這意味著一個耐人尋味的倒掛正在形成，即流量在中國，收入?yún)s集中在美國。
值得注意的是，進入2026年，盡管部分國產(chǎn)模型（如MiniMax、Kimi）已展現(xiàn)出海外收入占比顯著提升的勢頭，例如MiniMax海外收入占比已超70%，Kimi海外收入開始超過國內(nèi)，但整體營收倒掛的結(jié)構(gòu)性特征依然存在。
由此可見，中國雖然正在贏得調(diào)用規(guī)模，卻尚未完全轉(zhuǎn)化為商業(yè)價值。而這一結(jié)構(gòu)性錯位，正是理解中國Token繁榮背后真正含義的關(guān)鍵入口，即當Token成為一種“資源”之后，我們不僅要看“產(chǎn)量”，更要看“含金量”和“定價權(quán)”。也正是在這個意義上，如果我們把視角從調(diào)用規(guī)模切換到商業(yè)價值，一個更值得關(guān)注、也更具解釋力的結(jié)構(gòu)性現(xiàn)象開始浮現(xiàn)。
如上述，Token的爆發(fā)，很容易讓人產(chǎn)生調(diào)用量越大，代表產(chǎn)業(yè)越強的錯覺。而如果把這些Token拆解來看，就會發(fā)現(xiàn)其中的差異遠比數(shù)字本身更重要。
眾所周知，在現(xiàn)實應(yīng)用中，并非所有Token都具有相同價值。一部分Token來自高價值場景，例如復雜決策、專業(yè)分析、科研輔助，這些調(diào)用往往對應(yīng)著較高的付費能力和長期依賴；而另一部分Token，則來自測試調(diào)用、低質(zhì)量內(nèi)容生成或大規(guī)模自動化任務(wù)，它們在數(shù)量上龐大，但在經(jīng)濟意義上相對有限。盡管兩者在統(tǒng)計上沒有區(qū)別，但在產(chǎn)業(yè)結(jié)構(gòu)中卻扮演完全不同的角色。這意味著，如果缺乏高價值場景的支撐，單純的Token增長，很容易陷入規(guī)模膨脹而價值不足的怪圈。
當然，在討論Token規(guī)模時，還有一個無法回避的結(jié)構(gòu)性因素，那就是中國市場本身的“封閉性”在一定程度上放大了這一數(shù)字。
業(yè)內(nèi)知道，在中國大陸，OpenAI、Anthropic以及谷歌（Gemini）等模型的直接使用和商業(yè)化部署存在客觀限制，這意味著大量原本可能流向全球多家模型廠商的調(diào)用需求，被集中留在本土體系之中。相較之下，美國市場的開發(fā)者可以在多個模型之間自由分流調(diào)用（包括部分中國模型），至于在中國，絕大多數(shù)應(yīng)用調(diào)用天然集中在國產(chǎn)模型之上。
而正是這種結(jié)構(gòu)差異，使得Token規(guī)模在中國呈現(xiàn)出一種集中放大的效果。從統(tǒng)計上看，這無疑強化了中國在Token調(diào)用量上的領(lǐng)先地位，但如果簡單將其等同于全面競爭力優(yōu)勢，則容易產(chǎn)生誤判。換言之，中國的Token規(guī)模領(lǐng)先，既來自真實的供給能力提升，也受到需求結(jié)構(gòu)“內(nèi)聚化”的放大。
需要強調(diào)的是，這種放大并非虛假繁榮。畢竟能夠承接并放大這部分需求的前提仍然是中國模型在成本、性能與工程能力上的進步已經(jīng)足夠支撐大規(guī)模應(yīng)用。否則，即便外部模型受限，AI應(yīng)用本身也難以如此快速鋪開。因此，這種現(xiàn)象更接近一種真實能力疊加結(jié)構(gòu)紅利的結(jié)果，而不是單純由外部環(huán)境使然。
然而，其潛在影響還是需要我們警惕。原因在于長期處于相對封閉的競爭環(huán)境，容易讓規(guī)模增長掩蓋結(jié)構(gòu)差異，尤其是在高價值場景與頂級能力層面的差距判斷上。如果缺乏與全球最強模型的持續(xù)對標與競爭，Token規(guī)模的領(lǐng)先，可能更多停留在使用密度層面，而難以自然轉(zhuǎn)化為價值密度的領(lǐng)先。
與此同時，為了快速擴大規(guī)模，不少國產(chǎn)模型選擇了一條更現(xiàn)實的路徑，即在接口層面兼容OpenAI的標準。類似的messages結(jié)構(gòu)、相似的參數(shù)設(shè)計、甚至“只改base_url即可切換”的調(diào)用方式，使開發(fā)者幾乎可以無成本遷移。而這種策略無疑極大地降低了使用門檻，是Token規(guī)模迅速增長的另外重要原因之一。
