推理成本下降 280 倍，总支出却反增 2.4 倍。这组看似矛盾的数字，正在定义 AI 时代最核心的经济规则，也就是 Token 经济学。
Token 从来都不只是 AI 交互里的简单计量单位，它是贯穿整个 AI 产业的价值标尺，从上游芯片制造到终端用户交互，所有环节的价值流转，都在围绕 Token 展开。它的价格体系有着清晰的分层，基于算力质量和响应延迟，市场形成了五档成熟的定价标准，从 0 美元的免费层，到最高 150 美元每百万 Token 的顶级层。
不同定价对应着完全不同的使用场景，顶级层面向对延迟和可靠性有极致要求的场景，高级层服务大中型企业的稳定需求，中等层覆盖中小企业的基础推理服务，免费层则面向开发者和测试用户，设置了明确的 Token 量限制。这种分层定价把商业逻辑里的价格歧视做到了极致，也让不同需求的用户，都能在这个体系里找到对应的位置。
Token 市场的爆发速度，远超所有人的预期。OpenRouter 平台的 Token 处理量三年增长 10 倍，从 2022 年中的 10 万亿 Token，一路冲到 2025 年中的 100 万亿 Token。伴随处理量暴涨的，是整个市场的资金体量。2026 年全球 AI 支出预计达到 2.52 万亿美元，同比增长 44%。生成式 AI 市场到 2030 年将达到 2200 亿美元。更长远的测算里，到 2030 年 AI 解决方案给全球带来的累计经济影响，将达到 22.3 万亿美元。
Token 的流转贯穿了 AI 产业的五大核心环节。最上游是芯片设计与制造，这类厂商在这里掌握着最核心的硬件话语权。紧接着是基础设施建设，这类企业主导数据中心的建设与运营，聚合平台则提供弹性算力租赁与调度服务。再往下是模型即服务的环节，基础模型提供商，把硬件算力转化为可调用的模型能力。最贴近用户的，是应用开发与服务环节，各类 AI 原生应用把 Token 转化为用户能直接感知的功能与体验。每一个环节的价值创造，最终都能折算成 Token 的生产、调度与消耗，Token 成了整个产业通用的价值语言。
在 Token 的供给端，英伟达构建起了难以撼动的算力帝国。2025 财年，英伟达数据中心业务营收达到 1152 亿美元，占到总营收的 88.3%，全年总营收 1305 亿美元，同比增长 114%。支撑起这个庞大营收体量的，不只是硬件本身，还有 CUDA 生态构建的护城河。这个拥有超过 600 万注册开发者的生态系统，形成了极强的正反馈循环，更多开发者使用带来更多软件开发，进而拉动更大的硬件需求，也让竞争对手很难撼动其市场份额。
英伟达的技术迭代，始终围绕 Token 效率展开。从 Hopper 架构到 Blackwell，再到最新的 Vera Rubin 平台，晶体管数量从 800 亿跃升至 3360 亿，内存带宽也实现了量级式的跨越。它还和 Groq 达成 200 亿美元的合作协议，把 Groq 的 LPU 专用推理加速器整合进 Vera Rubin 平台，GPU 主攻高吞吐量的训练与推理场景，LPU 主攻低延迟的实时应用，让平台的 Token 处理能力再上一个台阶。老黄的判断贯穿了整个产业的核心逻辑，在固定功率限制下，谁的每瓦 Token 吞吐量最高，谁就拥有最低的生产成本。这句话也成了所有算力玩家竞争的核心标尺。
推理经济学，是 Token 经济学最核心的组成部分。过去几年，AI 推理成本出现了断崖式的下跌。GPT-3.5 的推理成本，从最初的每百万 Token20 美元，降到了 0.07 美元，降幅达到 280 倍。硬件创新是核心驱动力，Blackwell 平台推动每瓦 Token 吞吐量实现指数级提升，模型量化、蒸馏、推测解码等软件优化技术，进一步降低了推理的时延和能耗，各类开源模型的崛起，更是以极低成本逼近闭源模型的效果，打破了头部厂商的定价垄断，直接推动全行业的成本下行。
