核心觀點：

• Token工廠的提出，引發(fā)了學(xué)術(shù)界和產(chǎn)業(yè)界極大的關(guān)注。當(dāng)前，對AI基礎(chǔ)設(shè)施的討論仍沿用“數(shù)據(jù)中心”“算力中心”這樣的傳統(tǒng)概念。但是這些概念是無法精準(zhǔn)的描述token工廠的。事實上，token工廠正在成為AI世界的基礎(chǔ)貨幣。但圍繞它的生產(chǎn)、定價、交易、消耗等內(nèi)容都處于初期階段，尚未成型。

• Token的生產(chǎn)是token工廠的核心目標(biāo)，不再是泛泛的計算或存儲，而是聚焦于AI模型推理與訓(xùn)練所產(chǎn)生Token。

• Token工廠的運營成本中，電力占比可達(dá)50-70%，其次是芯片折舊、液冷散熱、網(wǎng)絡(luò)互聯(lián)和運維人力。與功耗產(chǎn)出對應(yīng)，單位Token成本與單位功耗產(chǎn)出成反比——功耗產(chǎn)出越高，單位Token成本越低。

• 現(xiàn)實層面看，token工廠的能源策略對于電力能源的要求極高，傳統(tǒng)研究視角將算力和電力視為獨立的兩個問題，但是token工廠的運行模式，兩者必須作為一個耦合系統(tǒng)來研究。電力系統(tǒng)如何配合與供應(yīng)成為了當(dāng)前的關(guān)注點。

（1）行業(yè)定義概念界定

Token工廠（token factory）是指大規(guī)模、高效率、低成本生產(chǎn)token為核心目標(biāo)，通過算—電—熱—網(wǎng)深度協(xié)同的技術(shù)架構(gòu)，電力、芯片、數(shù)據(jù)等輸入要素轉(zhuǎn)化為標(biāo)準(zhǔn)化智能服務(wù)輸出（token）的新型基礎(chǔ)設(shè)施。

Token的生產(chǎn)是token工廠的核心目標(biāo)，不再是泛泛的計算或存儲，而是聚焦于AI模型推理與訓(xùn)練所產(chǎn)生Token。它更強調(diào)工業(yè)化的規(guī)模經(jīng)濟(jì)效應(yīng)，實現(xiàn)高效率、低成本的生產(chǎn)模式。將計算、電力、散熱、網(wǎng)絡(luò)視為一個有機整體進(jìn)行優(yōu)化，而非割裂的子系統(tǒng)。對于Token工廠來說，電力、芯片和數(shù)據(jù)才是他的原材料，產(chǎn)出可計量、可定價、具有交易屬性的Token則是它的產(chǎn)出物，也就是為客戶提供標(biāo)準(zhǔn)化的智能服務(wù)（Token）。

相較于傳統(tǒng)的數(shù)據(jù)中心、算力中心，Token工廠的核心是“生產(chǎn)token”這個工業(yè)化過程，而不僅僅是提供計算資源。

具體區(qū)別如下：

表格1 Token工廠與傳統(tǒng)數(shù)據(jù)中心、算力中心的對比

數(shù)據(jù)來源：公開資料，融中研究

（2）市場規(guī)模及競爭格局

1）行業(yè)市場規(guī)模

Token工廠目前還沒有官方統(tǒng)計口徑，這一概念是英偉達(dá)在2026年的GTC大會上正式提出的。因此，融中研究根據(jù)Token消耗量、AI推理市場、AI數(shù)據(jù)中心市場等不同口徑來進(jìn)行市場規(guī)模推測。

消耗端：根據(jù)國家數(shù)據(jù)局披露的數(shù)據(jù)，中國日均Token調(diào)用量從2024年初的1000億增長到2026年3月的140萬億，兩年增長超過1000倍。

產(chǎn)業(yè)端：2026年3月，阿里云、百度智能云、騰訊云等相繼上調(diào)AI算力相關(guān)產(chǎn)品價格，部分模型Token計費漲幅超過400%。英偉達(dá)預(yù)測2026-2027年全球AI算力采購訂單積壓規(guī)模將突破1萬億美元。阿里宣布未來三年投入超千億元用于云和AI硬件基礎(chǔ)設(shè)施建設(shè)。

2）競爭格局

作為2026年3月英偉達(dá)GTC大會上正式提出的新概念，token工廠的競爭格局正在快速形成中。英偉達(dá)CEO黃仁勛在GTC 2026大會上明確指出，AI競爭的核心已從模型訓(xùn)練轉(zhuǎn)向Token生產(chǎn)效率（即推理）。衡量標(biāo)準(zhǔn)不再是“峰值算力”，而是“每瓦token吞吐量”和“每百萬token成本”。

