中国算力提供商正将重心从单纯的图形处理器堆叠转向优化单位基础设施的令牌价值产出，以应对资源约束收紧的局面。
2026年，中国西北部主要数据中心枢纽正经历一场近乎狂热的基建扩张。6月，DeepSeek在内蒙古乌兰察布豪赌建设一座1吉瓦（GW）的智能计算基地；7月，中科曙光8000宣布其首个全栈国产化十万卡超算集群正式接入国家超级计算互联网；8月，阿里云宣布将其AI数据中心（AIDC）交付周期压缩至仅100天，沿西北绿色能源走廊激进扩张。值得注意的是，与以往厂商侧重于统计硬件数量或展示理论峰值算力的做法不同，行业重心已转向系统工程。衡量算力基础设施的真正标杆似乎已从“你拥有多少张卡”转变为“十万张卡能否稳定、持续且无瓶颈地协同执行现实世界的大模型任务”。
这一演变引发了一个关键问题：随着算力基础设施从简单的硬件堆叠进入严酷的系统工程考验阶段，推动这一转变的根本动力是什么？为何在显卡数量飙升的同时，整个行业对“有效产出”普遍感到焦虑？答案在于下游需求爆炸式增长超出了供给能力。近年来，AI部署已从聊天机器人演变为持续调用模型的智能体（Agents），驱动了模型调用量的激增。根据国家数据局数据，2026年3月，中国日均Token调用量超过140万亿次，较2024年初的1000亿次增长了1000倍以上。这种需求激增正在重塑全球模型使用格局。OpenRouter数据显示，2026年2月9日至15日期间，中国模型产生了4.12万亿次Token调用，超过了同期美国模型的2.94万亿次调用。
机制很简单。聊天AI通常基于一问一答模式运行，而智能体则自主规划任务、调用工具、解析结果，并在执行和验证中迭代。单个任务往往需要多次连续运行——有时多达数十次——导致Token消耗远高于标准对话。简而言之，推动这一激增的任务变得显著更重。一项针对SWE-bench Verified的研究使用了八款前沿模型和OpenHands智能体，结果显示，智能体编码消耗的Token约为单轮代码推理的3,500倍，是代码聊天的1,200倍。输入Token远多于输出，平均输入输出比为154:1。
随着这些高消耗任务从实验性用途扩展到大规模应用，平台级的Token结构正在发生变化。基于超过100万亿Token的匿名元数据分析，OpenRouter与a16z发布的《2025 AI使用报告》显示，编程任务现占平台Token使用量的50%以上，高于2025年初的11%，成为最大的单一类别。与此同时，2026年3月最突出的通用智能体框架OpenClaw仅贡献了每周平台消耗量的约四分之一。目前，并非通用智能体，而是建立了清晰工作流并证明付费意愿的AI编码，才能可靠地将高频调用转化为稳定的Token消耗。
智谱AI是最早集中资源投入编码赛道的模型厂商之一。其GLM Coding Plan已吸引超过24.2万名全球付费开发者，Token调用量在六个月内增长了15倍。引人注目的是，2026年第一季度，GLM API价格累计上调约83%，但调用量仍增长了约400%。其模型API年度经常性收入（ARR）在3月达到17亿元人民币（同比增长60倍），并在7月飙升至10亿美元。Anthropic用了15个月才实现ARR从1亿美元到10亿美元的增长，而智谱仅用了5个月。月之暗面的增长曲线更为陡峭。K3发布后仅48小时，其用户请求量就接近现有集群的承载极限。MiniMax M2.5在发布七天内突破了3.07万亿次Token调用。
当模型厂商见证产品需求的爆发时，云服务商看到整个Token市场迅速扩大。按MaaS调用量计算，火山引擎的豆包大模型日Token调用量从2024年底的2万亿次上升至2025年底的63万亿次，2026年3月达到120万亿次，6月达到180万亿次——两年内增长了1,500多倍。IDC数据显示，火山引擎在中国公共云MaaS市场中按调用量计占有9.5%的份额。内部来看，其增长最快的细分领域是编码工具Trae，其日Token消耗量从最初的80亿次扩展至3,000–4,000亿次区间。在2026财年第四季度，其AI相关收入达到89.71亿元人民币，首次占外部商业收入的30%以上。百炼平台的客户群同比增长八倍，过去五个月日Token收入增长约15倍。阿里云财报反复提及百炼模型调用和Qoder等AI编码产品作为关键增长驱动力。
