Token通缩，大模型厂商如何走出给算力打工的局面？

最近，Token价格正在经历一场剧烈的通缩，伴随而来的是微软、亚马逊、谷歌的齐齐上涨，与此同时，港股市场中阿里巴巴、腾讯股价也出现了明显回暖，在11月4日涨幅更是超越7%。几乎同一时间，另一组数字在往反方向走：大和证券的 Token 价格指数自8月首次覆盖以来累计跌了约25%，OpenAI 在多区域的平均综合标价被下调约31%，Anthropic 约47%。一边是按 token 计价的东西在打折，一边是收算力租子的人在涨。这是市场把同一件事分成两半，分开标价。

商品层通缩，旗舰层通胀

第一个推力是模型层级在系统性下移。 这一轮降价的主力不是把旗舰砍到骨折，而是把轻量档推到台前：GPT-6 Luna输入每百万token $0.10、输出$0.50，Claude Haiku 5.5对10万token以内的请求同样报$0.10/$0.50——发布时，这一价格仅为上一代Haiku的十分之一。企业把日常负载从旗舰搬到“够用就好”的档位，每token的实现收入自然被摊薄。

Ramp追踪的曲线更直白：每百万token的有效价格从2026年3月的$1.15降至9月的$0.68，半年跌去41%。旗舰模型的调用份额也在松动：Ramp数据显示，截至8月，Anthropic的Fable 5在企业支出中仅占约11%、在token中仅占6%，7月底发布的低价版Opus 5反而在美元支出上超过了Fable 5；OpenAI方面，GPT-5.6 Sol约占其token的25%、支出的23%。

量的增长救不了价的下跌。OpenRouter的数据：8月平台token使用量环比增长约47%，美元支出只增长约7%，量加权平均定价环比下降28%。高盛One-Delta交易台负责人Rich Privorotsky说得更直：过去两年的股权定价建立在“更多token等于更多收入”上，8月的数据第一次把它打破了。

另一条口径指向同一方向：Silicon Data的LLM Token支出指数在8月末跌至$0.97/百万token，首次跌破$1，较5月高点约$2.05腰斩，8月单月跌幅达29%。两套指数算法不同、样本不同，但方向一致。

不过，如果把这场通缩画成一条平滑下行的直线，会漏掉一半事实。BenchLM按挂牌价统计的另一套口径显示，前沿能力层的价格2026年同比上涨约72%，预算层上涨7.4%，中间层反而下跌7.7%——同一个市场里，商品层在通缩，旗舰层在通胀，中端在被两端挤压。GPT-5.6 Sol上线时把旗舰价位抬到$5/$30，本身就是这一分化的标志性事件。YipitData基于接近两万亿token年化样本的数据则显示，企业Bedrock采购的有效价格降幅显著小于OpenRouter——后者聚集了大量对价格最敏感的开发者和聚合流量。走量的人在降价，握合同的人没降那么多。

第二个推力是推理效率。KV Cache管理、分级缓存和Prefill/Decode链路之后，缓存容量提升5倍，缓存成本降低80%，这是其API最高降价99%却仍能维持收支平衡的底气。效率改善本该是好事，可当头部玩家都能用工程把单位成本压下去，不跟价的人会在调用量上被甩开。降价于是从“选择”变成“生存条件”。

进入Q4，这一裂口没有收敛的迹象。 OpenRouter 10月处理了790万亿token，环比再增37%，较年初增长约25倍，Agent已占全部token消耗的76%。但9月第二周的数据同时显示，开源权重模型处理了72%的token流量，却只获得27%的平台支出。token在继续膨胀，钱没有同比例跟上来——这正是“量升价崩”叙事在Q4仍然成立的证据。

量价齐升，模型公司为何越卖越亏？

可以说Token是这个时代少见的、被公开benchmark定价的工业品——能力用分数衡量，成本用每百万token的美元数衡量，连性价比都能画成一张帕累托前沿的散点图。凡是能摊在一张图上比价的东西，最后都会被压到边际成本附近。

智谱是这批公司里跑得最快的一个，也最能照出这只减震器的形状。它的ARR从7月上旬的10亿美元，到8月底的16亿——按周度数据年化的更激进口径已超过20亿，不到两个月增长60%。到8月底，API平均售价较年初高了101%，调用量涨了40倍，看上去量价齐升。代价写在毛利里：整体毛利率从2025年全年的40.9%掉到2026年上半年的26.4%，上半年研发花了21.3亿元，净亏20.7亿元。

