隨著Openclaw的大火，大家在養蝦之余最大的痛點，無疑于Token用起來太快 、太貴，各種“龍蝦”操縱傾家蕩產續費Token的段子。

大家肉痛的同時，有沒有想過，各家廠商在這里面能賺多少呢？部署個大模型賣算力會是個好生意么？

今天我們就來一起深度測算一下：

各大廠商Token收費幾何？

我們統計了截至2026 年 3 月，國內外主流大模型 API 的Token收費標準（按百萬Token 計費，單位：美元 / 人民幣）：

一、國外主流大模型（美元/ 百萬 Token）

1. OpenAI（2026-03-06 最新）

2. Anthropic Claude（2026-03）

3. Google Gemini（2026）

二、國內主流大模型（元/ 百萬 Token）

1. 百度文心一言

2. 阿里通義千問

3. 騰訊混元

4. 字節豆包

三、價格對比要點

1、國內vs國外：國內模型價格普遍為海外頂尖模型的1/5～1/20，中文場景性價比更高。

2、輸入vs輸出：輸出Token價格通常是輸入的4～8倍，長文本生成成本更高。

3、緩存機制：主流模型支持上下文緩存，緩存輸入價格可低至標準輸入的1/10，適合長文檔/對話場景。

4、長上下文溢價：超過基礎窗口（如200K）后，價格常翻倍。

賣算力token成本如何，利潤多少？

撇除人工研發費用，算力成本的核心是電力成本和硬件折舊。

一、先統一假設（最保守、最貼近真實）

·模型：通義千問Turbo / DeepSeek-chat（V3.2）（國內最低定價）

·硬件：H800 8卡服務器（當前主流推理硬件）

單卡：700W（滿載）

整機：8×700W = 5.6kW

PUE：1.3（含冷卻）→實際用電：5.6×1.3 = 7.28kW

·電價：0.3元/度（國內西部綠電/工業電價，保守取中）

·服務器成本：單臺200萬元（8×H800）

·折舊：3年直線折舊→年折舊：200萬÷ 3 ≈ 66.67萬元

·利用率：70%（推理集群典型滿載率）

·推理效率：單H800每秒生成60 tokens（DeepSeek實測）

單卡日產出：60 × 3600 × 24 × 0.7 ≈ 362.88萬tokens /天

整機（8卡）日產出：≈ 2903萬tokens /天

整機年產出：≈ 105.96億tokens = 1,059,600百萬tokens

二、直接成本測算（每百萬Token）

1. 電力成本（每百萬 Token）

·整機每小時耗電：7.28度

·整機每小時產出：60×3600×8×0.7 ≈ 120.96萬tokens

·每百萬Token耗電：7.28 ÷ 120.96 ≈ 0.0602度

·電力成本：0.0602 × 0.3 ≈ 0.018元/百萬Token

2. 服務器折舊成本（每百萬 Token）

·年折舊：666,700元

·年產出：1,059,600百萬tokens

·折舊成本：666,700 ÷ 1,059,600 ≈ 0.629元/百萬Token

3. 直接總成本（電力 + 折舊）

·≈ 0.018 + 0.629 = 0.647元/百萬Token

三、下面我們以四家模型為例：收入/ 成本 / 毛利率

1. 通義千問 Turbo（國內最便宜）

·輸入：0.3元/百萬

·輸出：0.6元/百萬

·收入：0.3 + 2×0.6 =1.5元

·成本：0.65元

·毛利率：≈ 57%

2. DeepSeek Chat

·輸入：2.0元

·輸出：3.0元

·收入：2.0 + 2×3.0 =8.0元

·成本：0.65元

·毛利率：≈ 92%

3. 豆包 Doubao Seed 2.0 Pro

·輸入：3.2元/百萬

·輸出：16.0元/百萬

·收入：3.2 + 2×16.0 =35.2元

·成本：0.65元

·毛利率：≈ 98%

4. OpenAI GPT-5.4

·輸入：18元

·輸出：108元

·收入：18 + 2×108 =234元

·成本：0.65元

·毛利率：≈ 99.7%

我們可以得出：

1、哪怕國內最便宜的模型，定價也遠超硬件+電費成本。

2、電力幾乎可以忽略不計，成本只有GPU折舊。

3、所有大模型API都是高毛利生意，低價只是卷市場，不是不賺錢。

4、GPT定價是國內的30～100倍，成本幾乎一樣。

毛利潤由此可見，大廠猛推龍蝦的核心動力除了搶占用戶，也確實賺錢啊。這還沒算安裝費、云服務費用，在不遠的將來，賣算力也許真的是個好生意。

需要再次強調，本次計算是刨除了人力成本，AI涌動，大廠的研發人員也是一筆巨大開支。

免責聲明：所有算法均為筆者驅使AI估算，如果你覺得不對，請盡情在評論里diss，我幫你們調教這個AI。