但成本的暴跌，并没有带来总支出的下降，反而出现了经典的杰文斯悖论。单位推理成本下降 280 倍的同时，OpenAI 的推理总支出反增约 2.4 倍，从 2024 年的 37 到 38 亿美元，涨到了 2025 年的 88 到 90 亿美元。背后的核心逻辑，是推理服务的需求对价格极度敏感，价格的小幅下降，就会引发需求的爆炸式增长。短期来看，推理需求的价格弹性略高于 1，价格下降带来的需求增长幅度，超过了成本下降的幅度，最终让总支出不降反增。
需求的爆炸，有清晰的微观驱动逻辑。首先是审批摩擦的消失，低廉的推理成本，让大量原本需要层层审批的 AI 试点项目，能够快速落地实施。然后是流程自动化的全面铺开，客服等大量人工流程，直接转为 AI 自动推理，Token 的使用量出现成倍提升。第三是多场景多模型的应用普及，企业不再局限于单一模型的使用，而是在不同场景里同时调用多个模型，推动 Token 消耗的多元化增长。最后是用户行为的根本变化，推理成本的降低，让用户和 AI 的交互变得更频繁、更细粒度，原本一次完成的交互，被拆分为多次精准的调用，进一步推高了 Token 的总消耗量。
激烈的市场竞争，让推理服务的价格战愈演愈烈。不同厂商的定价出现了巨大的分化，OpenAI GPT-4o 的输入定价为每百万 Token2.5 美元，输出定价为每百万 Token10 美元，而 DeepSeek V3.2 开源模型的输入定价仅为每百万 Token0.14 美元，输出定价 0.28 美元，成本仅为 GPT-4o 的 1/18，直接拉低了全行业的价格底线。为了控制成本，行业里也形成了成熟的管控策略，智能路由策略把简单查询导向低成本模型，复杂查询分配给高性能模型，实现资源的最优配置。企业也会为 Token 设置硬性预算约束，避免无限制的成本扩张，同时通过批处理、缓存、上下文压缩等技术，持续优化推理资源的使用效率。
推理服务市场，已经形成了三类核心参与者。第一类是大型云服务商，凭借极强的规模经济和技术壁垒，实现全场景的服务覆盖。第二类是专用推理平台，依靠开源驱动和低价策略切入市场，针对特定模型做深度优化。第三类是专用加速器厂商，主打极致的性能与低延迟，面向高端客户群体，依靠硬件绑定获得溢价。不同的玩家针对不同的客户需求，形成了差异化的竞争格局，但也都无法避开价格战的漩涡。
在持续的价格竞争中，推理服务商陷入了薄包装公司的困境，各厂商都倾向于通过降价争夺市场，最终导致行业整体利润率持续走低。长期来看，市场的均衡价格会无限趋近于边际成本，利润变得微薄甚至为负。固定费率的套餐模式，更是让服务商陷入了逆向选择的困境，低价的月度无限推理套餐，最终只会吸引高用量客户涌入，服务商的利润被严重侵蚀，而按量计费的服务商，又要面对客户流失的压力。在竞争与博弈中，行业也开始探索合作共赢的模式，服务商之间共享模型资源与算力基础设施，联合开发路由和调度算法，同时在技术研发和解决方案上保持竞争，形成了既合作又竞争的行业生态。
中国的 AI 算力产业，正在迎来高速增长期。2026 年，中国 AI 加速芯片市场规模将达到 3813.9 亿元，年增长率超过 58%。AI 大模型市场规模，也将从 2024 年的 294 亿元，增长至 2026 年的 700 亿元以上。基础设施层面，中国已经建成 42 个万卡级智算集群，智能算力总规模超过 1590 EFLOPS。2024 年，中国 AI 服务器市场规模达到 134 亿美元，同比增长 56%。国产芯片领域也实现了持续的技术突破。
Token 对宏观经济的深层影响，正在逐步显现，最直接的体现就是劳动力市场的 K 型极化。AI 算力 Token 正在加速高技能溢价与中低技能替代的分化进程。高技能岗位能够利用 Token 大幅提升生产效率，对应的工资溢价持续扩大。中技能岗位的部分任务被 AI 替代，市场需求出现结构性下降，工资增长陷入停滞。低技能岗位里的重复性工作，正在被大规模替代，市场需求急剧下降。