但“量价齐升”的叙事有一层容易被忽略：整体API均价的上涨主要由Coding Plan等高价值产品拉动，而面向价格敏感场景的轻量档——8月26日发布的GLM-5.3-Flash——以GLM-5.3十分之一的定价切入，并叠加了为期两周的五折限时折扣，折后非缓存输入低至$0.075/百万token，9月9日折扣结束后才恢复至$0.15。均价在涨，获客性定价在局部以折扣形式存在，两者并行——这不是“涨价失败”，而是一个产品组合内部的分层在同时发生。

MiniMax的曲线更陡：ARR从2025年末的约1.5亿美元，到2026年8月超过8亿，六个月增长433%，B端按年化口径贡献超80%。但毛利率从2025年全年的25.4%降至2026年上半年的17.9%——下降的原因不是多模态拖累，恰恰相反，跑量的语言模型和B端API业务的毛利率低于多模态产品线，规模在向低毛利一侧倾斜。规模在换毛利，这是同一笔账的另一种写法。

收入翻倍、亏损扩得更快，这不是经营不善，是位置决定的。上游的算力账单刚性——长约、预付、机房租金，签下去改不了；下游的价格弹性——客户随时能换一家更便宜的，中间那块差价只能自己吃掉。财务上看，它更像一只减震器：吸收一部分上游的成本冲击，稳住一部分下游的价格预期，自己承担形变。

Anthropic的三季度营收168亿美元，环比增长45%——单看不算慢，可上一季度的环比是144%。增速放缓之后，10月14日旧金山投资者日上，部分投资者讨论的IPO估值已从此前约2万亿美元降至约1.5万亿；到11月初，部分潜在买家的估值预期进一步滑落至1.2万亿至1.3万亿美元。比估值下修更硬的一条写在招股材料里：未来十年云和算力投入至少5180亿美元，其中约80%不可取消或无论实际使用量如何都需要支付。价格可以随时往下调，承诺不能。

上游说了算，芯片、存储与电力如何抽走token的利润？

但麻烦在于上面那一层几乎不给商量。全球生成式AI生态年化收入约4000—4350亿美元时，半导体层拿走约70%的收入和79%的毛利；应用层收入约600亿美元，毛利率多在0到30% 之间。拆细一点看，半导体层内部高度集中：英伟达一家占该层约80%的份额，博通AI半导体约340亿美元，超大规模云厂商自研芯片直接采购的HBM约250亿美元。中游AI云基础设施层（Azure、AWS、GCP、Oracle、CoreWeave等）毛利率约55%，是三层中唯一竞争相对分散的环节。

这不是分配不公，是成本结构决定的。AI的价值链资本开支前置、边际成本后置：上游卖产能的期权，按稀缺定价；下游卖结果，按替代掉的人力定价；中间卖token，按可比价格定价。前两者身上都有一层“无可替代”，中间那层没有。黄仁勋在GTC上给token排了五档价目表，从免费层（高吞吐、低速度），到$3、$6、$45，再到$150/百万token的顶级低延迟层。需要说明的是，$150对应的是极低延迟、高带宽的细分场景，与$3—$6的普通层是不同商品，不是同一token的普遍涨价——但这恰恰印证了上游的定价逻辑：按算力质量分层，而非按token数量平推。上游在给智能定价，中段在给智能打折。

最刺眼的证据在存储。2026年三季度全球DRAM营收接近2000亿美元、同比增长369%，出货量环比只增约4%，增量几乎全部来自价格，每Gb涨到1.9美元的历史高位。这已经不是周期，是“价格推动的超级周期”。HBM更紧：三星、SK海力士、美光三家分掉全球95%以上的产能，2026年的量已经售罄，部分长约甚至覆盖到2027年，扩产周期18到36个月；一块B200要配8组HBM3E，少一组，整台机器就出不了货。

再往下是电。智算中心单机柜功耗从传统的6—10kW推到120kW以上，GB300/Rubin指向180—250kW；电力和散热吃掉运营成本的40%到60%，在部分口径中电费在裸算力成本中的占比甚至超过六成。芯片可以加单，晶圆厂可以扩产，电网不行——变电站建设周期在海外主要市场需要3到5年，而服务器迭代只有12到18个月。腾讯云把“算电协同”写进战略，在内蒙古赤峰用绿电直供机房、用氢能和储能削峰，用电成本下降约40%。算力的尽头是电力。

定价权写在此刻谁稀缺，中间态才是最危险

于是钱落在了收租的位置上。AWS上季度收入460亿美元、增长39.3%，营业利润从上年同期的114亿美元升到178亿美元，利润率38.7%；Azure增长48%到332亿美元，微软首次以美元形式披露这块业务。模型厂打价格战，打的是自己的毛利率；云厂商收算力费，收的是模型厂的成本项。价格战越凶，调用量越涨，算力账单越厚。