最终，智能体解锁了远超传统聊天的Token消耗空间，而AI编码成功将这一需求转化为稳定收入。这压垮了供给，迫使AI行业进入以“需求爆炸→价格上涨→规模扩张”为特征的黄金繁荣期。通常情况下，更强的需求会带来更大的规模经济以及收入和利润的同步增长。然而在智能体和AI编码时代，出现了一个悖论：产品越火爆，厂商限制购买、提高价格或暂停新用户注册的频率越高。月之暗面便是例证。K3发布48小时内，算力过载迫使其暂停C端订阅访问。如果新需求能可靠转化为利润，厂商在需求高峰期就没有理由“关门歇业”。中国企业资本联盟副主席白文西指出：“核心问题是K3通过了需求测试，但未通过供给和利润测试。”其他专家将此归因于算力短缺后的服务保障，反映出独立大模型公司正从获取用户转向优先关注收入和效率。
2026年3月20日，阿里云百炼Coding Plan Lite停止新购，4月13日停止续费及升级，逐步淘汰其原有的40元低价档位。智谱GLM转为固定时段限量销售，Max版本每日仅释放约20%的配额。同时，阿里云、腾讯云、MiniMax和小米推出或重新包装了Token计划，取代按次计费，改为细粒度的Credits/Token计量。此前，聊天AI的Token消耗相对平稳且可预测。在智能体时代，特别是对于AI编码而言，这一逻辑失效。如前所述，某些智能体编码任务的输入输出比极端高达154:1。这迅速拉大了用户间的成本差距。普通用户可能每天进行几十次调用，而深度将编码智能体融入工作流的heavy user可能会让模型连续运行数小时甚至整天。因此，单个Token和算力成本可能相差数十甚至数百倍。
这就造成了结构性问题。月度订阅本质上是用固定的收入来覆盖不可预测的算力消耗——智能体将这一点放大到极致。性能越强的产品会吸引更多专业开发者和高频用户。他们利用系统越深入，厂商的边际算力成本就越高。一旦预设容量被突破，厂商必须依靠配额、限制、权益拆分或基于Token的计费来重新控制成本。如果Token毛利率极高，厂商可以用轻用户补贴重用户。事实上，利润率已经微乎其微。星环科技CEO孙远浩表示：“Token工厂赛道竞争激烈的根本原因是Token定价与算力采购成本之间的价差狭窄，留下的利润空间极小。”加上持续高企的硬件采购成本和多轮MaaS价格战，每个Token的绝对毛利率极低。当重用户通过智能体任务触发长上下文检索时，这些本就微薄的利润瞬间消失，有时甚至转为净亏损。除了前端商业模式倒置外，后端极端的算力浪费进一步推高了每个Token的摊销成本。中国信通院数据显示，传统AI中心的GPU利用率通常保持在30%以下。算力并未被市场高效吸收；大量服务器农场运行空闲任务或因网络丢包和显存碎片化而停滞。这些闲置和浪费的周期最终分摊到每一个生成的Token中，加剧了原本就受挤压的价差。
这定义了2026年最具悖论色彩的AI行业景象：旺盛的使用欲望和飙升的调用量，与厂商抱怨利润率缩水及被迫涨价形成鲜明对比。根本原因在于，传统的SaaS月度订阅逻辑在智能体时代的算力黑洞面前完全失效。需求是真实的，但在当前的综合Token生产成本下，没有任何厂商能在现有商业模式下承受重用户需求激增的压力。为了赢得这场成本防御战，供应方发起了涵盖四大支柱的系统性改革：降低电力成本、打通通信路径、实施智能分工以及捕捉低谷时段。东部沿海数据中心的工业电价通常在0.6至0.8元人民币/千瓦时之间。相比之下，内蒙古乌兰察布和甘肃庆阳等西北地区拥有丰富的风能和太阳能绿色电力，将综合电力成本降至0.25–0.3元人民币/千瓦时。对于跨度从几百兆瓦到1吉瓦的AI中心而言，这从源头上削减了能源成本。
然而，廉价电力并不能保证显卡满负荷运行。在大规模集群中，通信瓶颈、网络拥塞、数据包丢失和节点故障迫使GPU陷入空闲等待。规模越大，任何微小的瓶颈都会被放大，导致“卡片众多，但实际工作的寥寥无几”。因此，首个全栈国产化十万卡超算集群和华为Atlas 950 SuperPoD等架构专注于拓宽“道路”。通过更快的互连技术和更紧密的节点协调，它们将分散的服务器转化为统一的计算系统，减少通信延迟，确保更多的GPU周期用于实际计算。如果超级节点解决了“卡片如何协作”，软件层则解决“每张卡片该做什么”。面对智能体场景下极端的154:1输入输出比，分配相同的GPU既处理海量上下文又生成输出会导致严重的不匹配。商汤大装置和中科嘉禾等运行时系统实施了“流水线分工”。它们将高算力、快读取的GPU分配给摄入庞大的历史上下文，而将大内存、高带宽的GPU专门用于快速输出代码。这种专门的“流水线”操作消除了显存碎片化和算力气泡，大幅提升了集群的实际模型浮点运算利用率（MFU）。