这种分化，带来了幽灵 GDP 的现象，AI 推动的产出增长，并没有有效转化为劳动者的工资收入。数据显示，AI Token 经济下的 GDP 增长率达到 5.5%，远高于传统经济 3.0% 的增速，但劳动收入增长率却从 2.5% 降至 0.8%，与之相对的，是资本收入增长率从 3.5% 升至 8.0%。AI 带来的产出增长，主要流向了资本所有者，劳动收入在整体经济中的份额，也从 60% 降至 45%。技术变革也带来了创造性破坏，市场中涌现出 21% 的新岗位类型，AI 训练师、数据科学家、AI 产品经理等新职业快速发展，其中 AI 训练师的岗位需求增长达到 112.4%，这也对传统劳动者的技能转换和再就业，提出了更高的要求。
在企业层面，Token 正在推动一场深刻的转型，企业正在从 SaaS 的购买者，转变为 AI 工厂的建设者。Token 的成本构成里，50% 来自 GPU 及加速器硬件成本，包括折旧、维护和能耗，另外 50% 则来自非 GPU 因素，其中网络与冷却设施占 20%，软件栈与平台维护占 15%，人工与支持服务占 10%，剩余 5% 为其他成本。
针对不同的企业规模和 Token 消耗量，市场形成了三种主流的消费模式。低资本投入的 SaaS 模式，订阅费固定，适合中小企业和项目试点。中等资本投入的 API 模式，按实际 Token 消耗量计费，适合成长期企业。高资本投入的 AI 工厂模式，以固定资产投入加运营成本为主，适合大型互联网企业。规模效应在这个过程中体现得淋漓尽致，当日 Token 消耗量达到 100 亿时，AI 工厂的单位成本，仅为 SaaS 模式的 15%。每瓦 Token 吞吐量，已经成为企业核心的竞争力指标，英伟达 Vera Rubin 平台能做到每瓦 20 万 Token，Groq LPU 加速器达到每瓦 25 万 Token，而传统 GPU 数据中心仅能做到每瓦 12 万 Token，这个指标的差异，直接决定了企业的生产成本和竞争能力。
Token 也正在重构企业的组织架构和激励体系。黄仁勋曾指出，未来工程师的效率，可因 Token 预算的配备而提高 10 倍。这种效率提升，来自三个层面，首先是自动化替代，客服和初级开发等岗位的工作，通过 AI 推理实现自动化处理。其次是辅助决策与知识工效增强，高技能岗位借助 AI，大幅提升信息处理的速度和质量。第三是智能工作流的再造，Token 驱动的 AI 工厂模式，全面优化了企业内部的生产流程。
更值得关注的是 Token 薪资的出现，它的核心逻辑是，工程师可以获得相当于年薪一半的 Token 预算，作为额外的数字激励。Token 不再只是单纯的生产资料，更成为人力资本配置与激励的关键变量，重塑了企业内部的工作价值链，企业也开始形成基于 Token 产出的绩效考核体系，激发全员的创新与协作。
但同时劳动生产率悖论也随之出现，技术进步显著提升了单位劳动的产出，但就业总量的增长和劳动收入的提升，并没有与之同步。就业结构出现了明显的 K 型分化，高技能岗位就业增长 12%，而中低技能岗位的就业规模萎缩 15%。这种产出与收入的脱钩，带来了深层的宏观经济影响，资本积累加速让劳动收入份额持续下降，财富高度集中于少数科技巨头和算力资源所有者，劳动者收入的停滞，降低了中产阶级的消费能力，抑制了内需的增长，也让经济增长的动力过度依赖资本投资。
算力已经成为主权国家的核心战略资源，全球范围内围绕算力的地缘政治博弈，正在全面展开。算力具备三大核心经济特征，首先是高固定成本与规模经济，数据中心和芯片制造，都需要数百亿美元级别的资本投入。其次是网络效应与平台依赖，算力与数据、模型、应用之间，形成了极强的绑定效应。第三是边际成本递减与需求弹性，推理成本的大幅下降，会直接推动需求的爆炸式增长。算力与能源，已经成为主权国家竞争的核心焦点，全球数据中心的电力需求，将从 2025 年的 860 TWh，增长至 2030 年的 1587 TWh，增幅达到 84.7%，美国和中国合计占据了全球约 70% 的数据中心容量。
关于报告的所有内容，公众号『行业报告智库』阅读原文或点击菜单获取报告下载查看。