看回国内，也是如此。阿里把云和芯片并成一个分部后，6月季度收入484亿元、增长45%，经调整EBITA 56亿元、同比增长133%，利润率12%；同一份财报里，装模型和应用的“AI实验室与应用”分部，经调整EBITA是亏损138.6亿元，上年同期只亏32亿，亏损同比扩大约3.3倍。公司给的理由很老实：AI能力投入，以及千问App的推理成本。一个季度里，收租的部门赚56亿，造智能的部门亏138亿。

高盛在11月10日的季报前瞻里替这笔扩张算了另一笔账：腾讯三季度AI资本开支约660亿元，阿里约630亿元；阿里还规划到2032年前每年新增约2GW电力负荷。钱要靠长约摊平，而GPU服务器的折旧寿命只有5到6年——高盛把“Token降价预期下的资产回收期安全垫”列进了业绩会的必答题。收租位也有回本压力，只是它把压力挪到了五年之后。11月19日阿里发布财报时，高盛预计阿里云收入同比+53%、EBITA利润率扩至12.5%——收租位的盈利在改善，但改善的来源恰恰是规模摊薄，而非单价抬升。

但把云厂商说成“通缩的赢家”，是偷懒。AWS自己就是一部通缩史：2006年S3以$0.15/GB-month起步，EC2的公开定价随后跟进；此后十几年AWS主动降价100多次，S3在八年内从$0.15降到$0.023，降幅约85%。它没有靠把同样的算力越卖越贵发财，反而把年化收入做到1840亿美元、营业利润率38.7%。通缩本身不杀人，它杀的是那些既没有规模效应、又没有自研底座、也没有场景锁定的中间商。

而且云也会翻脸。2026年3月那次集体涨价值得回头看：腾讯云把混元HY2.0 Instruct的输入价从每千token 0.0008元抬到0.004505元，涨幅463%；阿里云AI算力与存储最高涨34%，百度智能云AI算力相关产品上调5%到30%，谷歌和亚马逊也在同一季度调价。那是云计算二十年降价史上罕见的掉头。

原因不复杂。中国日均token调用量从2024年初的1000亿涨到2025年底的100万亿，2026年3月又摸到140万亿；Agent让一次任务变成几十上百次内部推理和工具调用——OpenClaw类智能体的单次互动token消耗可达传统AI的10到100倍。需求从“可以等”变成“等不了”，云厂商才第一次拿到

真正只能承受的是两头都不占的环节。纯卖API的“二房东”，上游按长约锁价、下游按比价流失；做工具封装的中间件，模型每升级一代就吃掉它一层功能；既没有自研芯片、又没有客户工作流的算力转售商，涨价时拿不到货，降价时留不住客。

开源这一层更微妙。开放权重当然是战略，但它同时把价格变成了公共品。2025年5月到9月，开放模型在OpenRouter上约占两成的使用量，却只拿到约4% 的模型层收入。用两成的量换四个点的钱，这是主动放弃定价权，去换生态位、换部署入口、换开发者习惯。

中国厂商这两年做的，本质上是从那张token价目表上逃走。千问开源超过470款模型，全球下载突破40亿次，衍生模型超过33万个；2026年上半年中国MaaS市场做到106.3亿元、同比增长近9倍，私有化部署把“用多少付多少”的波动收入换成了“交付一套能力”的项目现金流。这些钱不进公开报价单，也就不进那张所有人都在比的散点图。

摩根大通给了一条长曲线：2026年算力、芯片、数据中心拿走全行业93% 的利润；到2030年掉到30%，模型与应用层升到54%。同一份报告预测2030年token消耗是2026年的60倍，其中约69% 来自企业端。然而，2028年前后的“下游利润拐点”大概率会更晚、更颠簸，但方向是对的，利润不会沉淀在云厂商，它只是路过云厂商。

云是当下最舒服的收租位，可它自己也是重资产，也要为电力、芯片和折旧付账；一旦推理效率的进步快过需求增长，云就会成为下一个被比价的对象——自建集群、专用推理芯片、开源推理栈，已经在做这件事。大和在11月5日的研报里把这个顺序写得更直接：短期偏好有在手合约保障、有IaaS敞口的企业，长线看好应用与分销成为低成本智能的赢家。先看合约和硅，后看场景和信任——本质上是同一条曲线。

最后，回到问题上，利润流向云厂商，还是继续被上游抽走？ 答案是两端，不是中间。一端是硅和电，一端是场景和信任。中间所有能被标准化、被benchmark衡量、被报价单直接锚定的环节，都会被通缩穿透一遍。模型层不会消失，但它必须选一边站：要么成为基础设施的一部分，被云吸收；要么成为一家真正握有分发关系的应用公司。停在“纯卖token”的中间态，是最危险的位置。（作者｜李婧滢，编辑｜刘洋雪）