当token成为制成品｜用制造业会计角度重估AI产业链

2025年11月，Michael Burry——那个在2008年做空次贷的人——打破沉默，把矛头指向了AI时代最不性感的一个科目：折旧。他的指控很简单：超大规模云厂商正在用5到6年的折旧年限，摊销一批真实经济寿命只有2到3年的GPU。按他的测算，2026至2028年间，全行业将因此少计约1760亿美元折旧费用，等额虚增利润。

市场把它当作又一次"大空头式"的悲观表演。但一个细节被忽略了：在同一时期，面对同样的英伟达硬件，亚马逊把服务器折旧年限从6年缩短到5年，一次性计提9.2亿美元加速折旧；Meta却把年限延长到5.5年，反向释放29亿美元利润。同样的芯片，相反的会计结论。

折旧年限之争的底层问题是：这批资产到底像软件公司的服务器（买一次用十年，边际成本趋零），还是像面板厂的产线（三年一代，不换就出局）？如果是前者，当前的估值体系成立；如果是后者，整个AI中游需要用另一套完全不同的会计语言重新定价——制造业的语言。本文的核心判断是后者。而一旦接受这个判断，产业链每一个环节的利润归宿，都会指向与市场共识相反的方向。

判断一门生意是不是制造业，不看它卖什么，看它的损益表长什么样。制造业的损益表有三个特征：巨额固定资产投入、同质化的标准单位产出、利润由稼动率与折旧摊销决定。token供应生意，三条全中。

第一，固定资产。2026年，微软、亚马逊、谷歌、Meta四家的资本开支计划合计约7250亿美元，较2025年已创纪录的4100亿美元再增77%。高盛对四大云厂商2025至2030财年的累计资本开支预期为5.3万亿美元——这个单年投入约相当于美国能源行业全年资本投资的四倍。

图1 · 七千亿美元的产线：2026年资本开支计划

第二，同质化产出。token是标准件。一百万个token和另一百万个token之间，除了模型版本，没有差异化。它像千瓦时，像DRAM颗粒，像螺纹钢——买家只看两个参数：单价和交付稳定性。第三，稼动率经济学。据中国信通院测算，电力成本占数据中心运营总成本的60%至70%。加上硬件折旧，一个推理集群的成本结构里，"折旧+电费"占比与DRAM厂、面板厂几乎没有区别。利用率低于某个阈值，每一个token都在亏现金。

回到那1760亿美元。算术极其朴素：约6600亿美元的年度资本开支，按3年折旧是每年约2200亿美元费用，按6年折旧是每年约1100亿美元——中间1100亿美元的差额，直接流进营业利润。这不是新增收入，不是客户需求，是会计假设。

图2 · 一个假设，一千一百亿美元

行业的辩护逻辑叫"算力瀑布"：GPU退出前沿训练后，还能级联用于推理、小模型服务、云渲染。这个辩护在工程上不无道理——但它恰恰坐实了制造业定性："旧产线降级生产低毛利产品"正是面板厂和存储厂的标准剧本。京东方的8.5代线折旧完毕后转产低端面板，和H100退役后转跑廉价推理，是同一个财务故事。

更硬的证据在现金流量表上。据Epoch AI对SEC文件的分析，五大云厂商经营现金流年增速约23%，资本开支年增速约70%——两条曲线在2026年三季度前后交叉。甲骨文已经越过交叉点，资本开支超出经营现金流约237亿美元。

图3 · 两条曲线的交叉（动图）：自由现金流归零点

微软CEO纳德拉说过一句诚实的话：他不想"被一代硬件的四五年折旧困住"。当经营者用制造业的语言思考产能迭代，而财务报表还在用软件业的语言摊销成本时，缺口迟早以两种方式之一兑现：大额减值，或者市场自发地按制造业倍数重新定价。历史上没有第三种结局。

制造业定性的第一个推论，是中游毛利的均值回归。这个回归已经在发生，速度超过历史上任何一种工业品：2022年末，GPT-4级性能的推理价格约为每百万token 20美元；2026年初，同等性能约0.40美元。三年，98%的降幅。作为参照，DRAM历史上最惨烈的下行周期，年降价幅度约为40%–60%。

图4 · 标准件的命运：三年98%的价格塌缩

行业的安慰剂是"量补价"：单价降10倍，用量涨100倍——智能体工作流的token消耗是简单对话的5至30倍，推理算力已占全部AI算力的三分之二。总盘子确实在膨胀。但制造业的历史对"量补价"有一个冷酷的注脚：总量增长从不保证单厂利润。全球面板出货面积三十年增长了两个数量级，面板厂的股东回报却在全制造业最差的行列。量的增长养活了产业，没有养活产能持有者。