從全球來看，中美走向兩條側(cè)重不同的發(fā)展道路。美國側(cè)重于前沿突破，驅(qū)動力來自資本與頂尖研發(fā)的良性循環(huán)。目前，英偉達(dá)Vera Rubin平臺七顆芯片全部投產(chǎn)，從3nm走向1.6nm，從地面延伸至太空，從GPU擴(kuò)展至LPU。

中國則更重視向深處扎根，驅(qū)動力來自國家戰(zhàn)略和產(chǎn)業(yè)升級的現(xiàn)實需求。應(yīng)用空間廣闊，工業(yè)場景和商業(yè)鏈路完整，要優(yōu)先解決算力如何真正用起來。

Token工廠概念的提出，使得AI行業(yè)內(nèi)的企業(yè)更加清晰了自己的行業(yè)定位，同時也開始了進(jìn)一步的行業(yè)布局。英偉達(dá)的角色不再是單純的芯片供應(yīng)商，而是token工廠的全棧方案提供商。芯片層的競爭正在從單性能芯片轉(zhuǎn)向系統(tǒng)解決方案。從云服務(wù)和模型層來看，調(diào)用量排名前十中，中國模型占據(jù)四席并包攬前三名：MiniMax M2.5、階躍星辰Step 3.5 Flash、DeepSeek V3.2，Kimi K2.5位列第九，中國模型的核心競爭力在于極致性價比——Token價格僅為國外競品的1/6至1/10。

（3）產(chǎn)業(yè)鏈圖譜

Token工廠產(chǎn)業(yè)鏈的傳導(dǎo)邏輯是：下游應(yīng)用爆發(fā)，大模型、AI智能體等的大規(guī)模應(yīng)用，使得Token需求激增，從而導(dǎo)致算力開始漲價，上游硬件開始擴(kuò)產(chǎn)。

表格2 Token工廠產(chǎn)業(yè)鏈?zhǔn)崂?/p>

數(shù)據(jù)來源：公開資料，融中研究

注：電力供應(yīng)環(huán)節(jié)因企業(yè)較為分散（如核電、綠電、電網(wǎng)調(diào)度等），且此前未列出具體代表企業(yè)，故暫未納入表格。如有需要，可補充國家電網(wǎng)、南方電網(wǎng)、中廣核等。

（4）影響與意義

Token工廠的出現(xiàn)，標(biāo)志著AI產(chǎn)業(yè)從“模型競賽”轉(zhuǎn)向“生產(chǎn)競賽”，價值錨點從模型智能水平轉(zhuǎn)移至Token的生產(chǎn)效率與成本。模型正從稀缺品變?yōu)榇笞谏唐罚偁幗裹c變?yōu)椤罢l生產(chǎn)Token更快、更便宜、更穩(wěn)定”，AI由此從實驗室經(jīng)濟(jì)走向工廠經(jīng)濟(jì)。同時，能源與算力深度耦合，“算電協(xié)同”成為新范式：電力從成本項升級為戰(zhàn)略資源，占比高達(dá)50-70%，Token工廠通過柔性負(fù)載調(diào)度、自建微電網(wǎng)甚至捆綁核電，將算力從“云”變?yōu)榕c地理、能源、電網(wǎng)綁定的重資產(chǎn)，徹底改寫了數(shù)據(jù)中心選址與運營邏輯。

全球競爭格局正被重塑，Token成為新型戰(zhàn)略商品。中國憑借極致性價比，在Token調(diào)用量上已反超美國，形成“Token出海”這一智能服務(wù)出口模式，中美分化出自主可控與前沿技術(shù)兩條路徑。經(jīng)濟(jì)模式上，Token演變?yōu)榭捎媰r、可交易的“智能貨幣”，黃仁勛提出五級定價模型，商業(yè)模式從“賣資源”（按卡時）升級為“賣產(chǎn)品”（按Token），2026年集體漲價潮宣告賣方市場來臨。垂直整合與重資產(chǎn)化成為巨頭戰(zhàn)略，Token工廠使AI真正成為千行百業(yè)的生產(chǎn)力工具，開啟了智能的工業(yè)化大生產(chǎn)時代。

（1）生產(chǎn)核心：芯片與集群

1）芯片

從“單芯片性能競賽”轉(zhuǎn)向“全棧系統(tǒng)級協(xié)同”。芯片不再是孤立元件，而是與互聯(lián)、存儲、網(wǎng)絡(luò)深度綁定的平臺化解決方案。