但問題也恰恰出在這里。當一種生態(tài)的“語言”和“接口范式”已經(jīng)被定義時，后來者即使在規(guī)模上實現(xiàn)反超，也往往難以在規(guī)則層面取得主導權(quán)。相較之下，Anthropic之所以成為OpenAI最強勁的對手，在于其并沒有完全兼容OpenAI接口，而是保持一定相似性的同時，構(gòu)建了獨立的API體系，并借助Amazon的AWS生態(tài)進行分發(fā)。雖然這種路徑犧牲了部分遷移效率，卻在長期發(fā)展中保留了爭奪標準話語權(quán)的空間。
上述策略的差異，實際上揭示了一條更底層的邏輯：規(guī)模和規(guī)則并不等同。實際上，歷史已經(jīng)反復證明，使用最多的系統(tǒng)未必制定規(guī)則，出貨量最大的產(chǎn)品也未必掌握標準。在AI領(lǐng)域，這種邏輯同樣適用。而事實是，當前的API范式、開發(fā)框架乃至企業(yè)級集成路徑，仍然深受OpenAI、微軟和谷歌等體系的影響。
也正因為如此，一種看似矛盾的結(jié)果出現(xiàn)了，那就是中國在Token規(guī)模上快速領(lǐng)先，但在規(guī)則與生態(tài)層面，仍然處于“參與者”的位置。而這種“規(guī)模領(lǐng)先、規(guī)則滯后”的錯位，正是當前階段最值得警惕的隱憂。
綜上，如果說Token規(guī)?；卮鸬氖橇康膯栴}，那么決定未來的，始終是結(jié)構(gòu)的問題。從這個角度看，中國AI真正需要跨越的，并不是再多產(chǎn)生一些Token，而是完成一次更深層的結(jié)構(gòu)躍遷。
首先需要突破的，是從成本優(yōu)勢走向不可替代能力。不可否認，低價格可以迅速打開市場，但很難長期鎖定市場。一旦競爭進入充分階段，單純依靠價格優(yōu)勢，往往會演變?yōu)槌掷m(xù)的內(nèi)卷。而真正能夠形成定價權(quán)的，往往是那些在關(guān)鍵場景中不可替代的更強的推理能力以及更穩(wěn)定的企業(yè)級表現(xiàn)，抑或在特定行業(yè)中的深度優(yōu)化。這些能力，才是將“可用”轉(zhuǎn)化為“必須用”的關(guān)鍵。雖然我們在編程、Agent等特定領(lǐng)域已有局部領(lǐng)先的跡象，但整體仍需向更高階能力躍升。
其次，是從接口兼容走向標準定義。當前AI生態(tài)中最隱蔽卻最關(guān)鍵的控制力，并不在模型本身，而在接口、工具鏈與開發(fā)范式。誰定義了這些，誰就決定了開發(fā)者如何構(gòu)建應(yīng)用、企業(yè)如何接入AI。基于此，如果我們長期停留在“兼容者”的位置，那么即使規(guī)模再大，也很難在生態(tài)層面取得主導權(quán)。而只有當中國廠商開始在接口設(shè)計、開發(fā)框架乃至應(yīng)用范式上提出自己的標準時，規(guī)則層面的競爭才真正開始。
更深一層則是底層技術(shù)與系統(tǒng)能力的持續(xù)突破。畢竟Token只是最終的表現(xiàn)形式，其背后是芯片、算法與工程體系的綜合能力，而在這一層面，英偉達仍然掌握著關(guān)鍵的算力節(jié)點；頂級模型能力也仍主要集中在歐美廠商手中。此背景之下，如果我們?nèi)狈Τ掷m(xù)的底層創(chuàng)新，Token的成本和規(guī)模優(yōu)勢，很可能難以長期維持。
最后，也是最容易被忽視的一點是高價值場景的應(yīng)用。未來真正決定AI產(chǎn)業(yè)格局的，并不是誰生成了更多Token，而是誰掌握了最有價值的那部分Token。無論是金融、醫(yī)療，還是工業(yè)與科研，這些領(lǐng)域?qū)δＰ湍芰?、穩(wěn)定性和可信度的要求遠高于普通應(yīng)用，同時也對應(yīng)著更高的商業(yè)價值。所以只有在這些場景中建立優(yōu)勢，Token規(guī)模才會轉(zhuǎn)化為真正的產(chǎn)業(yè)能力。
綜上，我們認為，140萬億Token，確實可喜可賀，它說明中國已經(jīng)在AI時代占據(jù)了一席重要位置，甚至正在成為全球最重要的算力供給方之一。但我們同樣需要看到，真正決定長期格局的，從來不是單一維度的領(lǐng)先，而是多層結(jié)構(gòu)的協(xié)同演進。
而真正的分水嶺，不在于Token能否繼續(xù)增長，而是中國能否從“生產(chǎn)更多Token”，走向“定義Token如何被使用“。只有當這一步完成，Token才不只是一個高速增長的數(shù)字，而是成為一個真正具備產(chǎn)業(yè)化能力的基礎(chǔ)資源。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論