电厂从来不是电力时代最赚钱的生意。代工厂用了三十年才熬出一个台积电，代价是死掉几十个同行。

如果中游是工厂，下游是什么？看四个特征：单价低、购买频次高、品牌与渠道驱动、产品生命周期短。C端AI应用——修图、陪伴、效率工具、内容生成——四条全中。这是快消品的定义。对应关系可以逐项映射：订阅留存率就是复购率，获客成本就是广告投放，应用商店就是货架，模型版本迭代就是SKU换新。一个AI修图应用的经营逻辑，和一瓶功能饮料没有本质区别。

甚至基础模型API本身也在快消化。token单价像大宗商品一样持续下跌，但头部厂商维持着显著品牌溢价——前沿模型与开源平替之间的价差可达70倍以上，尽管多数任务用不到前沿能力。这是可口可乐的定价权结构：糖水成本趋同，品牌决定溢价。

制造业还有一条铁律：产能永远向要素成本洼地迁移。纺织去了东南亚，芯片去了台韩，家电去了珠三角。当token被定性为制成品，它的"厂址"逻辑就不再由工程师决定，而由电表决定——电力占数据中心运营成本的60%–70%，token制造的选址问题，本质上是一道电价套利题。

图5 · token工厂的电价地图：同一个token，电力成本相差5倍

这道套利题，中国用一个国家工程作答："东数西算"。八大枢纽、十大集群，截至2025年一季度枢纽节点算力总规模215.5 EFLOPS，智算占比80.8%，超过七成新增算力落在西部。甘肃庆阳从"一张白纸"起步，四年建成10.2万标准机架、11.4万P算力，智算占比99%；宁夏中卫绿电占比稳定在80%以上，PUE低至1.1，2025年用电量同比增长47%。2026年政府工作报告首次把"超大规模智算集群""算电协同"列为新基建重点工程——从"数据中心"到"算电协同"，政策语言的转变意味着国家层面已经完成了本文用三章推导的定性：算力就是电力的二次加工品，token工厂的本质是高载能产业。

历史在押韵。四十年前，珠三角用土地和劳动力价差承接了全球轻工制造，东莞从农业县变成世界工厂；今天，西部用绿电价差承接token制造，中卫、庆阳、和林格尔正在成为token时代的东莞。今年2月，中国大模型单周调用量达到4.12万亿token，首次反超美国——量的反超先于质的争论，这也和当年制造业的剧本一字不差。

把前五章的推导叠在一起，一个结构性的利润迁移路线图就出现了。制造业成熟期的利润分布有一个被反复验证的规律：当制造环节毛利被压向资本成本线，利润向两端和中间的流通层迁移。芯片行业最稳定的回报不在晶圆厂，而在艾睿电子、大联大这样的分销商——轻资产、稳毛利、穿越周期；大宗商品行业最好的生意不是矿山，是嘉能可。电力行业把这个角色制度化了：发电厂承担全部资本开支和燃料风险，而售电公司和虚拟电厂聚合多个电源、面向终端做负荷管理，用最轻的资产结构拿走了产业链上确定性最高的一段利润。

图6 · 利润的迁移路线图：价值向调度层收敛

token产业正在长出完全相同的结构层：上游是电源——各家模型厂和智算集群，重资产、高折旧、价格战中互相消耗；下游是负荷——快消化的应用，需求碎片、切换成本趋零；中间缺的，是那个调度层：多源聚合、统一兜底、面向垂直场景做"负荷管理"的角色。它不持有GPU，不押注单一模型，不承担折旧风险——它的资产是供应网络的冗余度和交付的确定性。

对企业客户而言，这一层解决的是制造业采购部门最古老的问题：供应链安全。单一供应商的价格再低，断供一次的损失就足以抹平全年价差——万卡集群训练中断数小时，经济损失以百万计。这正是当年制造业催生分销商与供应链服务商的原始动力，如今在token采购上逐字重演。

第一行，重估中游。持有GPU资产的公司应当用EV/EBITDA和稼动率框架审视，而不是软件倍数——折旧假设每延长一年，就在估值里多埋一年的减值风险。1760亿美元的会计问题最终会以某种方式出清。

第二行，上移与下沉。制造业框架下确定性最高的两端：上游的"卖铲人"（设备、电力、绿电基础设施——算电协同新基建刚刚开始），和下游握有渠道与品牌心智的少数应用。中间地带留给产业资本去消耗。

第三行，关注流通层。历史上每一次制造业的成熟，都伴随一批分销与供应链服务商的崛起——它们出现在利润表最不显眼的位置，却拿走周期中最稳定的回报。token的流通层今天还没有自己的艾睿和嘉能可，这正是它值得被写进观察清单的原因。

识别利润在结构中流动的方向，然后把业务放在水流经过的地方。

稳定供应 · 统一兜底 · 永不中断