导语：野蛮生长，是这个阶段的一定。

一祖传统企业的财政总监第一次拿到Token账单时，凡是只有两个感触感染：一是怎么这么贵，二是怎么算出来的。

第一个问题可以经由过程预算往返答；第二个问题，则要繁杂患上多，账单上的算法，差别厂商有差别的版本，但剥开来看，焦点逻辑都长患上很像——不外是“单价乘以用量”的某种变体。

变化就发生于这个乘法里。

2024年头，中国日均Token挪用量是1000亿。到2026年3月，这个数字冲破了140万亿——两年，跨越1000倍。

Token再也不只是工程师终端里一行灰色的日记，它正于印入预算表、损益表及季度财报。AI支出也从"研发预算"酿成了"运营成本"，并且后者还有于以季度为单元陡增。接待添加微信EATINGNTAE交流海内Token利用近况。

Token的呈现，第一次让模子天生能力被压缩成一个可计量、可生意业务、可结算的单元。

AI财产的贸易模式也正于随之转变。已往，企业采购的是GPU、算力卡，厥后采办的是GPU小时、API挪用；如今，愈来愈多厂商最先直接按Token计费、按Token结算。

你再也不需要知道底层跑的是哪款GPU、花了几多机时，只需要体贴终极产出了几多Token。这像极了电力时代的"度"——把繁杂的发电、输电及配电历程，压缩成一个所有人都能理解的计量单元。

但计量单元同一以后，一个隐秘的裂痕也随之裂开：单元同一了，算法却没有同一。

外貌上看，账单只有两个变量：价格及用量。但这两个数字都不是常量，模子怎么订价、缓存掷中有无扣头、长思索模式会不会分外耗损Token，甚至数据中央建于哪一个省分，都于摆布终极的数字。

看似清楚的一道乘法，实则是一张谁都读不透的网。

为何一样是Token，价格差距却愈来愈年夜？

年夜模子API的价格战，让Token的单价看起来史无前例的透明，但偏偏是这类“一分钱一分货”的明码标价，将真实的成本布局藏进了黑箱。统一个数字暗地里，多是技能效率的极致兑现，也多是本钱补助的牵萝补屋。

从事芯片行业的吴昊把这类成本的不成比，归结为三个互相纠缠的变量：装备成本、运营成本、合同周期。

装备真个差异，从采购那一刻就已经经写进了初始成本——GPU的型号、采购量巨细、是否搭售软件、配没配外部存储方案，每一一项城市以差别方式影响最初的成天职摊。

吴昊描写，前一段时间行业的主流趋向是，各人都于拼算力峰值，比谁的卡算力值最高。

厂商于宣传时夸大单卡有多强，现实发卖时顶尖卡却险些不但独租赁，都因此集群为单元出货。一台B300整机36P算力，一个集群至少32台，加起来就是千P级别。“天下能租患上起这类集群的客户，可能也就几十个，年夜量中小客户底子用不起来。”吴昊指出。

而这些没法被充实使用的顶级算力，终极会以某种方式，摊进每个Token的订价里。

运营真个变量一样繁杂，并且拉开了一个更隐藏的差距。

电价是此中最直不雅的一条线。吴昊提到，西北部门地域电价能做到两三毛，靠的是新能源补助及体外轮回资金补助维持运营；东部地域则遍及于6毛以上，甚至到七、8毛。

两三毛及六七毛——两个价格区间，整整差出三倍，而年夜量算力中央恰是依靠着这类补助维持总体运营。吴昊坦言，这类征象于当前行业里占了大都。

也就是说，今天市场上看到的不少“低价Token”，未必是效率晋升的成果，而是一场仍于连续的补助战役的产品。一旦补助退场，账单会反弹几多，仍是一个未知数。

假如说吴昊的帐本算的是“已往的投入”，太始元碁首席产物官洪源则把视野投向了“将来的账单”。

“当行业真正进入Token经济时代，最主要的权衡指标可能会从纯真的算力速率，转向能源转化效率——每一瓦电能可以或许孕育发生几多Token。纯真存眷每一秒天生Token数而不考量能耗，于持久运营中存于显著局限。”

