中国AI日均500万亿词元:调用量年增4倍,生意逻辑变了?
过去两年,AI行业谈论最多的,是模型参数、榜单排名和训练能力。但随着大模型逐步进入企业业务,行业真正关心的问题正在变化:模型能不能被持续调用,算力能不能稳定交付,以及每一次调用能否带来合理回报。数据显示,截至2026年7月,中国日均词元(Token)调用量已超过500万亿,较去年底的100万亿增长了约4倍。今年“双十.
模型参数、榜单排名、训练能力,这些是过去两年AI行业聊得最多的话题。可大模型一步步走进企业业务之后,真正被追问的东西变了:模型能不能被持续调用,算力能不能稳定交付,每一次调用又能不能换来合理回报。
数字能说明问题。截至2026年7月,中国日均词元(Token)调用量已超过500万亿,相比去年底的100万亿,增长约4倍。今年“双十一”,电商平台开出词元专区,国产大模型算力套餐集中上架,一周左右卖出约20万亿词元。高盛预计,
在范式智能企业级社区总经理刘玺炜看来,词元正变成AI世界里的“新石油”。随着
算力没变,生意变了
词元消耗为什么涨得这么快?AI的用法变了是其中一个关键原因。传统大模型问答一般只走一轮推理;Agent则要先理解上下文、拆解任务、调用工具、访问外部系统,再校验结果、更新状态。一项任务常常需要多轮调用,词元消耗自然水涨船高。当Agent以7×24小时的方式跑在企业业务流程里,词元消耗就不再是一次性请求,而成了持续发生的需求。
供给端很难跟着一起扩张。芯片、电力、机柜、网络建设都要时间,算力短期内没法无限增加。摩根士丹利测算,2026年至2030年,中国AI资本开支累计有望达到约8.5万亿元,IT算力规模将从26GW提升至81GW。可算力规模变大,不代表每张卡都能把能力用足。
于是,行业盯着的重点从“有没有卡”转到了“一张卡到底能产出多少可交付的词元”。
摩根士丹利在研报里提到,算力采购的决策逻辑正从追求峰值性能转向看实际部署的经济性,重点考察
三类玩家,三条路
行业在变,市场上的参与者大体可以分成三类。
云厂商手里有算力这类重资产,也握着客户入口,能靠规模采购压低单卡成本。问题是,通用算力平台很难对每一种芯片和模型都做深度优化。同时,云厂商常常与自有芯片、模型生态绑在一起,跨平台适配时很难完全中立。
芯片厂商的想法,是靠完善软件栈让客户更依赖自己的架构。在单一生态里,这条路效率不低,但中国企业的现实要复杂得多。昇腾、寒武纪、海光等不同架构同时存在,一家大型企业用上三四类加速器、五六种基础模型并不稀奇。不同芯片在编译器、算子和存储架构上各不一样,模型换一张卡,往往就得重新适配。
第三类参与者因此有了空间:不绑定特定芯片、模型和云平台的中间层。它们要干的事,是把分散的算力收进统一资源池,让模型适配不同硬件,再按任务需求把请求调度到合适的算力资源上。对客户来说,多一个平台并不是价值所在,减少适配和调度的麻烦才是。
不过,中间层的价值也有争议。芯片厂商的软件能力会继续往上走,云厂商可能把优化能力收回去自己做,开源工具则会推动部署流程走向标准化。摩根大通把这一点列为行业风险:工程能力如果沉淀不成可复用的产品,而是长期靠一个个项目定制,成本就很难降下来。
范式样本:中间层怎么做价值
范式智能2014年成立,最早做企业AI软件与部署业务,12年下来,业务已经覆盖金融、能源、通信、制造和交通等行业。在成立12周年活动上,创始人戴文渊提出了下一阶段的愿景——
这一愿景延续了“让AI普惠每一个行业及个人”的使命,但表达的重点有变化:从“AI for Everyone”到“
从技术布局看,范式的能力已经伸到算力、模型和调用环节。算力层以开源项目
范式智能CTO陈雨强打过一个比方来解释这套体系:算力和模型像发电厂,词元是电,应用则是用电设备。眼下AI应用正从简单的“电灯”走向“磁悬浮”和“电磁炮”,对供电稳定性的要求自然更高。他的原话是:“电压不稳,磁悬浮就没法准点。”
效率方面,范式披露的数据显示,GPU利用率从40%提升至65%以上,部分银行场景的效率提升超过4倍;
经营数据也反映出业务结构的变化。2026年上半年,范式收入为37.65亿元,同比增长43.4%。其中,AI Platform收入30.88亿元,同比增长30%;API收入4.64亿元,同比增长860.8%;
资本市场同样在盯API业务的增长潜力。摩根大通预测,范式2026年至2028年收入复合增长率为36%,2028年调整后净利润有望达到9亿元,比市场一致预期高37%。其核心判断之一,是API能把异构算力转化为可规模化的Token经济。
收入涨了,赚钱能力未必跟着变好。摩根大通提到,范式同期的毛利率由37.7%下滑到32.8%,关键就在于毛利偏低的API业务占比涨得太快。该行报告判断,往后两年毛利率或许还会往30%上下走。说到底,接下来不光看收入能不能涨,还得看单位经济性改善的速度,够不够抵掉低毛利业务占比攀升带来的压力。
另外,算力行业的资本密集度仍明显高于传统软件业。比起利润表上的增长,经营现金流、自由现金流,以及新增投资能否拿到合理回报,同样值得关注。愿景和经营结果之间,最终还得靠这些指标来检验。
真正难迈过去的坎,是能不能持续交付。
AI 基础设施的较量,早就不单看某一项技术指标了。云厂商手里有规模,芯片厂商攥着生态,开源社区把低成本铺开,独立中间层则想靠兼容和调度,把不同的算力、模型和云平台串起来。
中间层能不能立住,问题不在“做不做得出来”,而在交付稳不稳、客户会不会一直用下去。中立和兼容不是多支持几款产品就算数,得真正覆盖不同芯片、模型和部署环境,在客户已有的 Kubernetes 环境里低侵入接入,同时满足
更关键的是,效率优势能不能转起来。同样的算力产出更多词元,同样的词元成本更低,省下的钱再投回适配和研发,反过来支持更多芯片与模型。这个循环一直转,成本优势才留得下来,而不是靠低价去换一时的市场份额。中间层和单纯转售算力的差别也在这儿:一个卖效率,一个赚差价。
行业看企业的尺子也在变。算力规模和模型参数依然算数,可单靠它们越来越难判断一家公司值多少钱。GPU 利用率、吞吐能力、每百万词元成本、
“词元会越来越便宜,但用词元解决问题的能力,越来越值钱。”刘玺炜这句话,把 AI 产业眼下的变化说透了。
Everyone for AI
这套基础设施能不能撑住范式智能的下一个十二年,还得看接下来的经营数字:毛利率能不能稳住,现金流能不能好转,投入能不能持续变成回报。