每次内容生成，背后都在消耗Token。随着AI应用规模呈指数级增长，行业竞争的核心早已不再是“有没有GPU”，而是谁能以更低的成本、更稳定的方式生产和调度这些Token。

正因如此，AI算力服务正经历一场静默但关键的转型：过去的主流是“算力租赁”，即出租GPU和服务器；而现在，新的角色开始浮现——Token工厂与Token运营平台。

这两个概念听起来新颖，但换种说法便易于理解。所谓Token工厂，是专门“生产AI输出能力”的工厂，它不仅出租机器，更直接运行模型，按实际输出量（Token）收费。而Token运营平台，则像AI时代的“模型中转站”或“统一入口”，整合不同模型与服务商，让企业和开发者能更便捷地调用。

简而言之，过去售卖的是“铲子”，现在越来越多的公司希望售卖“挖出的矿”；过去比拼的是“谁有机器”，现在比拼的是“谁能用同样的机器，产出更多、更便宜、更稳定的智能服务”。

这背后不只是一个新概念，更是AI产业分工深化的明确信号。一个现实问题也随之而来：从售卖GPU到售卖Token，AI推理服务究竟是不是一门更好的生意？

AI算力服务为何发生转变？

根本原因在于，“租赁算力”的模式已逐渐难以满足需求。

任何新兴产业在早期都会经历“资源稀缺”阶段，AI领域也不例外。前两年，业界最关心的是能否获得高端GPU、能否拿到英伟达芯片、能否快速搭建计算集群。

于是，“算力租赁”成为热门生意：资源持有者出租GPU服务器，客户按月或按年付费。这一模式在产业早期是成立的，因为当时最稀缺的正是“资源本身”。

但随着AI从训练走向大规模推理，该模式的局限性日益凸显。

首先，它更接近“出租设备”，而非“交付结果”。客户租赁的是GPU，而非最终的AI能力。如同租用一台机器，机器最终产出多少产品、创造多少价值，与出租方关系不大。这意味着，即使下游AI应用爆发式增长，算力租赁方也难以分享增长红利，收入通常固定且弹性有限。

其次，它容易陷入同质化竞争。如果各家比拼的都是“谁有卡、谁便宜、谁交付快”，那么这门生意最终很可能走向价格战，利润空间将持续被压缩。

更重要的是，对于大模型公司和互联网大厂而言，独自承担全部推理体系的负担越来越重。如今的大模型服务，早已不是“简单部署模型”即可，背后涉及机房、电力、散热、网络、存储、调度、模型优化、延迟控制、稳定性保障、成本管理等一整套复杂体系。

对许多大厂来说，算力投入已不仅是技术问题，更是财务、组织乃至风险问题。资本开支沉重、运营复杂、合规要求日益提高，企业自然会思考：是否存在一种方式，既能获得强大的推理能力，又无需事必躬亲？

这类似于制造业发展到一定阶段，品牌商会将部分生产环节外包给更专业的工厂。AI产业也正在出现类似分工。因此，核心问题不再只是“有没有算力”，而是谁能更高效、更稳定、更低成本地将模型能力转化为Token，并持续交付给应用和客户？

真正的变化不仅在于“服务外包”，更在于计价方式的改变，收入的底层逻辑也随之转变。

Token工厂的吸引力何在？

所谓Token工厂，本质上是一种新的推理服务模式。它拥有重资产底座——机房、服务器、集群、电力、网络；但它不止于出租硬件，而是直接承接模型推理任务，生产Token，并按Token消耗收费，甚至与模型方进行收入分成。

以制造业类比，它类似于AI时代的“代工厂”；以能源行业类比，则有点像“炼油厂”——真正决定价值的，不仅是拥有原料，更是能否高效加工出有价值的产出。

为何这一模式更具吸引力？

因为它同时满足了上下游的需求。对上游模型厂商而言，可将部分推理产能外包，从而更专注于模型研发与应用生态；对下游客户而言，无需深度介入复杂的部署与调优，通过标准API调用即可获得稳定的AI服务。

对Token工厂自身来说，收入不再是固定租金，而是与下游调用量直接挂钩。如果AI应用日益普及，Token消耗持续增长，它便有机会分享更大的增长空间。

这也是一些公司披露的Token工厂业务毛利率显著高于传统算力租赁的原因。传统租赁更接近资源生意，而Token工厂则更像是“资源+工程优化+服务交付”的复合型生意。