洪源认为，单卡的算力值或者每一秒天生Token数，从来不克不及反应真正的产出能力。天生Token是一整套体系工程：从单张卡到办事器，再到办事器之间的互联，触及显存带宽、互联带宽、液冷体系、软硬件协同，终极才表现为集群每一秒天生的Token数。

差别公司这套切分技能的邃密水平，直接决议了一样标价的一个Token，暗地里真实占用的算力含量。

于装备、电价以外，合同周期是第三个变量，并且Token经济正于把它推入一种全新的繁杂度。从签约年限到计费颗粒度，法则都于变：算力正于从整租酿成散租。这一趋向将怎样重塑算力市场的订价逻辑？接待添加微信EATINGNTAE切磋。

吴昊打了个比喻：已往一个算力集群可能只办事一两个年夜客户，没甚么运营问题，但Token让算力酿成了可以按需切割的商品——没必要整租一台呆板，甚至可以像交电费同样，按Token耗损量结算。

“之后会酿成像写字楼那样，从整租酿成散租。每一个客户的装修要求差别，档期差别，空置率也差别。偏偏是这类变化，倒逼着真实的运营能力要做起来。”吴昊如许形容将来可能的状态。

1年及5年的持久锁定合同，与按Token量结算的散租模式，暗地里是两套彻底差别的运营逻辑及成本布局。

而一个Token的价格，始终是模子推理暗地里一整套基础举措措施效率的终极表现，它涵盖算力、能源、政策激励与贸易左券的每一一层博弈。

为何「每一百万Token几多钱」不克不及直接比力？

假如说成本的算法是“各家算各家的账”，那标价的算法就更进了一步——它挑战的是一个更基础的条件：Token的计费法则，自己就没有同一的尺度。

云天励飞副总裁罗忆提到，今朝主流模子已经将输入及输出拆分为两个阶段别离计价，两个阶段的计较成本彻底差别：Prefill（预填充）一次性并行处置惩罚全数输入，而Decode（解码）需逐字串行天生，每一多天生一个Token就多走一遍计较，是以，输出Token的单价遍及比输入Token贵。

超长上下文会显著推高Prefill阶段的开消，长思索模式则让Decode部门“先打底稿再正式回覆”，内部思索的Token耗损可达上万，总体开消靠近翻倍。

此外，缓存机制还有进一步拉年夜了现实计费的差距。假如本次哀求的前缀内容与以前不异，平台可直接复用以前生存的中间成果，跳太重复的Prefill计较，缓存掷中与缓存未掷中之间的价格差距可达上百倍。年夜厂依附更高的缓存掷中率能有用降低用户的反复计费，而一些厂商缓存机制不完美，用户可能于绝不知情的环境下因缓存重复掉效而反复付费。

另外一个一样隐藏的变量来自分词器（tokenizer）。差别模子对于统一段文本的切分方式差别——GPT系列用BPE（字节对于编码），Claude用BPE变体，Llama及DeepSeek用SentencePiece，各家的词表巨细、中文笼罩度、子词计谋都纷歧样，这就致使一样是100万Token，承载的信息量于差别模子之间可以差出不少。

当计费口径自己就不同一，“每一百万Token X元”的比价，比的可能就不是统一把尺子。

从整个行业的角度看，价格的离散水平更让人不测。以输出价格为例，OpenAI GPT-5.5的高机能版本（Pro）每一百万Token可以要到上百美元，Anthropic Claude Opus 4.8（尺度模式）也要二三十美元，而海内厂商遍及只有个位数人平易近币——DeepSeek最新版本输出价格不外6元。

为何价格差距这么年夜？

云天励飞副总裁罗忆坦言，当前Token订价系统尚处浑沌期，差别模子、差别办事等级下，百万Token的标价千差万别，甚至不乏“挂羊头卖狗肉”的虚标乱象。此刻的订价就比如卖牛肉——差别部位、差别品质对于应差别价格，但终极仍以重量作为基本的计量单元。