表格3 關(guān)鍵玩家與策略

數(shù)據(jù)來源：融中研究

2）集群

當(dāng)集群從千卡邁向萬卡/十萬卡，芯片間通信效率成為整體算力利用率的關(guān)鍵瓶頸。供電、散熱、網(wǎng)絡(luò)拓?fù)洹⑴c電網(wǎng)協(xié)同共同決定系統(tǒng)上限。

表格4 集群架構(gòu)分層

數(shù)據(jù)來源：融中研究

（2）生產(chǎn)流程

1）輸入階段

Token工廠的輸入主要包括三類核心資源：電力、數(shù)據(jù)、算力基礎(chǔ)設(shè)施。

表格5 Token工廠的輸入

數(shù)據(jù)來源：融中研究

輸入環(huán)節(jié)的競爭已從“單純堆砌算力”升級為“算-電-熱-網(wǎng)”四位一體的資源整合能力。誰能以更低成本獲得穩(wěn)定電力和高質(zhì)量數(shù)據(jù)，誰就占據(jù)Token生產(chǎn)的成本優(yōu)勢。

2）加工階段

加工環(huán)節(jié)是將輸入轉(zhuǎn)化為Token的核心過程，分為訓(xùn)練和推理兩大階段，目前重心正從訓(xùn)練向推理遷移。

表格6 Token的加工環(huán)節(jié)

數(shù)據(jù)來源：融中研究

最新架構(gòu)趨勢：

Prefill-Decode分離：英偉達(dá)將推理拆分為預(yù)填充（GPU負(fù)責(zé)）和解碼（Groq LPU負(fù)責(zé)），延遲降至0.1毫秒以下，性能提升35倍。

MoE（混合專家模型）：僅激活部分參數(shù)，大幅降低推理成本。DeepSeek等模型已廣泛應(yīng)用。

投機解碼：用小模型快速生成候選Token，大模型并行驗證，顯著提升推理速度。

加工環(huán)節(jié)正從“通用計算”走向“場景化分工”。不同模型架構(gòu)、不同任務(wù)類型需要定制化的計算流水線，單一芯片難以包攬全局。

3）輸出階段

輸出環(huán)節(jié)是將加工產(chǎn)生的Token封裝為可交付、可計價的標(biāo)準(zhǔn)化產(chǎn)品，并通過API或應(yīng)用層送達(dá)用戶。

表格7 Token的輸出環(huán)節(jié)

數(shù)據(jù)來源：融中研究

輸出環(huán)節(jié)的本質(zhì)是將無形的“智能”轉(zhuǎn)化為可交易的商品。Token作為標(biāo)準(zhǔn)化計量單位，使AI服務(wù)能夠像水電一樣按需付費，極大地降低了應(yīng)用門檻。

（3）核心生產(chǎn)效率指標(biāo)

Token工廠的核心生產(chǎn)效率指標(biāo)是衡量其競爭力的關(guān)鍵標(biāo)尺。與傳統(tǒng)數(shù)據(jù)中心看重資源利用率（如CPU利用率、存儲利用率）不同，Token工廠的價值產(chǎn)出完全圍繞“Token”展開——評價標(biāo)準(zhǔn)已從“擁有多少芯片”轉(zhuǎn)變?yōu)椤懊客吣芎哪墚a(chǎn)出多少高質(zhì)量Token”。

1）單位功耗產(chǎn)出

核心指標(biāo)定義：Tokens per second per watt（每秒每瓦產(chǎn)出的Token數(shù)），或更宏觀的Tokens per second per megawatt（每兆瓦每秒產(chǎn)出的Token數(shù)）。這一指標(biāo)直接反映了Token工廠將電力轉(zhuǎn)化為智能產(chǎn)品的核心生產(chǎn)效率。

背景與意義：AI數(shù)據(jù)中心的能耗正以驚人的速度攀升，供電能力、散熱可持續(xù)性、網(wǎng)絡(luò)拓?fù)湫誓酥僚c公共電網(wǎng)的協(xié)同能力，開始共同決定整個系統(tǒng)的上限。因此，“每瓦Token產(chǎn)出效率（Token per Watt）”正取代傳統(tǒng)的峰值算力與單卡性能，成為新的核心KPI。這意味著評價對象已經(jīng)從“芯片”轉(zhuǎn)向“系統(tǒng)”——供電、冷卻、網(wǎng)絡(luò)、調(diào)度乃至建筑交付周期，都會被納入同一個經(jīng)濟(jì)模型進(jìn)行統(tǒng)一優(yōu)化。