当然，许多人第一反应会认为Token工厂的壁垒在于“卡多”。但深入分析后会发现，在推理时代，更关键的问题并非“有没有卡”，而是在相同的卡、电力与机房条件下，谁能产出更多Token？

这背后比拼的是一整套工程能力，包括模型压缩与量化、推理引擎优化、模型与芯片适配、并行调度与资源利用率、自动扩缩容与稳定性保障等。全球市场上，推理优化团队日益受到重视，原因正在于此。因为它们所做的工作，本质上是降低单位Token的成本。谁能将成本做得更低，谁就更有可能在未来的竞争中存活。

然而，从投资视角看，Token工厂真正需要回答的已不仅是“有无效率优势”，而是这种优势能持续多久。

这是一个无法回避的问题。因为推理优化并非某家公司的专利，英伟达、模型厂商、开源社区都在快速推进相关工具与框架。今日依靠工程优化取得的领先，明日可能被更成熟的通用方案迅速追平。换言之，这种壁垒更像是动态领先，而非静态护城河。

另一个值得警惕的方面是客户关系的双重性。表面上看，绑定字节、阿里、腾讯等头部客户无疑是优势；但反过来看，这些客户本身也是技术实力最强的公司。

它们当前向外采购Token工厂服务，可能是为了补充峰值算力、优化组织效率、转移部分资本开支；可一旦自身推理成本降至足够低，或内部体系更加成熟，外部工厂还能获得多大的长期价值，便需要重新评估。

因此，Token工厂确实代表了更先进的产业分工，但这并不意味着它天然就是一门高壁垒、高回报的生意。从投资角度看，它更接近“AI时代的重资产基础设施”——收入可见，订单也可能可见，但最终能否沉淀为高回报，还需考量产能利用率、折旧周期、持续再投资压力，以及最关键的一点：是否拥有定价权。

如果上游模型厂商持续降价，下游客户议价能力不断增强，那么Token工厂即便能维持较高毛利率，也未必能创造足够优异的资本回报。这一点，远比单纯讨论毛利率更为重要。

Token运营平台的价值何在？

如果说Token工厂解决的是“生产问题”，那么Token运营平台解决的便是“流通问题”。

如今的AI模型越来越多，不同模型具备不同能力、不同价格、不同接口。对开发者和企业而言，真正的麻烦往往不是“没有模型可用”，而是“模型太多、接口太散、服务不够稳定”。

于是，Token运营平台的价值开始显现。它所做的，可以用一句通俗的话概括：将复杂的模型世界，变成一个更简单、更易用的服务入口。

这类平台的真正价值，不仅在于“聚合”，更在于三件事：降低接入门槛；提供稳定性保障；进行智能路由，让不同任务匹配最合适的模型，在效果与成本间找到最优解。

因此，Token运营平台不仅是“中间商”，它更类似于AI时代的“流量调度中心”。从商业模式看，这类平台通常资产较轻，收入主要来源于在上游价格基础上的服务溢价。其长期价值不在于赚取差价，而在于能否形成平台效应与客户粘性。

但这里同样存在一个容易被忽视的问题：谁才是企业客户真正的入口？

在许多B端场景中，企业早已深度绑定某一家云厂商。其账户体系、数据体系、运维体系、合规体系，往往都构建在云平台之上。对于这类客户，模型调用天然会优先选择云厂商自身的MaaS平台，而非额外引入独立的Token运营商。

这意味着，独立的Token运营平台若要立足，必须提供云厂商无法提供或暂时做不好的独特价值。例如更强的跨云调度能力、更极致的故障切换能力，或在跨模型调用中形成真正的数据飞轮与使用粘性。否则，它很容易被云厂商的功能吸收，最终仅剩一层薄弱的通道价值。

因此，至少在现阶段，Token运营平台更像是一个想象空间很大、但真正护城河尚未完全形成的赛道。它有机会成为入口，但也可能止步于工具层；它有望发展为平台，但也可能最终仅是云厂商功能的一部分。