迈富时CFO马进则把它比作护肤品市场，“消费者可以按照需求选择高端品牌还有是中端品牌”。

两个比方指向统一个结论：Token不是一个均质商品，差别模子能力、差别办事等级产出的Token，质量自然差别。

九章云极把这类分层描写患上更布局化：将来的Token市场会形成"金字塔"——底层是海量、廉价的基础能力Token，中层是高靠得住、特定场景优化的Token，顶层是极致机能、定制化的Token，三层Token暗地里的算力耗损及质量差异极年夜。

所有这些说法，终极都指向统一个事实：只管Token顶着“同一计量单元”之名，暗地里的分词法则、计费口径、质量等级，却可能各不不异。

器量衡的意义，本应是放之四海而皆准，一千克于哪里称，都是一千克。但当下的Token，看起来是一个同一计价的基础单元，现实上更像是每一家公司本身界说、本身注释、外部没法验证的内部钱币。

所谓尺度化，尺度的只是这个名字，而不是它的质量与价值。

Token越用越贵，问题不于模子？

算力中央于建，模子于跑，Token于烧。但烧失的那些Token，到底换回了甚么——这个问题，正于成为每一家企业IT卖力人的一样平常拷问。

要回覆它，患上往回倒一步。“该买甚么，以和买没买对于”——这是许多企业迈入AI采购时碰到的第一道门坎。

芯片行业人士吴昊提到过一个案例：一家年夜型供给链企业，主业务务是物流调配，数据重要是布局化指令及判定数据，但对于在“用谁的模子最适合，他不清晰；该计划几多Token用量才合理，他也不知道。”

很多公司于还没有明确自身需求时，习气将行业头部作为参照，却常堕入错位。头部企业提出的需求类型、装备选型与部署范围，极易被偕行直接照搬为标杆，而二者于营业繁杂度、数据体量与预算层级上往往相差迥异——前者也许需要高机能算力集群支撑焦点营业，后者可能仅需一个小参数模子便可胜任。

照搬，性价比极低。

更年夜的挑战于在，这类认知短板不只存于在需求方一侧。一些已往只做英伟达产物的算力运营商，如今也于踊跃接洽国产厂商举行测试——他们本身也需要先认识差别硬件的特征，才能形成有用的对于比判定。

当供应端及需求端都于同步补课，“懂行”自己就成为了一个相对于的、暂时的状况——而买家的第一笔账，往往是于这类状况下算出来的。

采购只是第一步，当Token真正烧起来以后，数字的涨法往往凌驾预期。

以搭建一个股票阐发workflow为例，前期调试耗损上万万Token，流程跑通后，每一次运行再耗百万Token；一旦从单只股票扩大到批量阐发，日总耗损当即骤增百倍。

Agent的挪用逻辑不是线性的——它会重复迭代、自我对于话、挪用上下文。单次调试的成本看似可控，一旦范围化，耗损量就会以凌驾预期的方式膨胀，而年夜大都买家于做预算测算时，对于这个拐点险些没有感知。

范围化放年夜的，不只是耗损量自己，还有有设计好坏之间的成本差距。

共绩科技结合开创人黄力昂发明，利用Token有妙手及平凡人之分，二者的差距远比想象中年夜。并且，许多高效利用Token的常识及技巧今朝还有只存于在团队及小我私家的脑子里，没有被固化到运用里。

这类差距详细从哪来？

Meta步伐员程子的经验是，好的设计者从不放任Agent无穷思索。真正高效的贸易做法，是把Agent的举动框进“有限轮回”里——拆步调、定界限、限迭代。

“会写Prompt、会使用AI去设计Agent架谈判优化交互流程的人，与从没深切做过这件事的人比拟，他们之间孕育发生的经济效益区分是巨年夜的。”程子说。

好的设计能把Token酿成聪明，差的设计只能把Token酿成成本。

Meta及亚马逊很早就撞上了这堵墙，两家公司一度把Token耗损量作为KPI查核指标，厥后又叫停了。

程子吐露，缘故原由是“有点过犹不及”，担忧员工“无前提地刷Token”。但他也认可，公司内部仍于存眷这个数字——由于Token耗损量及事情状况之间存于较着的相干性，当一小我私家一段时间内不那末忙，耗损量确凿会较着降落。