提升單位功耗產(chǎn)出的核心路徑已從芯片優(yōu)化擴(kuò)展到“算-電-熱-網(wǎng)”四位一體的協(xié)同優(yōu)化。英偉達(dá)在GTC 2026上推出了Vera Rubin DSX AI Factory參考設(shè)計，其核心目標(biāo)就是實現(xiàn)“每瓦最大Token產(chǎn)出”。該參考設(shè)計覆蓋計算、網(wǎng)絡(luò)與存儲，并配套開放、模塊化、可組合的軟件棧，將集群硬件與供電、冷卻系統(tǒng)聯(lián)動起來，從而在整體層面獲取更高的Token per watt。

2）單位成本產(chǎn)出

核心指標(biāo)定義：Cost per million tokens（每百萬Token的成本），以及Token吞吐量帶來的每GPU每秒Token數(shù)（TPS per GPU）所對應(yīng)的總擁有成本（TCO）。它直接決定了Token工廠的盈利能力和市場競爭力。

成本構(gòu)成：Token工廠的運營成本中，電力占比可達(dá)50-70%，其次是芯片折舊、液冷散熱、網(wǎng)絡(luò)互聯(lián)和運維人力。與功耗產(chǎn)出對應(yīng)，單位Token成本與單位功耗產(chǎn)出成反比——功耗產(chǎn)出越高，單位Token成本越低。

表格8 定價體系：Token作為“智能貨幣”

數(shù)據(jù)來源：融中研究

單位成本產(chǎn)出是Token工廠的“利潤核心”。在固定功耗下，誰的每瓦Token產(chǎn)出更高，誰的Token成本就更低，誰就能獲得更高的利潤空間。分級定價體系將Token從技術(shù)術(shù)語轉(zhuǎn)變?yōu)榭捎媰r、可交易的商品，使AI服務(wù)能夠像水電一樣按需付費，極大地降低了應(yīng)用門檻。

3）時間效率

核心指標(biāo)定義：Token吞吐量（Tokens per second，TPS）、首Token延遲（Time To First Token，TTFT）、每Token生成時間（Time Per Output Token，TPOT）。這些指標(biāo)直接決定了用戶體驗和AI系統(tǒng)的可用性。

吞吐量基準(zhǔn)（Tokens per Second）

吞吐量是Token工廠在單位時間內(nèi)能夠生成的Token總數(shù)，決定了系統(tǒng)能同時服務(wù)多少用戶請求。

AMD MLPerf突破：2026年4月，AMD在MLPerf Inference v6.0基準(zhǔn)測試中首次突破每秒100萬Token的吞吐量里程碑，在Llama 2 70B和GPT-OSS-120B等模型上均達(dá)到百萬級Token/秒的性能。AMD MI355X單GPU在Llama 2 70B上實現(xiàn)100,282 Token/秒，是上一代MI325X的3.1倍。

英偉達(dá)Blackwell Ultra：GB300 NVL72的最大單GPU吞吐量達(dá)到226.2 Token/秒，比上一代GB200有顯著提升。GB300在延遲敏感型工作負(fù)載上的性能提升約1.4-1.5倍，延遲改善約1.58倍。

極致案例：字節(jié)跳動豆包的日均Token消耗量已達(dá)120萬億Token，折合每秒并發(fā)處理約13.9億Token。這已不是實驗室壓力測試，而是真實生產(chǎn)環(huán)境的持續(xù)負(fù)載，代表了Token工廠吞吐能力的極限邊界。

延遲指標(biāo)（TTFT與TPOT）

首Token延遲（TTFT）：從用戶發(fā)送請求到收到第一個Token的時間。對于交互式應(yīng)用（如聊天機器人），這是最關(guān)鍵的體驗指標(biāo)。Lambda等廠商通過Smart Expert Routing技術(shù)將TTFT的P99延遲降低了31%。

Prefill-Decode分離：英偉達(dá)將推理拆分為預(yù)填充（Prefill，GPU負(fù)責(zé)）和解碼（Decode，Groq LPU負(fù)責(zé)），通過分工協(xié)作將延遲降至0.1毫秒以下，推理性能提升35倍。

表格9 三大指標(biāo)的聯(lián)動關(guān)系

數(shù)據(jù)來源：融中研究

（1）成本結(jié)構(gòu)

表格10 Token工廠成本結(jié)構(gòu)

數(shù)據(jù)來源：融中研究

電力成本是Token工廠最大的單項支出，占比過半且持續(xù)上升。控制Token成本的核心在于提升“每瓦Token產(chǎn)出效率”，而非單純壓降電價。自建微電網(wǎng)、捆綁核電、液冷普及是主要降本手段。