即使有了廉价电力和高速互连，如果白天机柜满载而夜间设施半空，机器折旧依然沉重。因此，算力调度已从“有卡的地方就派活”演变为“在正确的时间，将正确的任务匹配到正确的地点”。毫秒级响应的聊天保留在靠近用户的东部节点。耗时数分钟或数小时的智能体任务路由至西部巨型集群。非实时作业利用夜间低谷和剩余电力。平台越来越多地使用夜间折扣和弹性Token定价引导用户在非高峰时段使用。高价值的实时任务消耗优质资源，而延迟容忍的工作负载则吸收廉价、闲置的算力。这种西北绿色电力、超级节点通信突破、预填充/解码（PD）解耦以及跨区域/时间调度的组合，将分散、低效的GPU堆叠转化为高吞吐、高利用率的“工业Token工厂”。
在这场宏大的AI算力扩张战役背后，是一场高度理性的“降低Token生产成本的战争”。只有当每个Token的综合成本降至公用事业级别，海量智能体时代的需求才会从重用户的狂欢转变为可持续的业务。随着算力竞争的终点从“堆叠GPU数量”缩小到“最小化每个Token的综合产出成本”，这一基础逻辑的转变将波及上下游，重构整个产业链。从芯片巨头、云服务商到模型独角兽、软件基础设施供应商和企业客户，每个人都将被卷入一场争夺“有效算力”的生存竞赛。华为、中科曙光、海光信息和摩尔线程等芯片制造商正从“销售单卡/理论TFLOPS峰值”演变为“销售软硬一体的超级节点和AI硬件融合系统”。随着单卡性能增益趋于平缓，网络互连和生态系统适应性将成为生存的关键。硬件正加速向机柜式、池化超级节点发展，并与上层算力调度和异构编译框架深度绑定。阿里云、腾讯云和区域AIDC等云服务商和AI中心运营商正从“售卖算力”转向“低成本生产和精细化Token销售”。阿里和腾讯在极致交付效率和西北绿色电力布局上展开竞争，同时废除月度计划，转而推行Token计划。并行计算等运营商通过精确调度实现超过90%的利用率，与传统区域设施低于30%的利用率形成鲜明对比。
分化将加剧。无法加入统一调度网络或维持低利用率的中小型AI中心将面临淘汰或整合浪潮。领先的云服务商将演变为集成绿色电力、超级网络和动态调度的高吞吐量Token生产网络。像DeepSeek、智谱AI和月之暗面这样的独立模型厂商将逐渐下沉，成为全栈基础设施的建设者和运营商。这一趋势已初现端倪：DeepSeek计划在乌兰察布自建1GW AI基地；智谱正在部署1GW国产AI中心，并直接收购了源自中国科学院的编译团队中科嘉禾。这些举措旨在减少对外部供应链的依赖，并将GPU到Token的成本控制内部化。因此，全栈垂直整合已成为顶级前沿AI企业的门槛。只有那些获得廉价电力、模块化工厂建设和异构编译优化的模型公司才能生存；缺乏低成本Token生产能力的较小厂商将成为代工厂或倒闭。随着模型厂商更深入地介入基础设施，中科嘉禾、商汤大装置、九天云界和软通动力等基础设施和算力软件供应商的价值被重新放大。这些公司正从简单的API路由转型为在编译器、运行时、异构混合和PD解耦引擎领域的深度专业化。例如，商汤大装置通过异构混合推理将主流国产芯片的MFU提升85%–152%，在同等成本下将Token输出量扩大2.5倍。软通动力和九天云界将算力重构为端到端的“Token工厂”，利用软件工程榨取每张卡的每一滴性能。
“软件定义算力”将成为关键的价值驱动力。异构芯片适配和分布式编译能力将成为极其稀缺的资产，很可能在未来一到两年内引发一轮针对底层基础设施团队的行业并购潮。这种成本重组不可避免地会传导至产业链下游。企业和技术开发人员客户将被迫接受细粒度的按使用量、按Token和按Credits计费。企业将密切监控Token采购成本，倾向于性价比高的国产Token或自托管私有微调模型。采购逻辑随之改变。“按性能付费”和多模型混合调度将成为标准。企业将建立精细化的“Token成本控制体系”，将简单的规则类任务路由至低成本Token，而将高价的前沿模型保留用于高度复杂的重构和调试。2026年，中国算力竞争的核心将转向对每瓦特、每张卡和每秒折旧的“有效产出”的极致提取。通过系统工程将单位Token成本降至公用事业级别的公司，才能真正跨越盈利鸿沟，拿到通往智能体时代的门票。被困在低利用率、高成本GPU堆叠范式中的玩家，最终将被工业Token浪潮所淘汰。