换句话说，企业曾经试图用最粗鲁的指标——“耗损量”，去权衡阿谁真正想权衡却权衡不了的工具：“价值”。

迈富时CFO马进把这个历程描写为一种一定的调解。于他看来，这并不是Token作为计量单元的底子缺陷袒露，而是企业查核机制从“鞭策习气养成”到“回归经济理性”的一定过渡。

罗忆也看到了近似的阶段分解——只是他的视角从市场切了进去：海内今朝仍处在“鼓动勉励用量”的早期阶段，无论用患上好欠好，先养成利用习气，抓量不抓质；而头部年夜厂已经进入下一阶段，最先从“用量”转向“用精”，用更科学的指标来评估有用产出。

近似的环境，九章云极于互联网初期也见过。“这犹如互联网初期，点击量及页面阅读量曾经是焦点指标，但厥后各人更存眷用户逗留时长、转化率等有用指标。”Token的竞争，也一定会从“挪用量”转向“有用Token价值”——只是截至今朝，这套新的换算瓜葛还有没有成型。

当“烧几多”不克不及代表“值几多”，Token需要甚么新标尺？

野蛮生长，于罗忆看来是这个阶段的一定。

整个行业的能力界限还有于不停延长，远未触达上限——技能会催生新的办事形态，办事落参加景里跑通了，质量系统才会随着长出来。素质上，是技能于推着尺度往前走。

罗忆认为，“一最先就过在规范，反而可能拦阻成长。”

而技能真个共鸣也已经经正于冒头。共绩科技结合开创人黄力昂留意到，模子于收敛，练习范式于趋同——各人对于甚么是“好”的默契，比外界想象的要多。这些默契还有没有写成尺度，但它们已经经于代码里、于架构选择里、于工程师的一样平常判定里暗暗生长。

但他也提示，技能不是独一于发力的气力。此次厘革的体量不亚在一次工业革命，不成能只把话语权交给技能，差别文化及社会体系体例，会把各自的需求刻进Token的基因里。

迈富时CFO马进从贸易端看到的图景，与技能侧的收敛一唱一和：年夜模子市场正于逐渐收拢，将来全世界能存活的年夜模子公司会愈来愈少——市场的无形之手，也于把玩家往统一个标的目的推。

共鸣于聚拢，但尺度还有没来。行业没有干等——云天励飞结合三十多家财产链企业签订“1001规划”，先把各方拉到一张桌子上，以行业共鸣为出发点鞭策尺度制订。

与此同时，各家厂商已经经最先用本身的方式给出参照系：九章云极提出“按度计量”，作为算力真个同一标尺，让差别芯片、差别集群产出的Token可于统一把算力标准下可比，Token工场则于输出端卖力智能的尺度化封装与交付；迈富时区别“年夜模子Token”与“场景Token”，按词元耗损与使命效果别离计价，将价值的器量从“耗损端”迁徙到“成果端”，全栈Token工场的溢价权，终极取决在企业智能体可否于详细场景中交付可量化、可连续的营业结果；太始元碁率先发布高密液冷集群，于机能、功耗与设置装备摆设成本间追求最优均衡，为Token出产成本划出参照标尺。

从共鸣到尺度，仍有间隔。这条路径毕竟由技能、贸易还有是更繁杂的博弈主导，尚不开阔爽朗，但标尺已经于打磨，刻度隐隐浮现。

Token未必会成为AI时代终极的“度电”，但缭绕它所构建的新价值标准，终将摆布下一代AI基础举措措施的话语权。

作者持久深耕AI算力与芯片范畴，后续将推出Token系列专题文章，接待添加微信（EATINGNTAE）交流切磋。

注：吴昊、程子为假名。

雷峰网(公家号：雷峰网)雷峰网

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

-BBIN·宝盈集团