（2）收入模式（定價方式）

表格11 Token工廠收入模式

數(shù)據(jù)來源：融中研究

Token已成為可計價的“智能貨幣”，收入模式從單一按量計費走向分層定價。頭部云廠商通過漲價（2026年3月漲幅30%-400%）掌握了定價權(quán)，市場進(jìn)入賣方市場。未來收入增長依賴智能體驅(qū)動的Token消耗量指數(shù)級上升。

（3）商業(yè)模式

表格12 Token工廠商業(yè)模式

數(shù)據(jù)來源：融中研究

Token工廠推動商業(yè)模式從“賣資源”向“賣智能”升級，垂直整合成為巨頭首選。英偉達(dá)從芯片商轉(zhuǎn)型為“AI工廠架構(gòu)師”，阿里、字節(jié)則打通從生產(chǎn)到應(yīng)用的全鏈條。未來可能出現(xiàn)專業(yè)化的Token生產(chǎn)商與交易平臺，進(jìn)一步細(xì)化分工。

Token工廠的經(jīng)濟(jì)本質(zhì)是將電力、芯片、數(shù)據(jù)轉(zhuǎn)化為可交易的智能商品。成本端以電力為核心瓶頸，收入端依賴Token分層定價與消耗量增長，商業(yè)模式正從資源出租走向智能產(chǎn)品交付。三者協(xié)同決定了Token工廠的盈利能力和競爭壁壘。

（1）電力供應(yīng)側(cè)

電力供給側(cè)的挑戰(zhàn)：從“成本項”到“產(chǎn)能瓶頸”的質(zhì)變

Token工廠的電力需求已從傳統(tǒng)數(shù)據(jù)中心的數(shù)十兆瓦躍升至數(shù)百兆瓦乃至吉瓦級，電力不再是可替代的運營成本，而是決定Token總產(chǎn)量的“硬天花板”。更嚴(yán)峻的是，AI芯片對電壓波動極度敏感，而風(fēng)光綠電的間歇性與Token工廠7×24小時連續(xù)生產(chǎn)的要求形成根本矛盾。部分地區(qū)電網(wǎng)容量已耗盡，新建Token工廠面臨“有GPU、無供電”的尷尬。黃仁勛直言：“數(shù)據(jù)中心受電力限制，1GW工廠永遠(yuǎn)不會變成2GW。”電力供給側(cè)正成為制約AI產(chǎn)業(yè)擴(kuò)張的最短木板。

（2）解決方案：算電協(xié)同

算電協(xié)同的解決方案：從“被動用電”到“柔性共生”

破解電力瓶頸的關(guān)鍵在于讓Token工廠與電力系統(tǒng)深度協(xié)同，而非單向依賴。一方面，工廠作為“柔性負(fù)載”，可根據(jù)電網(wǎng)電價和綠電波動動態(tài)調(diào)整算力分配——電價低時全力訓(xùn)練模型，電價高時僅維持推理服務(wù)；另一方面，頭部企業(yè)正自建微電網(wǎng)，捆綁核電（微軟重啟三哩島）、地?zé)幔ü雀瑁┑确€(wěn)定清潔能源，甚至部署小型模塊化反應(yīng)堆（SMR）實現(xiàn)“離網(wǎng)運行”。液冷普及和余熱回收進(jìn)一步提升了能源利用效率，使Token工廠從“電老虎”轉(zhuǎn)型為電網(wǎng)的“調(diào)峰伙伴”。

（3）未來趨勢

Token工廠未來的發(fā)展趨勢：從“算力堆砌”到“系統(tǒng)效率”的終極競爭

未來Token工廠的競爭將圍繞三大趨勢展開：一是推理主導(dǎo)，隨著AI智能體爆發(fā)，推理算力占比將超60%，低延遲、高吞吐的推理專用芯片（如LPU）和Prefill-Decode分離架構(gòu)成為新焦點；二是能效為王，每瓦Token產(chǎn)出（Token per Watt）取代峰值算力成為核心KPI，液冷、CPO互聯(lián)、算電協(xié)同等系統(tǒng)級優(yōu)化決定生死；三是垂直整合與分化并存，巨頭自建全鏈條Token工廠（如阿里ATH），而中小玩家轉(zhuǎn)向?qū)I(yè)化分工（算力租賃、Token交易平臺）。最終，Token將像水電一樣成為普惠智能服務(wù)，其生產(chǎn)成本無限逼近物理極限——電力轉(zhuǎn)化效率。