这也是为什么，从投资视角看，Token运营平台更适合被视为一种“期权型机会”来观察，而非轻易认定为已被验证的核心基础设施。

为何这场转变仍值得重视？

若仅将Token工厂和Token运营视为两个新概念，意义有限。真正值得重视的是，它们反映了AI产业正在发生的三个深层变化。

第一，从“售卖资源”转向“售卖结果”。过去售卖的是算力本身，未来售卖的是模型输出能力。这意味着产业竞争的核心，从资源占有转向效率与交付能力。

第二，从“大厂全包”转向“专业分工”。模型厂商不可能永远包揽所有环节。当产业成熟，专业化分工必然出现。有人专注模型，有人专注Token生产，有人专注Token分发，这将提升整个产业的效率。

第三，从“概念驱动”转向“商业闭环驱动”。前几年，许多AI故事讲述的是想象空间。但最终决定企业价值的，仍是能否形成可持续收入、可复制模式与可验证利润。

从这个意义上说，Token工厂和Token运营不是概念的延伸，而是商业化更进一步的体现。只是，站在投资视角，还需补充一点：新分工不等于新护城河，商业模式升级也不自动等同于资本回报升级。

哪些方向更值得关注？

如果保留投资研究视角，那么这个赛道值得关注的，不仅是“谁先提出概念”，更是谁更接近真实落地。

一类是绑定头部客户的Token工厂。若已与互联网大厂、模型厂商形成稳定合作，其业务确定性会更强。但真正更值得重视的，往往不是服务于最强自研模型体系的“补充性外采”，而是那些深度绑定了非自研模型、或在长期合作中已嵌入客户核心流程的玩家。

一类是拥有垂直场景闭环的公司。例如在AI编程、企业服务、智能营销等领域，本身已具备应用入口和客户基础的企业。若能将场景与推理服务结合，往往更容易形成持续的Token消耗与商业闭环。

还有一类是专注推理优化的技术型公司。这类公司不一定最显眼，但若能在特定芯片、特定模型、特定场景上将效率做到极致，未来可能拥有很强的议价能力。当然，同样需警惕：技术优势若不能持续演进，便可能很快被开源生态追平。

最后，是具备平台属性的Token运营商。其关键看点不是接入了多少模型，而是能否形成统一入口、稳定服务与智能调度能力。更重要的是，它们必须证明自己提供的是云厂商之外的增量价值，而非一个迟早会被整合的中间层。

新赛道的真正门槛是什么？

Token工厂和Token运营的确代表了一种值得重视的新趋势，但这并不意味着前路一帆风顺。

首先面临的仍是算力本身的约束。AI推理服务终究建立在高端芯片、稳定集群与持续供给之上。若核心算力资源持续紧张，或供应链再度收紧，许多看似美好的扩张计划都可能放缓。

与此同时，行业未来也难以避免价格竞争。模型越来越多，服务越来越丰富，价格下行几乎是技术产业成熟过程中的常见现象。一旦价格不断下探，企业比拼的将不再是故事讲得是否动听，而是谁能将成本控制得更低、将效率做得更高。

另一个不可忽视的变量是技术进步本身。当前一些公司看似领先，往往是因为它们在推理优化、模型部署与调度方面走在前面。但AI行业变化极快，许多领先优势可能在开源工具与通用框架快速演进后被缩短。因此，当前的壁垒更像是阶段性的领先，而非一劳永逸的护城河。

比这些更需警惕的是概念先行。每当新赛道受到关注，市场上总会出现一些“听起来很像、实际相差甚远”的公司。从事算力，不一定就能做好Token工厂；能聚合接口，也不等于就能成为真正的Token运营平台。这中间隔着的不仅是技术，更是客户、交付、调度、稳定性与长期运营能力。

若再从投资层面审视，还需补充两个常被忽略的问题：一是资本回报。Token工厂看似毛利率不低，但其本质仍是重资产、强投入的生意。高毛利并不必然等于高回报，真正需要关注的是长期ROIC、自由现金流，以及高折旧能否被持续增长所覆盖。二是定价权。如果上游模型厂商越来越强势，下游客户议价能力越来越强，那么夹在中间的Token工厂未必能长期享有最丰厚的利润。

因此，理解这个新赛道的最佳方式，不是急于判断谁将成为明星，而是先分清：哪些公司在真正构建能力，哪些公司只是在借概念讲故事。因为真正能穿越周期的，从来不是最早喊口号的人，而是最早将能力做实的人。

对投资者而言，或许还需记住一句更为冷静的话：在这场“售卖Token”的热潮中，最终赚得最稳的，未必是Token工厂本身，也可能依然是那些售卖HBM、光模块和关键基础设施的“铲子商”。